Hallo 是一个由复旦大学、百度、苏黎世联邦理工学院和南京大学联合开发的开源项目,专注于音频驱动的视觉合成技术,能够将图像转化为动画,使图片“开口说话”,并同步音频情感变化。该项目在 AI 领域具有广泛应用,如虚拟偶像、影视制作、教育、游戏开发等 。
- Hallo开源项目网址:https://github.com/fudan-generative-vision/hallo
- Hallo官网入口网址:https://fudan-generative-vision.github.io/hallo/#/
Hallo 的技术特点:采用端到端扩散范式,通过分层音频驱动视觉合成模块,实现对表情和姿势的自适应控制。项目支持多种使用方式,包括原生安装、简化版本(如 hallo-webui 和 ComfyUI-Hallo)以及在线演示。
Hallo 的应用场景:适用于虚拟偶像、影视制作、教育、游戏开发、人机交互等领域 。
数据统计
相关导航
MiniMind 是一个开源的大语言模型(LLM)项目,旨在从零开始,以极低的成本(仅需3块钱)和极短的时间(2小时)训练出一个轻量级的语言模型。该项目由开发者 Jingyao Gong 发起,旨在降低大模型的学习门槛,让更多人能够从零开始训练和理解大模型的原理。 MiniMind官网入口网址:https://jingyaogong.github.io/minimind/MiniMind开源项目地址:https://github.com/jingyaogong/minimind MiniMind 的核心特点是其极小的模型体积,最小模型体积仅为 GPT-3 的 1/7000,适合个人 GPU 快速训练。项目提供了完整的训练流程,包括预训练、监督微调(SFT)、LoRA 微调、强化学习(RLHF)等全过程代码,并且所有代码均从零开始用 PyTorch 重构,不依赖第三方库。 MiniMind 提供了多种模型版本,包括 MiniMind2 系列和 MiniMind-V(多模态扩展),支持多种训练和推理框架,如 llama.cpp、vllm、ollama 等。项目还提供了丰富的数据集和训练脚本,支持从零开始训练模型,并提供了详细的训练和评估工具。 MiniMind 的目标是推动 AI 社区的进步,让更多人能够理解和参与大模型的开发与训练。通过 MiniMind,用户可以体验从零开始训练一个语言模型的全过程,感受创造的乐趣。
sql-llm-benchmark项目是一个测评大模型 SQL 能力的脚本工具和排行榜列表,旨在评估大型语言模型 (LLM) 在 SQL 相关任务方面的能力。它支持对 LLM 的 SQL 理解、方言转换和 SQL 优化能力进行深入测评,集成了 MCP (Model Context Protocol) 网络搜索功能来增强裁判模型的判断准确性,并最终生成详细的测评报告,通过前端界面直观展示。 可以在sql-llm-benchmark的网站上查看排行榜和详细测评报告 sql-llm-benchmark官网入口网址:https://sql-llm-leaderboard.com/sql-llm-benchmark开源项目地址:https://github.com/actiontech/sql-llm-benchmarksql-llm-benchmark中文介绍:链接 特性 多维度评估: 支持 SQL 理解、方言转换和 SQL 优化三大核心能力。智能裁判增强: 集成 MCP 网络搜索功能,裁判模型可实时搜索数据库文档和最佳实践,显著提升判断准确性。灵活的数据集: 允许用户自定义和扩展测评数据集。可配置的 LLM: 支持集成多种大模型作为被测对象和裁判模型。自动化报告生成: 自动生成详细的测评报告,包括总分、案例详情和交互日志。直观的前端展示: 提供排行榜列表和详细报告页面,方便用户查看和分析结果。可扩展架构: 易于添加新的 LLM 接口、HTTP 接口和测试用例。 sql-llm-benchmark项目旨在通过科学、严谨的测评体系,全面评估大语言模型(LLM)在SQL处理方面的核心能力。项目聚焦于三大关键维度:SQL优化能力、方言转换能力以及SQL深度理解能力。通过构建多维度、多指标的综合测评体系,并采用不同难度等级的真实案例进行测试,以科学加权评分的方式,评估模型在数据库操作中的实际表现。 sql-llm-benchmark项目旨在为开发者、数据库管理员及企业技术决策者提供权威、客观的参考依据,推动大模型在数据库智能化应用中的技术发展与选型落地。 sql-llm-benchmark项目旨在通过科学、严谨的测评方法,全面评估大语言模型在SQL处理方面的能力,为相关领域的技术发展和应用提供参考。
