扩散模型×音乐生成，DiffRhythm 分分钟完成歌曲创作！低门槛部署大语言模型，MiniMind 数据集重磅开源

音乐生成领域近年来取得了显著进展，但现有模型在实际应用中仍存在诸多限制。大多模型只能独立生成声乐或伴奏轨道，导致音乐体验不够连贯。为了应对这些挑战，西北工业大学音频语音与语言处理实验室和香港中文大学联合开发了一款名为 DiffRhythm 的模型。

作为首个基于扩散技术的开源完整歌曲生成模型，DiffRhythm 不仅保持了高水平的音乐生成和可理解性，还通过简洁有效的模型架构和数据处理流程，确保了其可扩展性。在用户体验方面，其非自回归结构确保了快速的生成速度，仅用 1 分钟即可生成完整音乐。

目前，HyperAI超神经已上线了「谛韵 DiffRhythm：1 分钟即可生成完整音乐 Demo」教程，快来试试吧~

在线使用：https://go.hyper.ai/sHdPu

3 月 17 日-3 月 21 日，hyper.ai 官网更新速览：

* 优质公共数据集：10 个

* 优质教程精选：2 个

* 社区文章精选：6 篇

* 热门百科词条：5 条

* 3 月截稿顶会：1 个

访问官网：hyper.ai

1. KodCode-V1 编码合成数据集

该数据集是当前最大的全合成开源数据集，为编码任务提供可验证的解决方案和测试，包含 12 个不同的子集，涵盖各个领域（从算法到特定于软件包的知识）和难度级别（从基本的编码练习到面试和竞争性编程挑战），专为监督微调 (SFT) 和 RL 调优而设计。

直接使用：https://go.hyper.ai/CfZCm

KodCode -V1 生成流程

2. Road Hazards 道路危险数据集

该数据集包含 2.7k 张图像，主要用于检测道路上的坑洼、裂缝和敞开的沙井。

直接使用：https://go.hyper.ai/XPJNQ

数据集示例

3. DexGraspVLA 机器人抓握数据集

这是一个包含 51 个人类演示数据样本的小型数据集，用于了解数据和格式，以及运行代码体验训练过程。其研究背景源于灵巧抓取在杂乱场景下的高成功率需求，特别是在未见过的物体、光照及背景组合下实现超过 90% 的成功率。

直接使用：https://go.hyper.ai/pJ44Y

数据集结构

4. IllusionAnimals 视觉错觉 VQA 数据集

IllusionAnimals 数据集是一个包含 2k 个样本的 FiftyOne 数据集，数据集中包含 10 个动物类别和一个无错觉类别，图像分辨率为 512×512 像素，用于评估多模态模型在识别和解释基于动物的视觉错觉方面的能力。

直接使用：https://go.hyper.ai/Ebl40

数据集示例

5. m-WildVision 多语言多模态大模型评估数据集

该数据集包含 23 种语言，每种语言均有 500 个具有挑战性的用户查询实例，这些实例源自 WildVision-Arena 平台。数据集的结构包括问题 ID、语言类型、指令文本以及图像数据，旨在评估模型在不同语言下的一般化和鲁棒性。

直接使用：https://go.hyper.ai/Im6mN

数据集示例

6. MiniMind 大模型训练微调数据集

MiniMind 是一个开源的轻量级大语言模型项目，旨在降低大语言模型 (LLM) 的使用门槛，使个人用户能够在普通设备上快速训练和推理。

直接使用：https://go.hyper.ai/gCz2y

7. Seaclear 海洋垃圾检测与分割数据集

数据集包含 8,610 张海洋垃圾图像，这些图像针对对象检测和实例分割任务进行了注释，包含 40 个对象类别，不仅包括垃圾，还包括观察到的动物、植物和机器人部件。注释以 COCO 格式 (.json) 文件的形式提供，图像排列在文件夹中，每个文件夹专用于一个唯一的站点-摄像机对。所有图像均为 1920×1080 分辨率。

直接使用：https://go.hyper.ai/JFofd

8. Text and Audio Captchas 文本音频验证码数据集

该数据集包含 100k 个 CAPTCHA 样本，每个 CAPTCHA 都使用其相应的字母数字字符串进行标记，这使其非常适合训练 OCR 模型、语音识别和基于 AI 的 CAPTCHA 求解器。

直接使用：https://go.hyper.ai/vFmTJ

9. Garbage Classification Dataset 垃圾分类注释数据集

该数据集包含用于对不同类型的垃圾进行分类和检测的图像和 YOLO 格式的注释，类别分别为：塑料、纸张和纸板、玻璃/金属、有机、废物、纺织品和电子产品（电子垃圾）。

直接使用：https://go.hyper.ai/NwEF7

10. Mars surface image（Curiosity rover）火星表面图像数据集

该数据集由火星科学实验室 (MSL, Mars Science Laboratory) 的 3 个仪器（右眼 Mastcam 、左眼 Mastcam 和 MAHLI）收集的 6,691 张图像组成，涵盖了 24 个类别。这些图像是每个原始数据产品的「浏览」版本，并非全分辨率，每张图像大约为 256×256 像素。

直接使用：https://go.hyper.ai/B1T0l

1. 使用 vLLM 部署 Gemma-3-27B-IT

Gemma 系列是 Google 开源的系列大模型，基于与 Gemini 模型相同的研究和技术构建。Gemma 3 是一款多模态大模型，能够处理文本和图像输入并生成文本输出，模型适用于各种文本生成和图像理解任务，包括问答、摘要和推理。其相对较小的尺寸使得它们能够在资源有限的环境中部署，例如笔记本电脑、台式机或云基础设施。

