Kani TTS：轻量级高性能开源文本转语音(TTS)框架，支持多语言与跨硬件优化推理
Kani TTS是由nineninesix-ai团队开发并开源的轻量级高性能文本转语音（Text-to-Speech，TTS）框架，旨在为开发者和企业提供快速、高效、类人化的语音生成解决方案。该项目基...
SenseNova-SI：商汤科技开源的高性能多模态空间智能训练与推理模型
SenseNova-SI 是由 商汤科技开源的多模态空间智能项目，聚焦于提升基础大模型的空间认知能力。该项目依托 800 万规模的专用数据集，基于 Qwen3-VL、InternVL3 等主流基础模...
什么是联邦学习（Federated Learning, FL）？
联邦学习（Federated Learning, FL）是一种分布式机器学习框架，允许多个参与方（如移动设备、医疗机构、金融机构等）在保持本地数据私有化的前提下，通过交换模型参数或梯...
Paper2Slides：开源论文转幻灯片工具，一键生成专业级演示文稿与学术海报
Paper2Slides是一款开源的自动化内容转换工具，专注于将PDF、Word、Markdown等多格式研究论文、报告类文档一键转换为符合出版级设计标准的幻灯片和学术海报。该工具基于RAG...
PosterCopilot：开源多模态 AI 海报设计与布局优化框架
PosterCopilot是由南京大学PRLab、LibLib.ai与中国科学院自动化研究所联合开发的开源多模态海报设计框架，该框架基于大型多模态模型（LMMs）构建，创新采用三阶段训练范式，...
VibeVoice：微软开源的 AI 语音合成工具，实现低延迟长音频与多语种语音生成
VibeVoice是微软开源的一款高性能语音AI研究框架，聚焦于解决传统文本转语音（TTS）系统在长文本处理、多说话人一致性及自然对话生成方面的技术痛点。该框架支持最长90分钟...
开源大模型新标杆：DeepSeek-V3.2 凭何实现高效与智能双突破
DeepSeek-V3.2是一款智能水平位居开源权重模型第二名的高效能大模型，其核心优势源于DeepSeek稀疏注意力技术脱离实验性阶段并实现规模化应用，不仅超越Grok 4、Claude Sonn...
Repo2Run：字节跳动开源的LLM驱动构建代理，自动化搭建代码仓库可执行环境
Repo2Run是字节跳动开源的一款基于大语言模型（LLM）的构建代理系统，其核心目标是为各类代码仓库自动化搭建可执行的容器化运行环境。该工具以Docker为沙箱实现构建过程隔离...
BERT 与 ELMo、GPT 有何不同？三大语言模型对比分析
2018年前后，ELMo、GPT和BERT三大模型相继问世，分别代表了预训练语言模型的三个重要技术分支，彻底改变了传统NLP任务依赖人工设计特征和特定任务模型的局面。本文AI铺子将...
Ovis-Image：阿里开源的7B 参数轻量级AI文生图模型
Ovis-Image是由阿里巴巴AIDC-AI团队基于Ovis-U1框架开发的一款轻量级开源文本到图像生成模型，核心参数量仅7B，却能在文本渲染任务上实现媲美20B级开源模型及GPT-4o等闭源模...