每天仅需 1 分钟，全面获取 AI 技术发展、行业动态和市场趋势。

内容涵盖但不限于前沿 AI 资讯、AI 工具、AI 绘画、开源项目和学习教程等等。

关注 AI 日报，紧跟 AI 潮流，希望对你有所帮助。对于重要信息，会独立发帖进行详细介绍。

以下是 7 月 8 日的最新 AI 信息。

前沿技术

1、发现一个新的实时物体检测器 RT-DETR。

它是第一个实时端到端目标检测器，在速度和精度方面都优于相同规模的 YOLO 检测器。

GitHub：https://github.com/lyuwenyu/RT-DETR

在线体验：https://huggingface.co/spaces/merve/RT-DETR-tracking-coco

2、VAST 开源了一个 3D 角色生成模型 CharacterGen。

可将单张图像转换为高质量、外观一致的 3D 角色。非常适合游戏和动画的工作流程。

详细介绍：https://charactergen.github.io/

GitHub：https://github.com/zjp-shadow/CharacterGen

AI 绘画

1、可用于图像生成和编辑的 ControlNet Plus 模型。

基于原始 ControlNet 架构扩展开发，能够在条件文本生成图像中支持 10 多种控制类型，并且能够生成视觉效果媲美 Midjourney 的高分辨率图像。

模型下载：https://huggingface.co/xinsir/controlnet-union-sdxl-1.0

开源项目

1、斯坦福开源的 Prompt 编程框架 DSPy，目前已获得 14.1k Star。

具有如下特性：

• 模块化编程：提供标准模块帮助你写 Prompt。
• 自动编译器：自动为特定 LLM 微调 Prompt 与参数。
• 类似 HippoRAG 支持解决复杂多跳检索。
• 支持强大的主流大模型，如 GPT-4o、Claude 3、Gemin Pro、Llama 等。

GitHub：https://github.com/stanfordnlp/dspy

提供了详细的入门教程，官方用的是 Python 语言，还有一个非官方 Typescript 版本，可以看下。

GitHub：https://github.com/ax-llm/ax

2、用 160 行代码实现 GPT-4o 发布会的实时音视频通话能力。

使用 OpenCV 搞定视频画面捕获，再使用 GPT-4o 来进行文本处理和多模态，而音频则是基于 Whisper 和 TTS 处理。

目前代码已经开源到 GitHub，并且作者还录制了一条教程视频，感兴趣的可以看看。

GitHub：https://github.com/svpino/alloy-voice-assistant