该项目相关模型和依赖已经部署完毕，启动容器后点击 API 地址即可进入 Web 界面。

在线运行：https://go.hyper.ai/JxVbA

Demo 示例

2. 谛韵 DiffRhythm：1 分钟即可生成完整音乐 Demo

DiffRhythm 是第一个能够创作完整歌曲的基于扩散的歌曲生成模型。它能够在短时间内生成长达 4 分 45 秒的完整歌曲，包含人声和伴奏。用户只需提供歌词和风格提示，DiffRhythm 就能自动生成与歌词匹配的旋律和伴奏，支持多语言输入。

该项目相关模型和依赖已经部署完毕，启动容器后点击 API 地址即可进入 Web 界面。

在线运行：https://go.hyper.ai/sHdPu

Demo 示例

💡我们还建立了 Stable Diffusion 教程交流群，欢迎小伙伴们扫码备注【SD教程】，入群探讨各类技术问题、分享应用效果~

1. 计算效率提升 3000 倍！崂山实验室等提出海洋环境智能预报大模型「问海」，性能优于数值海洋预报

吴立新院士团队通过物理海洋学与 AI 的深度融合，以海洋动力学理论驱动神经网络架构，构建全球高分辨率海洋环境智能预报大模型「问海」，更好地反应真实海洋的状态，极大地节约了计算时间和能源消耗。本文是该研究的详细解读与分享。

查看完整报道：https://go.hyper.ai/s7YMj

2. 入选 ICLR 2025！剑桥大学提出 Celcomen 模型，首次在空间转录组学分析中实现因果推断可识别性

来自剑桥大学的研究团队提出了一个名为 Celcomen 的虚拟组织模型，不仅能估计环境对单个细胞的影响，还能推测单个细胞对其周围环境及整体组织的影响，研究人员通过自一致性合成数据和真实世界数据实验验证了 Celcomen 模型在因果结构学习和解开因果关系方面的可识别性以及在真实和自模拟的空间转录组学数据中解开并恢复基因-基因相互作用的能力。相关成果已入选 ICLR 2025。本文是该研究的详细解读和分享。

查看完整报道：https://go.hyper.ai/ylKOr

3. 华科大/上海 AI Lab/上海交大科研先锋深度分享：最新成果，顶会投稿经验，跨学科合作挑战……

在第七期 Meet AI4S 直播中，HyperAI超神经邀请到了来自华科大的黄宏副教授，来自上海AI Lab的周东展博士以及来自上海交大科研院的周冰心博士，与 3 位学者共同探讨 AI 在社会科学、物理化学、生命科学等领域的前沿发展，并分享了她们在选择科研方向上的见解，以及对 AI 顶会的投稿经验。本文是对3位老师本次分享的汇总。

查看完整报道：https://go.hyper.ai/klU6m

4. GTC 2025丨不止芯片，黄仁勋半小时内狂轰多项Physical AI新成果，全部开源

英伟达 CEO 黄仁勋在全球 AI 领域年度盛会——GTC 2025 大会上聚焦 AI 前沿领域最新发展发表主题演讲。不仅展示了 Blackwell 全新一代核弹级 AI 芯片，而且推出了Physical AI 数据集、GR00T N1 模型、Newton 物理引擎以及 Cosmos 世界模型在内的一系列新成果。本文是对黄仁勋此次演讲内容及新成果的汇总。

查看完整报道：https://go.hyper.ai/Q6wdO

5. 模型参数超 RFdiffusion 5 倍！英伟达等发布 Proteina，从头设计蛋白质主链性能达 SOTA

英伟达联合麻省理工学院等，开发出了一种新型的大规模流式蛋白质主链生成器 Proteina。Proteina 的参数量是 RFdiffusion 模型的 5 倍，并将训练数据扩展到 2,100 万个合成蛋白质结构，在从头设计蛋白质主链方面的性能达到了 SOTA 级别，并以前所未有的长度——高达 800 个残基，生成了多样化且可设计的蛋白质，成果已入选 ICLR 2025 Oral。本文是该研究的详细解读和分享。

查看完整报道：https://go.hyper.ai/w7jlU

6. 医生培训迎来 DeepSeek 外挂！上体/上交/清华合作研究证实大模型可成为基层医生培训 「黄金搭档」

上海交大联合多所顶尖机构，构建权威评估体系，对 ChatGPT、DeepSeek 等国内外 10 个主流 LLM 进行系统测试，首次提供 AI 辅助基层医生培训的真实世界证据，为 AI 赋能基层医疗提供关键支撑。本文是该研究的详细解读与分享。

查看完整报道：https://go.hyper.ai/DH8hf

1. DALL-E

2. 倒数排序融合 RRF

3. 帕累托前沿 Pareto Front

4. 大规模多任务语言理解 MMLU

5. 对比学习 Contrastive Learning

这里汇编了数百条 AI 相关词条，让你在这里读懂「人工智能」：

https://go.hyper.ai/wiki

一站式追踪人工智能学术顶会：https://go.hyper.ai/event

以上就是本周编辑精选的全部内容，如果你有想要收录 hyper.ai 官方网站的资源，也欢迎留言或投稿告诉我们哦！

下周再见！