AI开源模型周报：SD3 Medium、浏览器实时语音转写与图像编码新突破

原创 于 2025-12-31 11:15:16 发布 · 28 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #AI模型 #开源工具 #机器学习 #程序那些事 #AIGC #语言模型

编者按

本周开源AI领域的重磅新闻是Stable Diffusion 3 Medium的发布。人们已经用它做出了很酷的东西，但公众的反响褒贬不一。就个人而言，我被 X Dot Com 封禁了。显然，将个人资料图片改为旧版某中心 Logo 并宣布“我们强势回归”是违规行为。

无论如何，以下是一些本周吸引我眼球的内容。我想，可以在Bluesky上找到我。

deepfates
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）

codeshare1135
关注
【第14章】探索新技术：如何自学SD3模型（找官方资料/精读/下载/安装/3款工作流/效果测试）ComfyUI基础入门教程
聚梦小课堂
06-26 705
本章以最新开源的SD3模型为例，介绍如何自行探索新技术，内容涵盖：如何找到官方资料？如何解读？如何正确的下载和安装SD3？官方工作流去哪里找？怎么用？最后，又利用5个案例，简单的测试了SD3的出图效果。经过这一章的学习，你将掌握一套通用的学习新技术的思路，确保以后在面对任何新技术时，都知道从何下手，冲在尝鲜第一线~
Stable Diffusion：为AI人工智能图像应用开辟新路径
AI 原生应用开发的博客
08-03 1028
Stable Diffusion（稳定扩散）是2022年由CompVis、Stability AI与LAION联合推出的潜在扩散模型（Latent Diffusion Model, LDM），彻底改变了生成式AI图像的技术格局。它通过潜在空间压缩解决了传统扩散模型计算量过大的痛点，同时保留了扩散模型在图像质量、可控性上的优势，推动了AI图像应用从实验室走向大众。本文从第一性原理出发，系统解析Stable Diffusion的理论框架、架构设计与实现机制，结合多层次教学元素。
Stability AI发布开源SD3 Medium：当今AI绘画模型巅峰之作
holdcloud的博客
06-13 447
就在6月13日，StabilityAI正式对外宣布StableDiffusion3Medium已经开源！StabilityAI在推特发文说，StableDiffusion3Medium标志着生成式人工智能发展的一个重要的里程碑，StableDiffusion3Medium模型的规格参数高达20亿！能给用户提供更逼真的图片感受。
图像生成新篇章：Stable Diffusion 3 Medium开源评析
孙佰贵的专栏
06-14 4342
在数字艺术与AI的交汇处，Stable Diffusion 3（SD3）Medium版本的开源标志着技术革新的新篇章。继3月份我在CSDN上发表的SD3技术博文后，这一新里程碑的实现，展示了AI在图像生成领域的显著进步。通过Hugging Face平台的开源，SD3 Medium不仅为艺术创作提供了新土壤，也推动了文生图社区的发展。尽管存在挑战，社区的协作和技术创新将不断解锁创造潜力，引领我们进入数字艺术的新纪元。
【AI大模型前沿】BAGEL：字节跳动开源、多模态大模型的创新突破与实践指南
寻道AI，探索AI无限可能！
07-03 1687
BAGEL是由字节跳动开源的多模态基础模型，拥有140亿参数，其中70亿为活跃参数。它采用混合变换器专家架构（MoT），通过两个独立编码器分别捕捉图像的像素级和语义级特征。BAGEL遵循“下一个标记组预测”范式进行训练，使用海量多模态标记数据进行预训练，涵盖语言、图像、视频和网络数据
[AI Stability] 开源AI新利器：Stable Diffusion 3 Medium震撼发布！文本到图像再升级！
Everly_的博客
06-13 940
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。​AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
【图像大模型】Stable Diffusion 3 Medium：多模态扩散模型的技术突破与实践指南
weixin_43988131的博客
05-20 1774
Stable Diffusion 3 Medium：多模态扩散模型的技术突破与实践指南
SD3开源：AI绘画的新纪元，出图效果巨好，不容错过！（附教程）
A1353192296的博客
06-15 1641
这两天，Stability AI 将史上最牛的AI绘画模型SD3开源了，真是有格局！虽说只是中杯的20亿参数版本，但我已经很满足了，再高的版本，我这普通的16G 4070Ti Super 显卡也跑不起来...话不多说，这就来看看SD3的效果如何？
字节开源BAGEL：70亿参数多模态大模型，图像生成+理解全新突破 v20250613 一键整合包
Riven_Huan的博客
06-20 1363