语鹦学舌数字人,是语鹦企服推出的一款基于AI技术的虚拟主播解决方案,旨在帮助企业实现高效、低成本的私域直播运营。该数字人系统能够通过先进的AI算法生成高度拟真的虚拟主播形象,不仅能够模仿真人主播的语音、表情和动作,还能根据用户需求进行个性化定制,从而打造独特的直播体验。 语鹦学舌数字人官网入口网址:https://crm.bytell.cn/retalk 语鹦学舌数字人适用于多种直播平台,包括抖音、快手、淘宝、支付宝、视频号、微信小程序、B站、Facebook等,支持所有支持推流地址的平台。企业只需通过简单的配置即可将数字人接入直播场景,实现全天候、全时段的直播运营。此外,该系统还支持多语言直播功能,能够满足企业出海需求,提升国际化营销能力。 在直播内容方面,语鹦学舌数字人支持两种主要的驱动方式:一是脚本驱动,即通过AI自动生成直播脚本并同步生成音频;二是人工语言驱动,即企业可以直接导入音频文件或上传文本,由AI识别并生成对应的语音内容。这种灵活的驱动方式,使得企业可以根据不同的直播主题和用户群体,灵活调整直播内容和风格。 语鹦学舌数字人不仅在电商、教育、培训等领域具有广泛应用,还在健康和健身行业展现出巨大潜力。通过数字人直播,企业可以实现全天候的用户互动,提升用户粘性和品牌忠诚度。同时,数字人直播的低门槛和高灵活性,也使得中小企业能够轻松参与直播营销,实现品牌曝光和销售增长。 语鹦学舌数字人还具备强大的自研能力,采用行业领先的多模态交互技术,确保数字人的语音、表情、动作自然流畅,交互延迟低至500ms,唇形准确率高达98.5%,整体效果达到MOS4.0标准。此外,该系统还支持多种接入方式,包括OBS软件集成,方便企业进行二次开发和定制化部署。 语鹦学舌数字人不仅是一个高效的直播工具,更是企业数字化转型的重要助力。通过灵活运用数字人直播功能,企业可以实现品牌曝光、用户增长和销售提升的多重目标。更多关于语鹦学舌数字人的功能和使用方法,欢迎访问语鹦官网进行免费体验。
CosyVoice 是一款由阿里巴巴通义实验室开发的先进语音生成模型,专注于自然语音的生成与控制。该模型能够深度融合文本理解和语音生成技术,提供高质量、自然且逼真的语音输出,适用于多种语言环境和应用场景。 CosyVoice官网入口网址:https://funaudiollm.github.io/cosyvoice2/CosyVoice开源项目地址:https://github.com/FunAudioLLM/CosyVoiceCosyVoice 体验入口1:https://www.modelscope.cn/studios/iic/CosyVoice-300MCosyVoice 体验入口2:https://www.modelscope.cn/studios/iic/CosyVoice2-0.5B CosyVoice 的核心功能包括多语言支持、音色克隆、情感控制和韵律调整。它支持中文、英文、日语、粤语和韩语等多种语言,能够生成高度拟人化的语音,音质接近真人发音水平。用户仅需提供3至10秒的原始音频样本,即可快速生成目标文本的语音,无需任何专业训练或复杂操作。 CosyVoice 在情感和韵律控制方面表现出色,允许用户通过富文本或自然语言对生成语音的情感和韵律进行细粒度调整。例如,用户可以指定语音的情感表达(如快乐、悲伤、兴奋等),并调整语速、音调和节奏,以满足不同场景的需求。 CosyVoice 还具备跨语言语音合成能力,支持中文到英文、英文到中文等跨语言翻译,极大地拓宽了其应用范围。这一功能特别适合需要多语言交互的场景,如智能客服、有声读物、车载导航等。 在技术实现上,CosyVoice 基于先进的语音量化编码和大模型技术,能够精准解析文本内容并生成自然流畅的语音。其模型经过大规模多语言数据训练,具备高准确性和稳定性,适用于实时和低延迟的语音交互系统。 CosyVoice 提供多种使用方式,包括在线试用、本地部署和API调用。用户可以通过官网(https://www.modelscope.cn/studios/iic/CosyVoice-300M )访问模型,并根据需求选择合适的部署方式。此外,CosyVoice 还提供了详细的安装指南和使用教程,帮助用户快速上手。 CosyVoice 是一款功能强大且易于使用的语音生成工具,适用于教育、娱乐、智能助手等多种场景。其高度拟人化的语音质量和灵活的情感控制能力,使其在语音合成领域具有广泛的应用前景。
