Gradio
PulseAugur coverage of Gradio — every cluster mentioning Gradio across labs, papers, and developer communities, ranked by signal.
- 2026-07-16 product_launch Hugging Face announced Gradio Server, enabling custom front-ends with Gradio's backend. 来源
3 天有情绪数据
-
新的 HDR-GS 框架提供 1000 倍速的新视角合成
研究人员开发了 HDR-GS,一个用于高动态范围新视角合成的新颖框架,该框架显著优于现有的基于 NeRF 的方法。HDR-GS 利用双动态范围 (DDR) 高斯点云模型和并行可微分光栅化 (PDR) 来高效渲染 HDR 和 LDR 图像。这种新方法在 LDR 和 HDR 新视角合成方面均取得了卓越的成果,同时大大缩短了训练时间并提高了推理速度。
-
新的SAX-NeRF框架增强了3D X射线重建
研究人员开发了SAX-NeRF,一种使用稀疏视图X射线数据进行3D重建的新型框架。该方法采用基于线段的Transformer(Lineformer)来通过模拟X射线线内的依赖关系来更好地捕捉物体内部结构。此外,还采用了一种掩码局部-全局(MLG)射线采样策略来从2D投影中提取上下文和几何信息。该框架还引入了一个新数据集X3D,并在新视图合成和CT重建方面展示了优于现有NeRF方法的性能。
-
Retinexformer利用新颖的照明引导Transformer增强低光图像
研究人员开发了Retinexformer,一种新颖的用于低光图像增强的一阶段框架。该方法利用基于Retinex的方法结合照明引导Transformer (IGT) 来有效建模长距离依赖关系,并解决先前多阶段、基于卷积神经网络的算法的局限性。该框架首先估计照明以增强图像,然后恢复损坏,在十三个基准测试中表现优于现有方法,并在低光目标检测等应用中显示出实际价值。
-
新型Transformer和二值化网络推动高光谱图像重建技术发展
研究人员开发了几种新颖的深度学习架构用于高光谱图像重建,旨在提高效率和性能。这些方法,包括稀疏Transformer和二值化网络,解决了传统CNN在捕捉长距离依赖和光谱相似性方面的局限性。几种方法利用具有特殊注意力机制的Transformer架构来更好地建模光谱相关性和空间稀疏性,在准确性和计算成本方面通常优于现有的最先进方法。一些方法还通过二值化等技术专注于资源受限的部署。
-
开源AI工具聚焦基础设施、代理和集成
AI应用的开源格局正从开发新模型转向构建周边基础设施和工具。Oumi等项目提供了一个全面的工具链,用于数据准备、微调和部署各种LLM,包括对代理和工具调用的支持。其他创新则侧重于简化复杂流程,例如可以简化为简单图表的代理框架,以及像VideoLingo这样通过链接多种AI能力来自动化视频配音的工具。此外,LangBot和HuixiangDou等平台正在涌现,将LLM集成到现有的通信渠道中,解决了在群聊中管理机器人响应等挑战。
-
Modal 为有状态的无服务器应用程序推出粘性会话
Modal 推出了一项名为“粘性会话”的新功能,旨在增强其对有状态应用程序的无服务器计算能力。此功能可确保单个用户会话中的所有请求都路由到同一容器,这是语音转文本模型、对话代理和多人游戏等应用程序的关键要求。粘性会话建立在 Modal 现有的低延迟 Modal Servers 基础设施之上,该基础设施包括一个内部无状态代理,用于高效路由和负载均衡。新功能解决了固定路由、会话生命周期管理和基于会话的自动扩展的需求,超越了之前仅提供尽力亲…
-
UniForge3D 的 Windows 版本优化了 8GB 显存使用
一位开发者创建了一个兼容 Windows 的 UniForge3D 版本,UniForge3D 是一个用于从多个图像生成 3D 资产的工具。这个优化版本专为显存低至 8GB 的系统设计,解决了原始版本的高内存需求和复杂的设置问题。该版本包含预编译的组件,减少了手动编译的需要,并提供了一个简化的 Gradio WebUI 以方便使用,支持直接导出 PBR 纹理,以及一个更强大的模型下载器。
-
提升 AI 工程师生产力的十大 GitHub 仓库
本文重点介绍了十个旨在提高 AI 工程师生产力的 GitHub 仓库。文章着重于能够简化常见任务的工具,例如模型集成、数据处理和应用程序开发。所列仓库涵盖了从大型语言模型框架到数据处理库和用户界面开发工具的各种功能。
-
OpenMOSS发布MOSS-Image文本到图像模型
OpenMOSS发布了两款文本到图像模型:MOSS-Image-Base和MOSS-Image-SFT,均源自MOSS-Image系列。这些模型旨在支持自然语言提示、标签序列和JSON布局,以精确控制文本放置和对象排列。MOSS-Image-SFT是MOSS-Image-Base的微调版本,提供了改进的文本分组和布局组织。两款模型均兼容Diffusers等库,并可与ComfyUI和Gradio等工具集成。
-
开发者创建开源工具用于日语声调检测和TTS
