AI图像视频 分类

10-27

AI图像视频

若琳部署

Depth-Anything-3：任意视角恢复视觉空间的单目深度估计 SOTA｜部署与使用最全指南

Depth-Anything-3：超详细部署与使用教程 Depth Anything 3（DA3）是字节跳动 Seed 团队开源的单目/多目深度估计基础模型：从任意视觉输入（单张或多张图像，无论是否已知相机位姿）预测空间一致的几何结构。它用一个朴素的 plain Transformer（如 DINO

0

0

0

10-27

AI图像视频

若琳部署

Midscene.js：自然语言驱动的视觉 GUI Agent 与 E2E 测试框架｜部署与使用最全指南

Midscene.js：超详细部署与使用教程 Midscene.js 是字节跳动 Web Infra 团队开源的视觉驱动 GUI Agent 与端到端（E2E）测试框架：用自然语言描述「要做什么、期望看到什么」，由多模态视觉模型看屏幕、点按钮、做断言，把 UI 自动化从「维护一堆选择器」变成「写测试

0

0

0

10-27

AI图像视频

若琳部署

Hyper-SD：1步生成SOTA图的扩散模型加速神器｜部署与使用最全指南

Hyper-SD：超详细部署与使用教程 Hyper-SD 是字节跳动开源的扩散模型加速技术（State-of-the-Art diffusion acceleration），把 FLUX.1-dev、SD3-Medium、SDXL Base 1.0、Stable-Diffusion v1.5 等主流

0

0

0

10-27

AI图像视频

若琳部署

Stable-DiffCoder：扩散式代码大模型｜部署与使用最全指南

Stable-DiffCoder：超详细部署与使用教程 Stable-DiffCoder 是字节跳动 Seed 团队开源的扩散式代码大模型（Code Diffusion LLM / Mask Diffusion LLM），基于 Seed-Coder 的架构、数据与训练管线，新增了一个「块扩散持续预训

0

0

0

10-27

AI图像视频

若琳部署

TraceAnything：任意视频 4D 轨迹场表示｜部署与使用最全指南

TraceAnything：超详细部署与使用教程 TraceAnything（Trace Anything）是字节跳动 Seed 团队联合港科大、浙大、达特茅斯学院推出的 4D 视频表示模型（arXiv:2510.13802，ICLR 2026）：它提出「轨迹场（trajectory field）」

0

0

0

10-27

AI图像视频

若琳部署

Seed Diffusion Preview：2146 tokens/s 扩散语言模型｜部署与使用最全指南

Seed Diffusion Preview：超详细部署与使用教程 Seed Diffusion Preview 是字节跳动 Seed 团队于 2025 年 7 月 31 日发布的实验性扩散语言模型：以结构化的代码生成为实验领域，系统性验证「离散扩散」作为下一代语言模型基础框架的可行性。官方公布其代

0

0

0

10-27

AI图像视频

若琳部署

SeedEdit 3.0：基于 Seedream 3.0 的图像编辑模型｜部署与使用最全指南

SeedEdit 3.0：超详细部署与使用教程 SeedEdit 3.0 是字节跳动 Seed 团队于 2025 年 6 月 6 日正式发布的指令式图像编辑模型，基于文生图模型 Seedream 3.0 叠加多样化数据融合策略与多种专用奖励模型训练而成。它在「哪里改、哪里不改」的图像编辑取舍上显著优

0

0

0

10-27

AI图像视频

若琳部署

Ultralytics YOLO11：YOLO 系列视觉 AI 工具包｜部署与使用全指南

Ultralytics YOLO11：YOLO 系列视觉 AI 工具包｜部署与使用全指南 适用版本说明：本文基于 ultralytics 官方仓库（ultralytics/ultralytics）PyPI 最新稳定版本撰写（撰写时仓库主线已迭代至 YOLO26/预告 YOLO27，但 YOLO11

0

0

0

10-27

AI图像视频

若琳部署

Upscayl：免费开源跨平台 AI 图像超分工具，离线放大老照片与低清图｜部署与使用全指南

Upscayl：免费开源跨平台 AI 图像超分工具，离线放大老照片与低清图｜部署与使用全指南 本文基于 Upscayl v2.15.0（2024-12-25 发布）撰写。Upscayl 目前 GitHub star 数约 5.1 万，由 Nayam Am

1

0

0

10-26

AI图像视频

若琳部署

VideoLingo：AI 视频字幕翻译与多语言配音本地化流水线｜部署与使用全指南

VideoLingo 是 Streamlit 界面驱动的影视级视频本地化流水线，串联 Qwen3-ASR 词级转写与对齐、NLP/AI 分句、术语表、多步翻译、字幕时长校准与多 TTS 配音合成，产出双语字幕与配音视频。本文整理 Windows 一键脚本、源码 uv 启动、Linux NVIDIA Docker、config.yaml 配置、HTTP API、硬件要求与常见报错排查。

7

0

0