阿里通义千问开源 Qwen2-Audio 系列的两个模型 Qwen2-Audio-7B 和 Qwen2-Audio-7B-Instruct。 作为一个大规模音频语言模型，Qwen2-Audio 能够接受各种音频信号输入，并根据语音指令执行音频分析或直接响应文本，有两 ...... 阅读全文

玩家们翘首以盼的国产大作《黑神话：悟空》即将于8月20日正式发售。随着发售日的临近，官方公布了PC配置要求，最低配置需搭载GTX 1060显卡。 性能测试工具发布 为了帮助玩家检测硬件性能和系统兼容性，游戏科学官方 ...... 阅读全文

Server Mono 是一个受打字机、Apple 的 San Francisco Mono、ASCII 艺术、命令行界面和编程工具启发的等宽字体（英文），拥有清晰的可读性和统一的字符宽度，非常适合在命令行界面中使用。@Appinn ...... 阅读全文

你是否经常需要转换音频格式，却为找不到合适的工具而烦恼？试试Online Audio Converter，一个功能强大的在线音频转换服务。Online Audio Converter以其简单易用和高效转换的特点，成为音频转换工具中的佼佼者。无论 ...... 阅读全文

开发商DeadDevsTellNoLies开发的《Supermarket Together》现已正式在Steam平台推出，并且首发期间玩家可以免费体验！《Supermarket Together》为玩家提供了一个充满挑战与乐趣的超市经营体验。无论是与朋友合作还是 ...... 阅读全文

这篇论文的主题是关于一种快速从动画图形中分解精灵（sprites）的方法。精灵在这里指的是构成动画视频的基本元素或图层，比如在社交媒体帖子或广告中常见的动画元素。论文还构建了一个新的数据集Crello Animation， ...... 阅读全文

华南理工大学、西湖大学、OPPO美国研究中心、中国科学院自动化研究所基础模型研究中心和阿卜杜拉国王科技大学的研究人员推出大规模数据集和基准测试框架Openstory++，它专注于实例感知的开放领域视觉叙事（Visual St ...... 阅读全文

由Google DeepMind开发的机器人乒乓球系统，这个系统能够与人类选手进行竞技性的乒乓球比赛。研究人员开发了第一个通过学习达到业余人类水平的机器人乒乓球选手。这个机器人通过模仿人类选手的动作和策略，能够在真 ...... 阅读全文

LG AI Research团队开发的大语言模型EXAONE 3.0，这个模型特别之处在于它经过了“指令调优”，意味着它能够更好地理解和执行人类的指令。EXAONE 3.0是首个公开的大型语言模型家族中的一员，公开发布的是7.8B（即7.8十 ...... 阅读全文

哈尔滨工业大学和鹏城实验室的研究人员推出多模态智能体“Optimus-1”，它能够在像《我的世界》这样的开放世界环境中执行长期任务。Optimus-1的核心是一个混合多模态记忆模块，这个模块由两个主要部分组成：分层指导知 ...... 阅读全文

牛津大学的研究人员推出大规模合成数据集VGGHeads，它专门用于3D人头检测、关键点估计和3D头部模型拟合等重要任务。这些任务在面部识别、动画制作、增强现实和医学成像等领域有着广泛的应用。例如，我们需要训练一个 ...... 阅读全文

牛津大学的研究人员推出交互式视频生成模型Puppet-Master，它可以作为一个运动先验来捕捉物体部分级别的动力学。简单来说，Puppet-Master能够根据单个图像和一组稀疏的运动轨迹（即拖动操作），合成一段展示逼真物体 ...... 阅读全文