模型
  1. 首页
  2. 模型

列表

VLOGGER

VLOGGER

VLOGGER AI是一款由谷歌研究团队开发的多模态扩散模型，主要用于从单一输入图像和音频样本生成逼真的、连贯的人像动态视频。该工具能够根据音频控制人物动作，包括面部表情、唇部动作、头部运动、眼神、眨眼及上身和手部动作，实现音频驱动的视频合成。VLOGGER生成的视频具有高度的真实性和多样性，能够展示原始主体的不同动作和表情。此外，VLOGGER还可以用于编辑现有视频和跨语言视频内容适配。
AI项目与工具 2024年01月01日
EVI 3

EVI 3

EVI 3是Hume AI推出的全新语音语言模型，能够同时处理文本和语音标记，实现自然、富有表现力的语音交互。它支持高度个性化，根据用户提示生成任何声音和个性，并实时调节情感和说话风格。在与GPT-4o等模型的对比中，EVI 3在情感理解、表现力、自然度和响应速度等方面表现更优，具备低延迟响应能力，可在300毫秒内生成语音回答。EVI 3适用于智能客服、语音助手、教育辅导、情感支持和内容创作等多个
AI项目与工具 2025年06月11日
Miracle F1

Miracle F1

Miracle F1 是一款由美图 WHEE 推出的 AI 图像生成工具，具备高真实感的图像生成能力，能精准处理光影、材质和空间效果。其语义理解能力强，可准确还原复杂描述，如“纯色背景”“夜景灯光”等。支持多种风格，涵盖 3D 立体、二次元、复古等，适用于电商展示、活动海报、插画设计等多个场景。基于扩散模型和优化算法，提升了生成效率与质量。
AI项目与工具 2025年06月12日

星流图像大模型

星流图像大模型
星流图像大模型
星流图像大模型是由LiblibAI发布的一款自研图像大模型，名为Star-3 Alpha。由LiblibAl团队于2024年启动研发，将于2025年Q1发布正式
Ai绘画生成 2025年06月05日
AtomThink

AtomThink

AtomThink是一个由多所高校与企业联合研发的多模态数学推理框架，通过构建长链思维（CoT）引导多模态大型语言模型（MLLMs）进行复杂推理。它包含自动CoT注释引擎、原子步骤微调策略及多种搜索策略，旨在提升原子步骤质量并增强MLLMs的推理能力。AtomThink提出的大规模多模态数据集AtomMATH及其评估方法为模型训练和测试提供了重要支持，广泛应用于教育辅助、自动化测试、学术研究等领域
AI项目与工具 2025年06月12日
Gemini 2.5 Pro

Gemini 2.5 Pro

Gemini 2.5 Pro 是谷歌推出的高性能 AI 模型，具备深度推理能力，可在多模态输入下进行复杂任务处理。支持文本、图像、音频、视频及代码等多种输入形式，拥有 100 万 token 的上下文窗口。在推理、代码生成和多模态任务中表现优异，适用于学术研究、软件开发、创意工作和企业应用等多个领域。
AI项目与工具 2025年06月12日
ModelScope

ModelScope

ModelScope被称为“魔搭社区”，是国内首个中文AI模型开源社区，由阿里巴巴通义实验室联合CCF开源发展委员会发起的模型开源社区及创新平台，旨在通过开放的社区合作，构建深度学习相关的模型开源社区，并开放给全球的开发者使用。
Ai平台模型 2025年06月05日
ViDoRAG

ViDoRAG

ViDoRAG是阿里巴巴通义实验室联合高校开发的视觉文档检索增强生成框架，采用多智能体协作与动态迭代推理技术，提升复杂文档的检索与理解能力。通过高斯混合模型优化多模态信息整合，支持精准检索与高质量生成，适用于教育、金融、医疗等多个领域，显著提升文档处理效率与准确性。
AI项目与工具 2025年06月12日
3DHM

3DHM

3DHM是一项由加州大学伯克利分校开发的3D人体动作生成技术，能够从单张照片生成动态人体视频，具备动作生成、编辑、评估、纹理修复、人体渲染及动作模仿等功能。该技术通过学习人体先验知识和3D运动序列，结合扩散模型和4DHumans预测模型，广泛应用于电影特效、虚拟现实、游戏开发等领域，为动画制作和人体动作模拟提供了创新解决方案。
AI项目与工具 2025年06月12日
MagicColor

MagicColor

MagicColor是一款由香港科技大学开发的多实例线稿图着色工具，基于自监督训练和实例引导模块，实现高效、精准的色彩分配。支持参考图像驱动，具备实例级控制与边缘增强功能，适用于动画、数字艺术、游戏开发等领域。采用扩散模型与双UNet架构，提升着色质量和效率，适合创意设计与教育应用。
AI项目与工具 2025年06月12日