关键信息摘要： Stable Audio Open 是一个开源的文本到音频模型，能够生成长达 47 秒的音频样本和音效。 用户可以创作鼓点、乐器即兴重复段、环境声、拟音以及制作所需的音频元素。 该模型支持音频变化和音频样本的风格转换。 StabilityAI推出了全新的开源模型Stable Audio Open，这是一... 阅读全文

浙江大学、香港大学、腾讯游戏和德克萨斯农工大学的研究人员推出DreamMat，它是一种用于生成高质量PBR（基于物理的渲染）材质的系统。简单来说，DreamMat可以根据文本描述和未贴图的3D模型，生成逼真的材质效果，这些效果可以用于现代图形引擎中，实现照片级的渲染效果。 项目主页：https://zzzyuqing.... 阅读全文

字节跳动推出文本到语音（Text-to-Speech, TTS）模型家族Seed-TTS，它们能够生成与人类语音几乎无法区分的高质量语音。Seed-TTS模型家族通过其先进的技术，为语音合成领域带来了革命性的进步，使得机器生成的语音更加自然和富有表现力，同时提供了强大的控制能力和编辑功能，适用于多种实际应用场景。 主要... 阅读全文

字节正在测试的AI伴侣项目【小黄蕉】，基于豆包模型，聊天效果非常好。大家可以进去测试看看效果如何？  ... 阅读全文

德克萨斯大学奥斯汀分校和英伟达的研究人员推出新技术CamCo，它是一种可以生成视频的人工智能工具。总的来说，CamCo是一个强大的工具，它可以将静态图像转化为动态视频，并允许用户对摄像机的运动进行精确控制，创造出既真实又连贯的视频内容。例如，你有一张照片，但你想要的是一个视频，而不仅仅是静态的画面。CamCo可以帮助你... 阅读全文

智谱 AI推出的最新一代预训练模型 GLM-4 系列中的开源版本GLM-4-9B 。 在语义、数学、推理、代码和知识等多方面的数据集测评中， GLM-4-9B 及其人类偏好对齐的版本 GLM-4-9B-Chat 均表现出超越 Llama-3-8B 的卓越性能。除了能进行多轮对话，GLM-4-9B-Chat 还具备网页浏... 阅读全文

在这个广告和追踪器无处不在的网络世界里，Cobalt 带来了一股清流。这是一款开源的在线视频下载应用，它快速、友好，彻底摆脱了现代网络的烦人元素： 🚫 无广告 🚫 无追踪器 🚫 无侵入性分析工具 官网：https://cobalt.tools GitHub：https://github.com/imputnet/cob... 阅读全文

VHS是一个由Charmbracelet团队开发的命令行视频录制工具，它使用Go语言实现。这个工具允许用户将终端的操作过程录制成视频文件，支持Win、Linux、MacOS等全平台。VHS内置了SSH服务器，使得用户可以像在本地安装一样访问它，并访问主机上的命令和应用程序，无需将它们安装在个人机器上。 基本使用方法 使... 阅读全文

30 Days Of Python是一个开源课程，此项目列出了一个全面的 Python 教学大目录。在这个项目中，您将学习成为一名 Python 程序员所需的一切知识，以及编程的整个概念。完成学习后，您将获得 30DaysOfPython 编程挑战证书。 项目介绍 Python 是一种用于通用编程的高级编程语言，它开源... 阅读全文

LitGPT 是一款命令行界面工具，用于简便地对 20 多种大语言模型 (LLMs) 进行微调、预训练、评估和部署，以便在您的数据上使用。它包含了为世界上最先进的开源大语言模型 (LLMs) 定制的优化训练方案。 LitGPT 重新实现了所有模型架构和训练配方： 去除所有抽象层，采用单一文件实现。 保证符合 Apach... 阅读全文

蒙特利尔大学、蒙特利尔康考迪亚大学、三星-SAIT AI 实验室的研究人员发布论文，论文的主题是关于提高学习优化器（Learned Optimizers, LOs）的泛化能力，特别是在进行大规模神经网络训练时。学习优化器是一种特殊的神经网络，它能够学习如何更有效地训练其他神经网络。这项技术的目标是减少训练大型神经网络所... 阅读全文

牛津大学和Google DeepMind的研究人员发布论文，主题是探讨在强化学习（Reinforcement Learning, RL）中如何实现人工文化积累（Artificial Cultural Accumulation）。文化积累是指知识和技能随着时间的推移而不断增长的过程，这一过程在人类历史中推动了能力的开放性... 阅读全文