Infer.store

實用資源

Phantom 跨模態影片生成框架

Phantom 是字節跳動最新的影片生成框架，主要是可以生成主體一致性(Subject-to-Video)的影片 。Phantom 會嚴格保留由用家提供的參考影像特徵，同時亦會根據提供的提示詞，創造出生動同連貫的影片。這個技術不單止可以用於單一主體，亦能夠同時處理多個主體之間的互動。透過跨模態對齊的訓練方式，Phantom 確保生成的影片內容既符合文字指令，亦能夠精準呈現參考影像中的主體。

olmOCR：PDF 文件轉換

olmOCR 是一個開發的開源工具包，可以將 PDF 文件轉換為適合大型語言模型作為訓練用途，或者用作創建線性文本數據集。olmOCR 可以相當準確提取 PDF 中的文字內容，表格、及方程式，甚至能夠準確識別手寫內容。

Mobius 無縫循環影片

Mobius 無縫循環影片是一個創新的技術方法，通過構建一個潛在循環（Latent Cycle），將影片的起始和結束噪音連接起來，並在推理過程逐步移動潛在空間，結果可以產生具有時間連貫性的循環影片。

wp-ai-chat：WordPress 插件

wp-ai-chat 是個開源的 WordPress 插件，旨在為 WordPress 網站整合 AI 助手功能。這個插件可以連接多種不同的 AI 模型，包括 DeepSeek、豆包、通義千問、OpenAI、Kimi 和千帆等，提供聊天、文章翻譯和 AI 生成 PPT 等功能。

ComfyUI-Copilot 智能工作流

ComfyUI-Copilot 是基於 ComfyUI 框架構建的智能助手，通過自然語言交互簡化並增強 AI 算法調試和部署過程。無論是生成文本、圖像還是音頻，ComfyUI-Copilot 都提供直觀的節點推薦、工作流構建輔助和模型查詢服務，以簡化您的開發過程。

DeepSeek 開放源碼週

DeepSeek 開放源碼週（Open Source Week）是由中國人工智能初創公司 DeepSeek 在 2025 年 2 月 24 日至 2 月 28 日舉辦的一項活動，旨在展示它的建構開放、同埋協作性 AI 生態系統的承諾。在此期間，DeepSeek 每天發布一個開源代碼庫，總共有五個，這些代碼庫已在實際環境中得到驗證並已經開始應用於線上服務。

DICEPTION：另類 Segment Anything Model

DICEPTION 是一個新型的通用擴散模型，是特別為影像的認知而設計。它只需要少量資料就能夠執行多種不同的影像偵察任務，例如距離的深度評估、畫面物件分類和評估人類身體的姿態。相對其他先進的擴散模型， 例如 SAM-vit-h Segment Anything Model，DICEPTION 只需用 0.06% 的數據就能夠展現出非常準確的成果。

SynCD 圖像模型的客製化

SynCD 提供了一個生成多影像合成的流程，它可以無需要通過微調，就可以令同一物件在不同情境下產生多個不同的視角。透過結合共享注意力機制，SynCD 更加可以保留物體特徵，同時亦會根據 Prompt 的提示產生圖像。

RIFLEx 影像擴散轉換器的額外長度

RIFLEx 主要延長影片的長度而無需重新訓練模型。研究發現，影片中不同頻率組成的部分會影響影片連貫性。在高頻會導致畫面重複，而低頻就會導致影片變成慢動作。RIFLEx 的方法是通過降低影片內在頻率，避免延長時候的重複問題，實現高品質的影片長度伸延。甚至能夠同時進行時間和空間的擴展。

AI Video Extend Without Looping - RIFLExRope With Hunyuan Video And Wan 2.1

DeepSeek-R1 的強化學習可視化

影片主要講解 DeepSeek R1 模型背後的強化學習演算法，並著重於如何透過人類回饋來訓練獎勵模型。包括如何根據人類對不同回應的偏好來調整獎勵值。接著深入探討 “近端策略優化”（Proximal Policy Optimization）演算法的細節。同時亦探討如何利用 “優勢函數”（Advantage Function）避免偏離原始策略。最後，影片亦解釋了如何運用群體策略優化成高於平均水準的回應，同時亦阻止了低於平均水準的回應，而因此提升了模型的推理能力。

Reinforcement Learning Behind DeepSeek-R1 visualized
Page 3 of 46
1 2 3 4 5 … 46