模型

1. 首页
2. 模型

Stability AI开源Stable Diffusion 3 Medium文生图模型

Stable Diffusion 3 Medium是一款由Stability AI开源的文本到图像生成模型，拥有20亿个参数，适用于消费级和企业级GPU。该模型具备照片级真实感、强大的提示理解和排版能力，以及高资源效率。此外，它还支持API试用，并得到了NVIDIA和AMD的支持，以优化其性能。Stability AI致力于开放和安全的AI应用，并计划持续改进SD3 Medium。

AI项目与工具 2024年01月01日 67 点赞 0 评论 319 浏览

V-JEPA

创新的自监督学习模型，它通过预测视频帧的特征表示来学习视频的视觉表示。这种方法不仅能够处理视频内容，还能在图像任务上表现出色，具有广泛的应用潜力。

Ai平台模型 1970年01月01日 0 点赞 0 评论 319 浏览

Uthana

Uthana是一款基于AI的3D角色动画生成平台，支持通过文字描述、参考视频或动作库快速生成逼真动画。其核心功能包括动作搜索、骨骼适配、风格迁移、API集成等，适用于游戏开发、影视制作、虚拟角色设计等多个领域。平台提供灵活的输出格式和编辑工具，帮助用户高效完成动画创作。

AI项目与工具 2025年06月12日 62 点赞 0 评论 319 浏览

CAD

CAD-MLLM 是一款基于多模态输入生成参数化 CAD 模型的系统，融合了文本、图像和点云等多种数据形式。它通过命令序列与大型语言模型的结合，实现了高效的数据对齐与处理，并提出了创新的评估指标。CAD-MLLM 具备强大的鲁棒性和交互式设计能力，适用于工业设计、建筑设计、汽车制造等多个领域。

AI项目与工具 2025年02月07日 61 点赞 0 评论 318 浏览

Nova Sonic

Nova Sonic是亚马逊推出的生成式AI语音模型，集成语音理解和生成功能，支持多种语言和口音，具备高准确性与自然对话能力。其采用HiFi语音识别技术，平均单词错误率低至4.2%，支持实时信息获取与请求路由，适用于客户服务、教育、医疗、旅游及娱乐等多个领域。该模型具备低延迟和高性价比优势，是当前市场上较为突出的语音处理工具。

AI项目与工具 2025年06月12日 61 点赞 0 评论 318 浏览

Tarsier2

Tarsier2是字节跳动研发的大规模视觉语言模型，擅长生成高精度视频描述并在多项视频理解任务中表现优异。其核心技术包括大规模数据预训练、细粒度时间对齐微调以及直接偏好优化（DPO）。该模型在视频问答、定位、幻觉检测及具身问答等任务中均取得领先成绩，支持多语言处理，具有广泛的应用潜力。

AI项目与工具 2025年06月12日 59 点赞 0 评论 318 浏览

Klee

Klee是一款本地运行的AI桌面应用，专注于数据安全与隐私保护，所有操作均在用户设备上完成。它集成了RAG技术、开源AI模型，并支持笔记管理、文件分析、团队协作等功能。适用于个人知识管理、软件测试、数据分析及自然语言处理等多种场景，尤其适合注重隐私和高效工作的用户。

AI项目与工具 2025年06月12日 90 点赞 0 评论 318 浏览

一念智能创作平台

基于百度文心大模型打造的集文、图、视频、数字人多种内容模态于一体的内容创作平台。

AI写作对话 2025年06月05日 83 点赞 0 评论 318 浏览

PP

PP-DocBee是百度飞桨推出的多模态文档理解模型，基于ViT+MLP+LLM架构，支持文字、表格、图表等多类型文档内容的精准识别与解析。具备高效的推理性能和高质量输出，适用于文档问答、信息提取等场景，支持灵活部署，为文档处理提供智能化解决方案。

AI项目与工具 2025年06月12日 56 点赞 0 评论 317 浏览

MoonShot AI

中文名：月之暗面，一家专注于大模型技术的创业公司，月之暗面致力于将能源转化为智能，通过产品与用户共创智能，实现普惠AI。

Ai平台模型 2025年06月05日 76 点赞 0 评论 317 浏览