模型
  1. 首页
  2. 模型

列表

Takin AudioLLM

Takin AudioLLM

Takin AudioLLM是一套由喜马拉雅Everest团队研发的语音生成模型，包含文本转语音（Takin TTS）、音色转换（Takin VC）及声音风格变换（Takin Morphing）。它采用最新大型语言模型技术，可生成接近真人的高质量语音，并支持个性化定制与零样本学习。该工具广泛应用于有声书制作、虚拟助手、电影配音等领域，具有音色精准、风格多样等特点。
AI项目与工具 2025年06月12日
InfiniteYou

InfiniteYou

InfiniteYou 是由字节跳动推出的基于扩散变换器的身份保持图像生成框架，通过 InfuseNet 注入身份特征，确保生成图像与输入图像的高度相似。结合多阶段训练策略，提升文本与图像对齐、图像质量和美学效果。支持插件化设计，兼容多种工具，适用于社交媒体、影视制作、广告营销等多个领域。
AI项目与工具 2025年06月12日
CodeFuse

CodeFuse

CodeFuse-muAgent是由蚂蚁集团CodeFuse团队开发的一款多智能体框架，通过知识图谱引擎驱动智能体的编排和协作，简化复杂工作流程的自动化。它支持多种智能体类型，包括问答、工具使用和代码执行，并具备通信、记忆管理和自定义模型支持等功能，促进智能体间的高效协作。应用场景广泛，涵盖自动化办公流程、客户服务自动化、智能监控和安全、个性化推荐系统以及教育和培训等多个领域。
AI项目与工具 2025年06月12日
Magma

Magma

Magma是微软研究院开发的多模态AI基础模型，具备理解与执行多模态任务的能力，覆盖数字与物理环境。它融合语言、空间与时间智能，支持从UI导航到机器人操作的复杂任务。基于大规模视觉-语言和动作数据预训练，Magma在零样本和微调设置下表现优异，适用于网页操作、机器人控制、视频理解及智能助手等多个领域。
AI项目与工具 2025年06月12日
小爱同学AI助手

小爱同学AI助手

由小米公司研发，基于小米的硬件生态和海量数据，为用户提供全球领先的语音识别、NLP等完整的 AI 技术服务。
AI写作对话 2025年06月05日
MultiTalk

MultiTalk

MultiTalk是由中山大学深圳校区、美团和香港科技大学联合推出的音频驱动多人对话视频生成框架。它根据多声道音频输入、参考图像和文本提示，生成包含人物互动且口型与音频一致的视频。通过Label Rotary Position Embedding (L-RoPE) 方法解决多声道音频与人物绑定问题，并采用部分参数训练和多任务训练策略，保留基础模型的指令跟随能力。MultiTalk适用于卡通、歌唱及
AI项目与工具 2025年06月11日
Mistral AI

Mistral AI

Mistral AI 推出了 Mistral 7B，这是一种突破性的 7.3B 参数语言模型，它的功能超越了许多大型模型，提供了增强的推理、理解和概括，同时高效且具有成本效益。
Ai平台模型 2025年06月05日
Vanna

Vanna

Vanna 是一款开源的 Python RAG 框架，能够基于大型语言模型生成精确的 SQL 查询。它支持多类型数据库与 LLMs，采用检索增强生成技术提高查询准确性，同时保障数据安全。Vanna 还具备自定义前端界面和用户反馈机制，广泛适用于数据分析师、BI 工具、客户支持系统及数据科学项目等领域。
AI项目与工具 2025年06月12日
Ruyi

Ruyi

Ruyi是一款基于DiT架构的图生视频大模型，支持多分辨率和多时长的视频生成，具有首帧、首尾帧控制、运动幅度调整及镜头方向控制等功能。它通过Casual VAE模块和Diffusion Transformer实现视频数据的压缩与生成，旨在降低动漫和游戏内容的开发周期和成本。目前，Ruyi-Mini-7B版本已开源。
AI项目与工具 2025年06月12日
DreaMoving

DreaMoving

DreaMoving是一个基于扩散模型的人类视频生成框架，由阿里巴巴集团研究团队开发。该框架通过视频控制网络（Video ControlNet）和内容引导器（Content Guider）实现对人物动作和外观的精确控制，允许用户通过文本或图像提示生成个性化视频内容。其主要功能包括定制化视频生成、高度可控性、身份保持、多样化的输入方式以及易于使用的架构设计。DreaMoving广泛应用于影视制作、游
AI项目与工具 2024年01月01日