Gradio
Gradio是一个开源的Python库，用于构建演示机器学习或数据科学，以及web应用程序。用户可以使用Gradio基于自己的机器学习模型或数据科学工作流快速创建一个漂亮的用户界面，让用户可以尝试拖放他们自己的图像、粘贴文本、录制他们自己的声音，并通过浏览器与您的演示程序进行交互。
MusicGen是什么？
MusicGen 是一个由Meta发布的开源 AI 音乐生成模型，可以根据你输入的描述文本生成新的音乐，也可以上传现有的音乐旋律作为参考。
MusicGen基于 Transformer 架构，可以高效处理音频和文本数据。测试表明，MusicGen 的性能可与 Google 的 MusicLM 媲美。
MusicGen可以做什么？
- 文本提示音乐生成：MusicGen 可以根据文本提示生成新的音乐片段，这些提示可以选择性地与现有的旋律对齐。
- 高质量样本生成：通过使用高效的令牌交错模式和单阶段方法，MusicGen 可以生成高质量的音乐样本，无需复杂的级联模型。
如何使用MusicGen？
MusicGen在线体验地址：https://huggingface.co/spaces/facebook/MusicGen；
使用步骤如下：
- 打开：https://huggingface.co/spaces/facebook/MusicGen；
- 如下图所示，输入文本描述，即你想生产的音乐描述；
- 上传参考的音乐旋律，这是个可选项，也可以不上传；
- 点击下方的生成【Generate】按钮，等待几十秒即可生成音乐；
- 点击播放最右边生成的音乐，即可播放和下载。
另外，在操作下方，也提供了一些参考demo，点击即可体验。
相关资源链接
- 论文地址：Paper
- 谷歌实验室：Google Colab
- 源代码：Github
- 在线体验：Demo
数据统计
相关导航
CodeShell-北京大学开源的代码大模型
CodeShell是北京大学知识计算实验室联合四川天府银行AI团队研发的多语言代码大模型基座。CodeShell具有70亿参数，在五千亿Tokens进行了训练，上下文窗口长度为8192。在权威的代码评估Benchmark（HumanEval与MBPP）上，CodeShell取得同等规模最好的性能。
StableLM
StableLM是由Stable Diffusion背后的团队Stability AI最新推出的开源的类ChatGPT大语言模型
Grok-1.5V：xAI发布的多模态AI大模型
Grok-1.5V不仅具备强大的文本处理能力，还可以处理各种视觉信息，如文档、图表、截图和照片。这使得Grok-1.5V能够在多学科推理、理解科学图表、阅读文本和实现真实世界的空间理解等领域与现有的前沿多模态模型竞争。,Grok-1.5V不仅具备强大的文本处理能力，还可以处理各种视觉信息，如文档、图表、截图和照片。这使得Grok-1.5V能够在多学科推理、理解科学图表、阅读文本和实现真实世界的空间理解等领域与现有的前…
Open-Sora: Colossal-AI开源的类Sora架构视频生成模型
Open-Sora是一个开源Sora复现方案，旨在帮助用户构建类似于OpenAI Sora的视频生成模型。它提供了一个完整的开发流程，包括数据处理、模型训练和部署，支持动态分辨率和多种模型结构。,Open-Sora是一个开源Sora复现方案，旨在帮助用户构建类似于OpenAI Sora的视频生成模型。它提供了一个完整的开发流程，包括数据处理、模型训练和部署，支持动态分辨率和多种模型结构。
Imagen
Google AI文字到图像生成模型
Coze
Coze是由字节跳动推出的一个AI聊天机器人和应用程序编辑开发平台，可以理解为字节跳动版的GPTs。无论用户是否有编程经验，都可以通过该平台快速创建各种类型的聊天机器人、智能体、AI应用和插件，并将其部署在社交平台和即时聊天应用程序中，如Discord、WhatsApp、Twitter。
Gemini-谷歌发布的多模态AI大模型
AIHub 12 月 6 日消息，谷歌宣布推出其认为规模最大、功能最强大的人工智能多模态AI模型 Gemini。意味着它可以理解、操作和结合不同类型的信息，包括文本、代码、音频、图像和视频。,AIHub 12 月 6 日消息，谷歌宣布推出其认为规模最大、功能最强大的人工智能多模态AI模型 Gemini。意味着它可以理解、操作和结合不同类型的信息，包括文本、代码、音频、图像和视频。
