チーフAIシェアリングサークル

一般的な紹介 Llama OCRは、Llama 3.2 VisionをベースにしたOCR（光学式文字認識）ライブラリで、文書をMarkdown形式に変換します。Nutlopeによって開発されたこのライブラリーは、Together AIによって提供される無料のLlama 3.2インターフェースを使用し、画像を解析してMarkdown...

Invideo AI 概要 InVideo は、ビデオ作成プロセスを簡素化するために設計されたオンラインビデオ編集プラットフォームです。ビデオ制作の初心者でもプロでも、InVideoは高品質なビデオを素早く作成するのに役立ちます。このプラットフォームは、ドラッグ＆ドロップ操作に対応した、プロがデザインした5,000以上のテンプレートを提供しています...

概論 Clevrr Computer は PyAutoGUI ライブラリを利用してシステム操作を自動化することを目的としたオープンソースプロジェクトです。このプロジェクトはAnthropicにインスパイアされ、ユーザのシステム操作タスクを正確かつ効率的に実行する自動化エージェントを設計しました。

2024年8月の無料オープン言語モデルに続き、ウィズダムスペクトラムは128Kコンテキスト/4K出力長ビッグモデルGLM-4-Flashフルボリュームフリーオープンをサポートします！ 本日、ウィズダムスペクトラムオープンプラットフォーム（bigmodel.cn）において、初の無料マルチモーダルモデルGLM-4を発表します。

概要 Directorは、インテリジェントなビデオエージェントを構築することで、ビデオインタラクションとワークフローを簡素化し、最適化するために設計されたオープンソースのフレームワークです。このフレームワークは、VideoDBの "video-as-data "インフラストラクチャに基づいており、検索、編集、コンパイル、生成、即時ストリーミングなどの複雑なビデオタスクを処理することができます。

一般的な紹介 MCP Server ChatSumは、ユーザーがチャットメッセージを照会し、要約するために設計されたオープンソースプロジェクトです。プロジェクトはGitHubでホストされており、ユーザーが特定のパラメータに基づいてチャットトランスクリプトを照会し、それに応じて要約を生成できる強力なツールセットを提供します。

包括的な紹介 LongWriterは、清華大学データマイニング研究グループ(THUDM)によって開発された強力な長文生成ツールである。このツールは、先進的なLong Context Language Model (LLM) に基づいており、10,000語以上の長文を生成することができる。LongWriterのコアモデルには、LongWriter-glm4-9...

一般的な紹介 PlateはReactとTypeScriptで構築されたAI搭載のリッチテキストエディタで、高度にカスタマイズ可能で拡張可能な編集体験を提供するように設計されています。Slate.jsをコアに、モダンなUIコンポーネントとプラグインシステムが組み合わされており、開発者は機能的なテキストエディタを簡単に作成することができる。

一般的な紹介 Soraは、OpenAIによる先進的なビデオ生成ツールで、人工知能技術によってユーザーが簡単に高品質なビデオコンテンツを作成できるように設計されています。Soraは、拡散モデルを使用して、静的ノイズから始まる多段階のノイズ除去プロセスによって完全なビデオを生成します。Soraは、拡散モデルを使用して、静的ノイズから始まる多段階のノイズ除去プロセスにより、完全な動画を生成します。ユーザーは、テキスト、画像、...

総合紹介 魯甸古書は、北京大学とByteDance Public Welfareが共同で立ち上げた古書デジタル化プラットフォームで、古書の無料オンライン閲覧・検索サービスを一般に提供することを目的としている。周易、左伝、李記などの古典文献を含む2200点以上の古書資料を収集し、高精細な映像を提供している。

一般的な紹介 MinimaはオープンソースのRAG(Retrieval-Augmented Generation)ソリューションで、ローカルでの展開とChatGPTとの統合をサポートしています。このプロジェクトはdmayborodaによって管理されており、ユーザーが完全にローカルで実行することを選択できる柔軟でスタンドアロンなRAGシステムを提供することを目的としています。

一般的な紹介 MuseGANはGenerative Adversarial Networks (GAN)に基づいた音楽生成プロジェクトで、マルチトラック（マルチ楽器）の音楽を生成するように設計されています。MuseGANはLakh Pianoroll Datasetを使って学習され、...

総合紹介 MoneyPrinterTurboはオープンソースプロジェクトで、先進的なAIビッグモデル技術を利用して、ワンクリックで短いHDビデオを生成する機能を実現します。ユーザーは動画のテーマやキーワードを提供するだけで、システムが自動的に動画コピー、動画クリップ、動画字幕、BGMを生成し、最終的に動画コピー、動画クリップ、動画字幕、BGMを生成します。

包括的な紹介 Doclingは、PDF、DOCX、PPTX、XLSX、画像、HTML、AsciiDocおよびMarkdownを含む幅広い文書形式をサポートする、強力な文書解析およびエクスポートツールです。

  Chatgptが誕生して以来、LLM（大規模言語モデル）のパラメータ数は、各社とも底辺を競っているようだ。GPT-1のパラメータ数は1億1700万(117M)だが、第4世代のGPT-4は、パラメータ数を1兆8000億(1800B)に更新した。 他のLLMモデルと同様、...

Meta社は、700億パラメータを持つ大規模言語モデルLlama 3.3を発表した。このモデルは、その前身である405BパラメータのLlama 3.1の性能に匹敵し、Llama 3.1 405Bに比べて入力コストを10倍削減した！GPT-4o、クロード3.5ソネットを凌駕する以下の能力を持つ命令 &nbsp...

包括的な紹介 モデルコンテキストプロバイダCLI（mcp-cli）は、モデルコンテキストプロバイダサーバとやりとりするためのプロトコルレベルのコマンドラインツールです。mcp-cliは、複数のプロバイダーとモデルをサポートしています。

自然言語対話型データベース 読み書き 年末になると、入札シーズンが到来し、入札書類など大きな書類の作成に頭を悩ませることが多くなる。 内容が正確で専門的であることはもちろん、企業の優位性を強調するためには、専門的な知識が試されるだけでなく、コピーライティングのスキルも必要だ。その両方があっても、まだかかる...

本稿では、Dify v0.12.1バージョンを使用し、主にDifyワークフロー内のHTTPノードを通じて、siliconflow tencent/HunyuanVideoインターフェイスを呼び出すために、テキストを介してビデオの具体的な実装を生成するために紹介します。その中で、DifyとHTTPサービスはSealos Cloudプラットフォーム上に配置されています。 Hunyuan...