模型
  1. 首页
  2. 模型

列表

LongLLaVA

LongLLaVA

LongLLaVA是由香港中文大学（深圳）研究团队开发的多模态大型语言模型，结合Mamba和Transformer模块，利用2D池化技术压缩图像token，大幅提升处理大规模图像数据的效率。该模型在视频理解、高分辨率图像分析及多模态代理任务中表现优异，特别擅长检索、计数和排序任务。其技术亮点包括渐进式训练策略和混合架构优化，支持多种多模态输入处理，广泛应用于视频分析、医学影像诊断、环境监测等领域。
AI项目与工具 2025年06月12日
Speech

Speech

Speech-02 是 MiniMax 推出的先进文本到语音模型，支持零样本语音克隆和高质量语音合成，具备多语言支持和情感控制功能。采用自回归 Transformer 和 Flow-VAE 架构提升语音自然度和相似度，适用于配音、有声读物、智能助手等多种场景。提供 HD 和 Turbo 两个版本，满足不同性能需求。
AI项目与工具 2025年06月11日
DeepSider

DeepSider

DeepSider 是一款集成在浏览器侧边栏的 AI 对话工具，支持多种顶级 AI 模型如 GPT-4o、Grok3 和 Claude 3.5。用户可通过简洁交互完成复杂任务，包括 AI 搜索、实时问答、内容创作、翻译和代码生成等。该工具支持文档上传分析，结合最新数据提供准确答案，具备快速响应和高效交互设计，适用于提升工作效率和学习效率。
AI项目与工具 2025年06月11日
Gemini 2.0

Gemini 2.0

Gemini 2.0 是谷歌推出的原生多模态AI模型，具备快速处理文本、音频和图像的能力，支持多语言输出和实时音视频流输入。通过Agent技术和工具调用，Gemini 2.0 能够自主理解任务并提供解决方案，已在编程、数据分析、游戏等领域展示应用潜力。目前提供免费试用，计划逐步开放更多功能。
AI项目与工具 2025年06月12日
抖音AI分身

抖音AI分身

抖音AI分身是一款基于豆包大模型算法的AI虚拟分身工具，支持创作者创建与自身风格相似的虚拟形象，用于全天候互动交流。其功能包括AI互动空间、AI群聊、AI私信、AI评论和AI直播，广泛应用于虚拟直播、互动娱乐、内容创作、品牌营销及教育培训等领域，助力创作者高效运营并提升用户体验。
AI项目与工具 2025年06月12日
iDP3

iDP3

iDP3是一种基于自我中心3D视觉表征的改进型人形机器人运动策略，由斯坦福大学等机构联合开发。它摒弃了对精确相机校准和点云分割的需求，具备出色的视图、对象及场景泛化能力，可高效适应未知环境。此外，其优化的视觉编码器和扩散模型进一步提高了学习和推理性能，在家庭、工业、医疗、搜救及教育等领域具有广泛应用潜力。
AI项目与工具 2025年06月12日
Haiper AI

Haiper AI

一家专注于视觉内容创作的生成式AI解决方案的人工知智能公司， Haiper AI的使命就是开发将文本和图片转换为动态视频或3D的模型。
Ai视频生成 2025年06月05日
SepLLM

SepLLM

SepLLM是由香港大学与华为诺亚方舟实验室等机构联合开发的高效大语言模型框架，通过压缩段落信息和优化注意力机制，显著提升推理速度与计算效率。其支持处理超长序列（达400万标记），具备低KV缓存占用、高推理速度及多节点分布式训练能力。适用于长文本处理、流式应用、资源受限环境及多语言研究等多个场景，具有良好的部署灵活性和扩展性。
AI项目与工具 2025年06月12日
DistriFusion

DistriFusion

DistriFusion是一个专为加速高分辨率扩散模型在多GPU环境中生成图像的分布式并行推理框架。通过将图像分割成多个小块并分配至不同设备上进行独立处理，它能够在不增加额外训练负担的情况下，将推理速度提升高达六倍，同时保持图像质量。其技术原理包括Patch Parallelism（分片并行）、异步通信、位移补丁并行性等，适用于多种现有的扩散模型。应用场景包括AI艺术创作、游戏和电影制作、VR/A
AI项目与工具 2025年06月12日
Chatterbox

Chatterbox

Chatterbox是Resemble AI推出的开源文本转语音（TTS）模型，基于0.5B规模的LLaMA架构，用超过50万小时精选音频训练。它支持零样本语音克隆，仅需5秒参考音频即可生成高度逼真的个性化语音，并具备情感夸张控制功能，可调节情绪、语速和语调。Chatterbox还拥有超低延迟的实时语音合成能力，延迟低至200毫秒以下，适用于交互式应用。此外，它采用安全水印技术防止滥用，适用于内容
AI项目与工具 2025年06月11日