关注我，记得标星⭐️不迷路哦～
✨ 1: DeepSeek-VL2
DeepSeek-VL2是一款先进的多模态视觉-语言模型，支持视觉问答和光学字符识别等任务。
DeepSeek-VL2是一种先进的大型混合专家（Mixture-of-Experts, MoE）视觉语言模型系列，相比其前身DeepSeek-VL有了显著的提升。该模型系列包含三种变体：DeepSeek-VL2-Tiny、DeepSeek-VL2-Small和DeepSeek-VL2，分别具有10亿、28亿和45亿个激活参数。DeepSeek-VL2在多个任务上展示了卓越的能力，包括视觉问答、光学字符识别、文档/表格/图表理解以及视觉定位等。与现有的开源密集和基于MoE的模型相比，DeepSeek-VL2在相似或更少的激活参数下实现了具有竞争力或领先的性能。
地址：https://github.com/deepseek-ai/DeepSeek-VL2
✨ 2: Leffa
Leffa是一种统一框架，可实现可控的人物图像生成，允许精准操控外观和姿态。
Leffa（Learning Flow Fields in Attention for Controllable Person Image Generation）是一种统一的可控人物图像生成框架。该框架能够精确操控人物的外观（如虚拟试穿）和姿势（如姿势转移）。相较于以往的方法，Leffa有效减少了细致纹理的失真，同时保持了高质量的图像生成。
虚拟试穿：用户可以通过上传参考图像，自定义人物的服装外观，实现在线虚拟试衣的功能。
姿势转移：可以将特定姿势从一个图像应用到另一个图像上，实现动态的姿势调整，适用于动画制作或社交媒体内容创作。
影视制作：在影视动画和游戏开发等领域，Leffa可以用于创造生动且高质量的人物图像，为角色设计提供更多自由度。
个性化应用：如个性化社交媒体头像、游戏角色设计，以及针对特定人群或需求的定制化视觉内容生成。
Leffa通过在注意力层中显式引导目标查询关注正确的参考键，显著提高了图像生成质量，同时减少了细节上的失真。其技术的通用性使得其他扩散模型也能够受益于Leffa的损失函数，从而在更多应用中展现出色的表现。
地址：https://github.com/franciszzj/Leffa
✨ 3: 小红书笔记生成器
小红书笔记生成器可将视频一键转化为优质笔记，自动优化内容与配图，方便内容创作者使用。
小红书笔记生成器（XHS Note Generator）是一款创新工具，可以帮助用户一键将视频内容转换为优质的小红书笔记。该工具不仅能够自动优化内容，还能为笔记配上高质量的图片，使得生成的笔记具备吸引力和可读性，适合在小红书平台发布。
通过一系列优化和自动化的流程，该生成器大幅提升了笔记创作的效率和质量，适合个人用户和团队共同使用。
地址：https://github.com/whotto/Video_note_generator
✨ 4: Gemini 英语口语助手
Gemini英语口语助手通过AI实时反馈帮助用户提高英语发音和语法纠正。
Gemini 英语口语助手是一款基于 Google Gemini AI 技术的英语口语练习工具，旨在帮助用户提高英语发音和口语表达能力。该助手通过实时识别用户的英语发音，提供即时反馈和纠正建议，助力用户在口语交流中更加自信。
通过这一助手，用户能获得实时的、有效的反馈，逐步提高自己的英语口语水平，达到更好的交流效果。
地址：https://github.com/nishuzumi/gemini-teacher
✨ 5: PDF Mind Map Maker
PDF Mind Map Maker是一款将PDF文档转换为互动思维导图的简单应用，内置AI分析功能。
PDF Mind Map Maker 是一款简单的网络应用程序，利用 Google’s Gemini Pro AI 将 PDF 文档转换为互动式思维导图。该工具采用 Next.js 和 React Flow 构建，提供用户友好的体验。
PDF Mind Map Maker 是一个集成了先进 AI 技术的实用工具，适合任何需要将复杂信息简化并可视化的用户。通过互动式的思维导图，用户能够更高效地理解和组织信息。
地址：https://github.com/floguo/mind-map
（文：每日AI新工具）