AI教程
PartEdit KAUST推出的细粒度图像编辑方法
PartEdit是KAUST推出基于预训练扩散模型的细粒度图像编辑方法。PartEdit基于优化特定的文本标记（称为“部分标记”），让扩散模型精准定位和编辑图像中对象的各个部分。这些部分标记学习与对象部分对应的非二进制掩码，在每个扩散步骤中实现对编辑区域的定位，结合特征混合与自适应阈值策略，无缝集成编辑内容，且保留未编辑区域。
BEN2 自动从图像和视频中移除背景深度学习模型
BEN2（Background Erase Network 2）是Prama LLC开发的深度学习模型，专门用于从图像和视频中快速移除背景并提取前景。基于创新的置信度引导抠图（CGM）管道，通过精细化网络处理复杂区域，如头发和边缘，实现高精度的前景分割。
Lumina-Image 2.0 上海 AI Lab 开源的统一图像生成模型
Lumina-Image 2.0 是开源的高效统一图像生成模型，参数量为26亿，基于扩散模型和Transformer架构。在图像生成质量、复杂提示理解和资源效率方面表现出色，在文本对齐能力上达到行业领先水平，能根据文本描述生成高质量、多风格的图像。
AstrBot 开源多平台聊天机器人及开发框架
AstrBot 是多平台聊天机器人及开发框架，支持多种大语言模型（如 OpenAI GPT、Google Gemini、Llama 等）和多种消息平台（如 QQ、Telegram、微信等）。AstrBot具备多轮对话、语音转文字、网页搜索等功能，提供代码执行器和可视化管理面板，方便用户配置和扩展。
NutWorld 新加坡国立、南洋理工和Skywork AI推出的视频处理框架
NutWorld是新加坡国立大学、南洋理工大学和Skywork AI推出的视频处理框架，能将日常单目视频高效地转换为动态3D高斯表示（Gaussian Splatting）。NutWorld基于时空对齐高斯（STAG）表示法，在单次前馈传递中实现视频的时空连贯建模，解决传统方法在复杂运动和遮挡下的局限性。
Eino 字节跳动开源的大模型应用开发框架
Eino 是字节跳动开源的大模型应用开发框架，能帮助开发者高效构建基于大模型的 AI 应用。Eino以 Go 语言为基础，具备稳定的内核、灵活的扩展性和完善的工具生态。Eino 的核心是组件化设计，基于定义不同的组件（如 ChatModel、Lambda 等）和编排方式（如 Chain 和 Graph），开发者能灵活地构建复杂的业务逻辑。
YT Navigator AI YouTube 内容搜索工具，自然语言查询定位关键信息
YT Navigator 是 AI 驱动的 YouTube 内容搜索工具，帮助用户高效地搜索和浏览 YouTube 频道内容。YT Navigator自然语言查询功能，让用户快速定位到特定频道视频中的相关信息，且提供精准的时间戳，无需手动观看大量视频。
Step-Video-TI2V 阶跃星辰开源的图生视频模型
Step-Video-TI2V 是阶跃星辰（StepFun）推出的开源图生视频（Image-to-Video）生成模型，拥有 300 亿参数，能根据文本描述和图像输入生成最长 102 帧的视频。模型基于深度压缩的变分自编码器（Video-VAE），实现了 16×16 的空间压缩和 8× 的时间压缩，显著提高了训练和推理效率。
Dify-Plus 基于 Dify 二次开发的企业级增强版项目
Dify-Plus 是基于 Dify 二次开发的企业级增强版项目，集成基于 gin-vue-admin 的管理中心。Dify-Plus在 Dify 基础上新增用户额度、密钥额度、Web 公开页登录鉴权、应用中心等功能，优化了权限管理，适合企业场景使用。
gpt-4o-transcribe OpenAI 推出的语音转文本模型
gpt-4o-transcribe是 OpenAI 推出的高性能语音转文本模型。基于最新的语音模型架构，用海量多样化音频数据训练，精准捕捉语音细微差别，显著降低单词错误率（WER），优于前代 Whisper 模型。模型支持多种语言和方言，适合处理口音多样、环境嘈杂、语速变化等复杂场景，如呼叫中心、会议记录等。