Qwen3-ASR 效率碾压、VibeVoice 长音频分人无敌、Whisper 生态覆盖最广——三大 ASR 各守一象限，谁该装谁

307000子龙•2个月前

国内首个角色扮演视频生成，文/图生视频、多镜头叙事、音画同步、图文混排绘本，一站式AI创作

155000子龙•2个月前

有趣的80后程序员的ComfyUI工作流相册：按日期查换脸、数字人、电商产品图、虚拟试穿流程，照着配节点。

160000子龙•2个月前

一张图片+一段视频，角色跟随动作表情表演或直接替换视频中人物，骨骼信号+重光照LoRA，免费

162000子龙•2个月前

上传视频+人物照片，AI替换整个角色（不只换脸），动作表情光照场景全保留

116000子龙•2个月前

阿里Qwen团队出品，中文WER开源最低，配套ForcedAligner毫秒级时间戳，视频配音翻译链路的基础设施

164000子龙•2个月前

SSH 连服务器开 tmux 后鼠标滚轮和 PageUp 失效的原因和一劳永逸的配置

225000子龙•2个月前

像跟剪辑师说话一样下指令：文字稿删字即剪片、去口水词、MG动画配乐一体，还能挂进ChatGPT/Codex当插件，剪辑技能可复用

120000子龙•2个月前

从0.8B到397B全覆盖，编程/视觉/推理/端侧一张表选对模型

708000子龙•2个月前

不是单个AI画页面，而是自己组建Agent设计团队：需求分析/线框/UI审查/视觉基因分工协作，调研驱动，一张画布走到代码交付

112000子龙•2个月前

语雀之父玉伯新作：Board看板剪藏素材+AI对话式研究+可改写初稿，把'看过'变成'产出'的AI创作闭环工具

115000子龙•2个月前

三家最新开源MoE视觉大模型，全部30B级只激活3B，定位完全不同

196000子龙•2个月前

快手开源 8B 多模态模型，专为短视频理解优化，Video-MME 73% 同级最强。

170001子龙•4个月前

开源文档解析引擎,OpenDataLab 出品 78k Star。PDF/Word/PPT/Excel/图片一键转 LLM 友好的 Markdown/JSON,公式转 LaTeX、表格转 HTML、跨页表格合并、109 语言 OCR;Pipeline 后端纯 CPU 可跑,VLM 后端精度 95+,另有 mineru.net 在线服务免部署

297101子龙•7个月前

LLM 监督式记忆——宿主 LLM 做判断、单二进制做存储，四图知识架构，零额外 API key，跨 agent 框架共享记忆池

120000子龙•2个月前

OCR/版面/表格/公式全流水线跑在显卡上，PDF 进 Markdown 出，单卡 5090 最快 559 图/秒，比传统 OCR 快 15-90 倍

94000子龙•2个月前

使用 Unsloth 微调 Qwen3.8-27B 的完整教程：SFT、视觉微调、强化学习、导出

264000子龙•2个月前

7.4K stars，WebRTC 远控，不限连接次数不限画质，隐私屏虚拟屏屏幕墙全免费，还支持私有化部署

145000子龙•2个月前

装进 Codex/Claude Code 的人像布光技能：只改光影不重画人，修复塑料皮肤，13种光照配方从伦勃朗光到赛博霓虹

88000子龙•2个月前

Ruby on Rails 作者 DHH 和 37signals 出品：一条命令把 Arch 装成开箱即用的漂亮桌面，Hyprland 平铺+全盘加密+内置 AI agent

201000子龙•2个月前