跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

9月24日周四
  1. GitHub:AI视频开源项目发现58

    BeefTV 开源 AI 视频创作工作台发布

    BeefTV 是一个面向 AI 视频创作的开源桌面工作台,在自由画布中连接提示词、模型与素材,支持生成文字、图片、视频与音频并继续加工迭代。项目可自由配置文本、图片、视频与音频模型渠道,不绑定单一 Provider,数据支持本地保存和迁移,桌面端基于 React、Go 与 Wails 构建。

9月21日周一
  1. GitHub:AI视频开源项目发现62

    腾讯混元开源 Prism:面向原生 2K 联合视频音频生成的动态稀疏注意力

    腾讯混元联合复旦大学、浙江大学提出 Prism,一个用于原生训练 2K 联合视频音频生成模型的动态稀疏注意力框架,将 token 序列组织为时空宏区块并按局部内容动态分配块形状,训练速度相比全注意力提升 2.5 倍且生成质量更高。

  2. pyvideotrans 官方发布38

    pyvideotrans v4.13 发布:优化模型下载重试与 whisper 断句,新增豆包语音合成 2.0 配音角色

    pyvideotrans v4.13 发布 Windows 预打包版,模型下载失败后自动重试,并优化 whisper 模型识别后的重断句算法。该版本完善硅基流动、Minimax、OpenRouter 的语音识别、字幕翻译与语音合成模型支持,新增豆包语音合成 2.0 配音角色,并重构设置窗口与菜单架构。Qwen-TTS、Higgs 等本地配音渠道放弃 8 位量化,媒体合并功能新增暂停按钮。

9月16日周三
9月15日周二
1月29日周四
  1. Hugging Face Blog40

    Gradio 团队推出 Daggr:用 Python 代码串联 AI 工作流并自动生成可视化画布

    Gradio 团队开源 Python 库 Daggr,可用代码串联 Gradio 应用、ML 模型与自定义函数,并自动生成可视化画布。它支持检查任意节点输出、单独重跑某一步骤、配置备用节点,并自动保存工作流状态与缓存结果。Daggr 要求 Python 3.10 以上,可通过 pip 安装,工作流可部署到 Hugging Face Spaces 分享。

1月6日周二
4月9日周三
1月27日周一
  1. Hugging Face Blog60

    Diffusers 团队梳理开源视频生成模型现状与优化方案

    Hugging Face Diffusers 团队发布文章,梳理开源视频生成模型现状,并介绍 Diffusers 对这类模型的支持方式。文中列出 CogVideoX、Mochi-1、HunyuanVideo、Allegro、LTX-Video 等开源模型,指出高资源需求、泛化能力和延迟是主要限制。

    推荐理由:Diffusers 团队系统梳理开源视频模型现状,并给出把 HunyuanVideo 显存压到约 6.5GB 的优化组合。

12月9日周一
  1. Hugging Face Blog22

    Hugging Face 社区发布文生图开放偏好数据集

    Hugging Face 的 Data is Better Together 社区发布 Apache 2.0 许可的文生图偏好数据集,覆盖多种图像生成类别,混合不同模型家族与不同复杂度的提示词。数据集基于 Flux 和 Stable Diffusion 模型生成图像,配套提供可直接使用的偏好数据集与 flux-dev-lora-finetune,预处理与后处理代码已在 GitHub 开源。

9月23日周一
  1. Hugging Face Blog34

    FineVideo:43k 视频、3.4k 小时的开源视频数据集是如何构建的

    为缓解开源视频数据集稀缺问题,团队构建了 FineVideo,包含 43k 个视频、共 3.4k 小时,并标注了丰富描述、叙事细节、场景切分和 QA 对。该数据集从 YouTube-Commons 的 1.9M 条英文视频出发,经词密度与视觉动态性过滤,并用 Gemini 1.5 Pro 和 GPT-4o 完成内容标注与结构化输出。

2月3日周六
  1. Hugging Face Blog62

    SegMoE 发布:从零构建混合专家扩散模型

    Segmind 发布 SegMoE 框架,可从零创建混合专家(MoE)扩散模型,并已集成进 Hugging Face diffusers。此次发布包括 SegMoE-4x2、SegMoE-2x1 和 SegMoE-SD4x2 三个模型版本,以及用于自建 MoE 模型的 segmoe 代码包,模型采用 Apache 2.0 许可。

    推荐理由:发布方给出从零构建 MoE 扩散模型的代码与三个合并版本,创作者可据此把多个预训练模型组合成新模型。

9月29日周五
9月13日周三
  1. Hugging Face Blog60

    Hugging Face 发布 Würstchen:高压缩潜空间的快速图像扩散模型

    Hugging Face 发布 Würstchen 图像生成扩散模型,其文本条件部分在高度压缩的潜空间中工作,通过 Stage A 的 VQGAN 与 Stage B 的 Diffusion Autoencoder 实现 42x 空间压缩,Stage C 作为 Prior 在该潜空间中训练。

    推荐理由:Würstchen 用 42x 空间压缩把训练成本降到 SD1.4 的约六分之一,可据此评估低显存出图方案。

9月8日周五
8月9日周三
7月27日周四
  1. Hugging Face Blog62

    苹果与 Hugging Face 用 Core ML 混合位量化在 Mac 上运行 Stable Diffusion XL

    苹果与 Hugging Face 将 Stable Diffusion XL 基础模型移植到 Core ML,可在运行 macOS 14 公测版的 Apple Silicon Mac 上使用,目前采用 ORIGINAL attention 实现,refiner 阶段尚未移植。

    推荐理由:苹果与 Hugging Face 联合给出 SDXL 在 Mac 上的 Core ML 混合位量化方案,附各机型实测延迟与压缩配方。

2月24日周五
12月1日周四
  1. Hugging Face Blog62

    如何在 Apple Silicon 上用 Core ML 运行 Stable Diffusion

    苹果工程师提供了转换脚本与推理代码,Hugging Face 已把 Stable Diffusion v1.4、v1.5、v2 base、v2.1 base 的权重转成 Core ML 版本并放到 Hugging Face Hub。

    推荐理由:苹果工程师与 Hugging Face 把 Stable Diffusion 权重转成 Core ML,并给出 Python 与 Swift 两条推理路径,可据此在 Apple Silicon 上本地出图。

10月5日周三
9月12日周一
8月22日周一
6月7日周二