今日 AI 简报｜百度推出检索增强的文生图技术、开源表格处理大模型、蛋白质结构预测、3D 生成、短视频生成、PDF 翻译工具

❤️ 如果你也关注大模型与 AI 的发展现状，且对大模型应用开发非常感兴趣，我会快速跟你分享最新的感兴趣的 AI 应用和热点信息，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

TableGPT2：浙大推出的多模态表格处理大模型

TableGPT2 是浙江大学推出的新型大型多模态模型，针对表格数据的整合与处理。它首次将结构化数据作为独立模态进行训练，直接理解并操作数据库和 Excel 等数据，执行 SQL 查询、数据分析等任务。模型包含创新的表格编码器，强化对不规则表格和模糊查询的处理能力，在多个基准测试中性能显著提升。

资源

HuggingFace 模型库：huggingface.co/tablegpt/Ta...
arXiv 技术论文：arxiv.org/pdf/2411.02...

AlphaFold 3：谷歌 DeepMind 开源的结构预测统一框架

AlphaFold 3 是谷歌 DeepMind 团队推出的 AI 模型，能预测蛋白质、核酸（DNA 和 RNA）、小分子、离子及修饰残基等生物分子的三维结构。模型在结构预测的准确性上取得革命性进展，对药物设计、科研和生物医学领域具有重大影响。

资源

GitHub 仓库：github.com/google-deep...
技术论文：www.nature.com/articles/s4...

GenXD：新加坡国立和微软共同推出的通用 3D 和 4D 联合生成框架

GenXD 是新加坡国立大学和微软公司共同推出的 3D-4D 联合生成框架，能从任意数量的条件图像中生成高质量的 3D 和 4D 场景。框架用一个数据整理流程从视频中提取相机姿态和物体运动强度，基于这些信息及大规模 4D 数据集 CamVid-30K 训练模型。GenXD 基于多视角时序模块解耦相机和物体的运动，用掩码潜在条件支持多种视角的条件生成，实现在单一模型中处理多种 3D 和 4D 生成任务。

资源

项目官网：gen-x-d.github.io
GitHub 仓库：github.com/HeliosZhao/...
arXiv 技术论文：arxiv.org/pdf/2411.02...

MoneyPrinterTurbo：开源的 AI 短视频生成工具

MoneyPrinterTurbo 是开源的 AI 短视频生成工具，能自动化地根据用户提供的视频主题或关键词生成视频文案、素材、字幕和背景音乐，合成高清短视频。工具支持 API 和 Web 界面操作，具备自定义文案、多种视频尺寸、批量视频生成、多语言支持、多种语音合成技术、字幕定制和背景音乐选择等功能。MoneyPrinterTurbo 兼容多种 AI 模型，确保视频素材高清无版权问题，适合内容创作者和营销人员使用。

资源

GitHub 仓库：github.com/harry0703/M...

PDFMathTranslate：开源的 PDF 文档翻译和双语对照工具

PDFMathTranslate 是开源的 PDF 文档翻译工具，设计用于翻译科技论文等 PDF 文件，能保留原文的排版，包括公式和图表。PDFMathTranslate 支持双语对照，保持原有目录结构，兼容多种翻译服务，如 Google、DeepL、Ollama 和 OpenAI 等。用户基于命令行工具操作，实现文档的快速翻译和双语对照查看。

资源

GitHub 仓库：github.com/Byaidu/PDFM...

文心 iRAG：百度推出的检索增强的文生图技术

文心 iRAG 是百度推出的检索增强的文生图技术（iRAG），结合了百度搜索的亿级图片资源和强大的基础模型能力，解决大模型在文生图方面的幻觉问题，提升 AI 生成图片的真实性和可靠性。基于 iRAG 技术，AI 能生成逼真、无误的图片，显著提高 AI 在图像生成领域的实用性和准确性。

资源

项目官网：wenxin.baidu.com

🥦 微信公众号｜搜一搜：蚝油菜花 🥦