BAGEL是由字节跳动开发的开源多模态基础模型，采用140亿参数（7B活跃参数）的Mixture-of-Transformer-Experts架构，统一处理语言、图像、视频等多模态数据。其核心创新包括双编码器设计、NextGroupofToken预测范式，在理解、生成和编辑任务上超越Qwen2.5-VL等主流模型，图像生成质量媲美SD3。特别值得注意的是，BAGEL展现出独特的"世界建模"潜力，支持多视角合成、自由视觉操作等高级功能，且不同能力随训练阶段自然涌现。实验表明结合VAE和Vi
深度测评：SD3模型表现如何？实用教程助你玩转Stable Diffusion 3 ，最强SD3模型使用攻略，附ComfyUI实操SD3模型到底如何？StableDiffusion3全面评测！
热门推荐
猫头虎技术团队：授渔优于赠鱼，兴趣引领智慧，探索之乐尤显珍贵。商务合作+：Libin9iOak ，万粉变现+：优快云WF，猫头虎承诺每年免费为100名C站创作者做账号流量诊断服务！全网搜：猫头虎技术团队，点击文章底部名片或直接私信我一切皆可谈，快找虎哥！
06-28 1万+
SD第三代模型SD3基于SDXL进行训练，增强了TVE解码部分，改善了对提示的理解和元素融合能力。SD3采用了三种Clip编码，增加了文本编码器，训练数据量更大。介绍了Config UI的批处理操作，包括不同工作流的使用和动态提示词插件的安装。讨论了模型的获取和配置，以及如何通过LibLib网站下载和使用资源。进行了不同模型的生成效果比较，探讨了提示词的调整和优化，以及在线生成与本地生成的差异。
喜大普奔，AI绘画SD3终于开源了，AI绘画又添新利器！【附模型下载和安装包】
A13531922961的博客
06-14 1748
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。它需要的资源很少，但如果没有 T5XXL 文本编码器，模型的性能会有所不同。观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
SD3开源 | 一场技术与创意的盛宴，邀你共赴（附安装方法和下载链接）
qq_45500095的博客
06-16 2124
SD3开源 | 一场技术与创意的盛宴，邀你共赴（附安装方法和下载链接）
Math - 中心化，标准化和归一化
最新发布
guoqx的专栏
12-30 332
摘要：归一化是将数据转换为统一尺度的处理方法，消除量纲差异，便于比较与分析。常见方法包括Min-Max缩放（线性映射到固定区间）和Z-score标准化（均值0，标准差1）。Min-Max适用于需要固定范围的情况，但对异常值敏感；Z-score适用于单位不同或存在离群值的场景。归一化在数据分析、信号处理和机器学习中广泛应用，需根据数据分布和算法需求选择合适方法，并注意保存参数以确保一致性。流程包括数据清洗、方法选择、拟合转换和效果评估。
【AI学习-comfyUI学习-第二十三-法线贴图工作流-depth 结构+MiDaS 法线-各个部分学习】
qq_22146161的博客
12-25 1837
最近，学习comfyUI，这也是AI的一部分，想将相关学习到的东西尽可能记录下来。不断学习摸索中。
做了一块可以调用百度云语音识别api和tts api的esp32 s3开发板，支持跑ai小智机器人的源码，基于idf5.5.1库编译，分享下
net3m33的专栏
12-25 1075
做了一块可以调用百度云语音识别api和语音合成tts接口的esp32 s3开发板，支持跑ai小智机器人的源码，基于idf5.5.1库编译，分享
6神经网络框架
2301_81531626的博客
12-27 1441
本文系统介绍了神经网络的基本框架和发展过程。首先指出线性模型的局限性，说明其无法拟合复杂非线性关系。接着引入分段线性曲线和Sigmoid函数，通过参数调节实现曲线拟合。随后详细阐述了神经网络的构建过程：从单输入扩展到多特征输入，引入矩阵运算简化表达式，并说明激活函数的作用。最后介绍深度学习中ReLU激活函数的优势，其简单计算特性可有效组合成复杂曲线。全文通过数学公式和图示相结合，清晰展现了神经网络从线性模型到深度学习框架的演进逻辑。
Q-learning 算法 —— 无模型（model-free）强化学习
一杯水果茶！足矣~
12-25 1718
从已知模型到 Model-free 的强化学习转变：Q-Learning 算法，通过详细示例来讲解，理解 Q-table 的更新和贪婪策略
【AI学习-comfyUI学习-第二十五节-Shuffle洗牌模式布局+contronet其他应用结合-各个部分学习】
qq_22146161的博客
12-27 1192
最近，学习comfyUI，这也是AI的一部分，想将相关学习到的东西尽可能记录下来。不断学习摸索中。
2025国自然资助率12.29%创新低！2026年如何用数据与AI“破局”？
imbackneverdie的博客
12-25 1361
这绝非简单的文字堆砌，它内在嵌入了对国自然申报规范的理解，能有效帮你规避常见的“方向偏离”“逻辑混乱”“格式错误”等基础问题，将你从繁琐的框架搭建中解放出来，专注于核心内容的精雕细琢。国自然2025年的资助率降至历史新低的12.29%，数万科研人员面对着更激烈的竞争与更严格的评审标准，对于2026年度的申报者而言，“高效准备，少走弯路”已不是口号，而是生存法则。它不仅告诉你“是什么”，更分析“为什么”和“怎么办”，直接为你的选题方向和立项论证提供坚实的数据支撑。模块，堪称科研人员的“选题外脑”。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值