Seedance 是由字节跳动旗下的豆包大模型团队推出的一款划时代的AI视频生成基础模型。作为业内首批实现“可导演”的电影级全流程生成引擎。它不仅支持文本生视频,还突破性地实现了多模态输入(图像、音频、视频),真正做到了原生音画同步生成,极大地降低了专业创作的门槛与成本。 Seedance(及其新一代模型Seedance 2.0)的相关官方网站网址: Seedance官网入口网址:https://seed.bytedance.com/Seedance 2.0官网入口网址:https://seed.bytedance.com/zh/seedance2_0 办公人导航提示: 目前,用户不能直接通过访问上述官网或页面来在线使用Seedance 2.0进行视频生成。Seedance 2.0模型已正式发布,并主要集成在字节跳动旗下的两款AI应用产品中供用户体验。 主要体验平台: 豆包:在其App、电脑端及网页版中已接入Seedance 2.0。即梦:在其App及网页版中同样可以体验该模型。
中国移动 MoMA(Mixture of Models and Agents,移动模型服务平台)是中国移动打造的一站式 AI 模型聚合与服务平台,定位为 AI 模型 “超级入口”,以 “一次接入、智能优选、普惠可用、安全可信” 为核心,构建开放普惠的 AI 服务新生态,推动 AI 像水、电一样 “随时可得、随处可用”。 中国移动MoMA平台官网入口网址:https://ecloud.10086.cn/portal/product/MaaS MoMA 是中国移动 “通算智” 融合战略的核心载体,针对 AI 行业模型分散、接入繁琐、成本高昂、算力利用低效等痛点而生。依托中国移动 10 亿级用户基数、全国性算力网络与政企客户资源,平台整合全栈 AI 能力,打破模型厂商壁垒,面向政务、金融、工业、医疗、教育、互联网等多行业,提供从模型调用、智能调度到安全管控、计量计费的全链路服务,大幅降低 AI 应用门槛,加速 AI 规模化落地。 核心能力与技术优势1.超级聚合:300+ 模型一站式接入 平台已汇聚超 300 款业界主流 AI 模型,覆盖文本生成、语音处理、图像识别、多模态理解、代码开发、数学推理等全品类能力。核心模型包括中国移动自研 “九天” 基座大模型,以及 DeepSeek、通义千问、豆包、Kimi、GLM、MiniMax 等头部优质模型,用户通过统一 API 网关一次接入,即可调用平台全部模型资源,无需重复对接不同厂商,彻底解决模型碎片化接入难题。 2.智能路由:三大策略自动优选模型 首创智能路由引擎技术,支持 “成本优先、效果优先、均衡优先” 三种调度策略:成本优先适配高调用量、低质量要求场景;效果优先匹配对输出精度敏感的核心业务;均衡优先兼顾成本与性能。同时具备秒级故障切换能力,当模型超时、限流或异常时,自动切换至最优备选模型,保障业务连续不中断,实现 AI 服务 “自动驾驶”。 3.Token 集约化:降本增效显著 首创 Token 集约化运营模式,基于国产算力部署自研推理引擎,结合智能缓存、上下文复用、Token 压缩等技术,实现单位 Token 成本压降约 30%、资源占用率降低 50% 以上。采用流式实时计费,端到端时延不超过 1 分钟,真正做到 “即用即付、用多少算多少”,破解传统预付费资源浪费、账单不透明痛点,中小微企业与个人开发者也能低成本使用 AI。 4.安全可信:机密计算保障数据安全 针对政务、金融等高安全需求场景,推出 **“机密模型” 服务 **,将模型部署在机密容器中,基于硬件隔离技术实现计算过程数据 “可用不可见”,全程加密防护,杜绝数据泄露风险。同时构建 Token 全生命周期管控体系,覆盖精准计量、风险管控、经营分析全流程,满足等保、分保等合规要求。 应用场景与服务价值 MoMA 覆盖全行业 AI 应用场景: 政务领域助力智能公文、政策解读、政务问答;金融领域支持风险评估、智能投顾、客服质检;工业领域适配设备故障诊断、生产优化、质量检测;医疗领域辅助医学文献分析、病历生成、远程问诊;教育领域适配智能备课、题库生成、个性化辅导。对企业而言,可缩短 AI 项目落地周期 60% 以上,降低对接与运维成本;对开发者而言,无需关注底层算力与模型适配,专注业务创新。 MoMA 不仅是 AI 模型的聚合平台,更是中国移动算力网络与 AI 融合的核心枢纽,通过技术创新与生态开放,重构 AI 服务模式,为数字经济发展提供强大智能支撑。