一位开发者创建了一个开源工具,可以准确检测和复现日语声调,这是当前文本转语音(TTS)系统中常常被忽视的一个功能。该工具使用F0跟踪和音拍对齐来分析声调轮廓,揭示了词典声调与实际语音模式之间的差异。它还包含了一个可控的TTS语音,可以被引导以遵循特定的声调,这表明在准确渲染日语语音方面有了显著的改进。
-
Hugging Face 使用 Gradio Workflow 重建 AUTOMATIC1111
Hugging Face 开发了一款名为 Workflow1111 的新工具,该工具利用 Gradio 的工作流功能重建了 AUTOMATIC1111 Stable Diffusion Web UI 的功能。这个新工作流由十一个媒体管道和七十三(73)个节点组成,集成了各种最先进的模型,用于文本到图像生成、放大、图像编辑和对象检测等任务。用户可以通过登录其 Hugging Face 账户来访问和修改这些管道,从而利用他们自己的推理配额。
-
Meta 发布开源 Muse Glimmer;AI 工作流和蒸馏新方法涌现
Meta 发布了 Muse Glimmer,一个专为本地使用和代理应用程序设计的开源多模态模型。此外,Multiverse Computing 开发了一种使知识蒸馏对于大规模运营更经济的方法。另外,Gradio 发布了关于构建 AI 工作流的指南,涵盖了连接、执行和部署。
-
Hugging Face生态系统在mRNA模型、Gradio和safetensors方面取得进展 · 跟踪3个来源
Hugging Face 参与了多项与人工智能相关的开发。该公司在一篇关于使用165美元训练25种物种的mRNA语言模型的帖子中被重点介绍。此外,用于构建机器学习模型界面的工具Gradio正在自定义前端的背景下进行讨论。最后,safetensors格式已加入PyTorch基金会,表明更广泛的行业采用和合作。
-
本地AI工具使用户面临网络和凭证安全风险
在Mac等设备上本地运行大型语言模型(LLM)和图像生成工具虽然能带来隐私优势,但也会引入重大的安全风险。一个常见的疏忽是将这些本地服务器绑定到所有网络接口(0.0.0.0),在没有身份验证的情况下,这使得同一网络上的任何人都可以访问和利用该系统。这可能导致GPU被劫持、未经授权的模型下载或删除,以及对私人提示的窥探。此外,意外将敏感API密钥粘贴到公共应用程序或聊天中,也存在凭证泄露的风险。
-
越南语AI文本检测器推出,具备零样本能力
研究人员开发了VietAIDetector,一个用于识别越南语中人工智能生成文本的开源工具。该工具采用零样本学习方法,意味着它无需针对越南语的特定训练数据即可检测AI文本。它基于一个越南语特定语言模型构建,并提供了一个Gradio网页界面供用户交互,能够处理各种输入格式和超出标准上下文长度的文本。评估显示,在越南语数据集上,VietAIDetector的性能优于现有的以英语为中心的模型。用户可以根据F1分数等性能指标调整检测阈值。
-
使用Python和AssemblyAI构建AI语音翻译器
AssemblyAI发布了一份指南,详细介绍了如何使用Python构建AI语音翻译器。该应用程序将三个核心AI任务串联起来:通过AssemblyAI进行语音到文本转录、翻译成多种语言,以及使用ElevenLabs进行文本到语音合成以克隆用户的声音。该项目被呈现为一个相对简单的编码练习,大约100行Python代码和Gradio界面即可完成。
-
Hugging Face 发布关于电子商务 AI 代理和 Gradio 工作流的指南
Hugging Face 发布了两份指南,详细介绍了用于 AI 开发的新工具和环境。第一份指南介绍了 Ecom-RLVE,这是一个专为电子商务对话代理设计的自适应且可验证的环境。第二份指南侧重于 Gradio,提供了用于接线、运行和部署 AI 应用程序的工作流。
-
ArguLens系统提供带反馈的开源自动论文评分
研究人员开发了ArguLens,一个用于自动论文评分(AES)和生成反馈的开源系统。与只提供整体分数的传统AES系统不同,ArguLens将评分过程分解为三个独立的、可本地部署的组件:一个话语模式分类器、一个基于特征的评分器和一个反馈生成器。这种模块化方法旨在为分数提供更具可解释性的证据,并解决与闭源API相关的数据隐私问题。该系统使用Qwen2.5-7B-Instruct和Qwen2.5-14BInstruct等模型构建,在其分类和…
-
Hugging Face博客强调mRNA模型、Gradio和safetensors加入PyTorch基金会 · 跟踪3个来源
Hugging Face 参与了多项与AI相关的开发。该公司博客宣布,现在仅需165美元即可跨25种物种训练mRNA语言模型。此外,Gradio 在 Hugging Face 后端的支持下,允许创建自定义前端。在模型共享方面的一项重大举措是,safetensors 已加入 PyTorch 基金会。
-
Llama 3.x 聊天机器人会“伪造”工具调用,暴露原始语法
一位开发者遇到一个问题,他们使用 Groq API 上的 Llama 3.x 构建的 AI 聊天机器人开始直接在聊天回复中输出原始工具调用语法,而不是执行工具。当模型被提示使用 `record_user_details` 工具时观察到这种行为,导致工具未被触发,用户的详细信息以明文形式暴露。开发者认为这是 Llama 3.x 模型的一个已知怪癖,有时模型会默认使用基于文本的调用语法,而不是结构化 API 格式,尤其是在指令模糊的情况下…