17.1K Star！高效的OCR处理工具！让扫描PDF文件变得可搜索、可复制！
OCRmyPDF 是一款命令行工具，用于将扫描的 PDF 文件转换为可搜索、可复制的文档。它支持超过 100 种语言，并利用 Tesseract OCR 引擎实现高效的文字识别。
开源
太惊艳！字节跳动 INFP，让虚拟对话 “活” 起来啦
INFP是字节跳动研发的一种全新的音频驱动交互式头部生成框架，它能根据双轨对话音频实时生成动态虚拟人物头像，支持多语言、唱歌模式和多种场景。研究显示其在音频-唇同步性、身份保留和动作多样性等方面表现优异。
酷！字节、USC、斯坦福等开源的一个动态人体图像动画模型：X-Dyna
X-Dyna 是一个基于扩散模型的动态人体图像动画工具，能利用单张人像图片和驱动视频生成逼真的人物形象动画及表情、动作迁移等应用。
李飞飞S1成本仅50美元性能媲美Deepseek-R1，Logic RL成功重现了 DeepSeek R1 Zero 模型
本文介绍了5个AI和机器学习相关项目及工具：s1用于测试时间缩放提高推理效率；R1-V通过强化学习提升视觉语言模型泛化能力与训练效率；deepseek.cpp是一个基于C++的CPU-only推理实现，旨在为DeepSeek大语言模型提供支持；Logic RL成功复现了DeepSeek R1 Zero逻辑难题数据集上的问题解决能力；OpenHealth则是一款本地运行的AI健康助手。
DeepSeek-R1：通过强化学习提高大语言模型的推理能力
论文介绍了DeepSeek-R1-Zero和DeepSeek-R1两种推理模型，前者通过大规模强化学习训练，在没有监督微调下展现卓越推理能力，后者结合多阶段训练和冷启动数据优化其性能。
一个文生图角色一致性工具！让AI绘画角色始终如一，轻松生成长篇故事插图！
一款名为1Prompt1Story的开源项目解决了角色一致性问题，适用于文生图模型生成角色一致性的场景。它能自动生成长提示词，并利用先进技术确保角色在多个图像中的统一性，支持漫画、小说插图和游戏角色设计等多领域。
Logic-RL：成功复现DeepSeek R1 Zero的逻辑推理强化学习项目
Logic-RL成功复现DeepSeek R1 Zero项目，支持多语言逻辑推理，准确率高达100%，平均模型输出长度降低30%。