模型

1. 首页
2. 模型

MooER

MooER是一款基于国产全功能GPU训练的开源音频理解大模型，由摩尔线程推出。它能够进行中文和英文的语音识别，并具备中译英的语音翻译能力。MooER在Covost2中译英测试集中取得25.2的BLEU分数，接近工业级标准。其主要功能包括语音识别、语音翻译、高效率训练以及开源模型。该模型采用深度学习架构和端到端训练模式，具有强大的多语言处理能力和广泛的适用性。

AI项目与工具 2025年06月12日 41 点赞 0 评论 504 浏览

Bark

Bark是一款开源的文本到音频转换模型，由Suno AI开发，能够生成逼真的多语言语音及多种音频类型，包括音乐和背景噪音，并支持非语言交流的声音。该模型提供预训练模型，适用于研究和商业用途。其主要功能涵盖文本到音频转换、多语言支持、音频多样性和非语言交流模拟。Bark在多语言内容创作、音频内容生成和非语言交流场景中具有广泛应用。

AI项目与工具 2025年06月12日 28 点赞 0 评论 435 浏览

Sapiens

Sapiens是由Meta实验室开发的AI视觉模型，主要用于解析图片和视频中的人类动作。它支持2D姿态估计、身体部位分割、深度估计和表面法线预测等功能，采用视觉变换器架构。Sapiens具有强大的泛化能力，适用于虚拟现实、增强现实、3D人体数字化、人机交互、视频监控分析、运动捕捉及医学成像与康复等多个领域。

AI项目与工具 2025年06月12日 73 点赞 0 评论 372 浏览

TrackGo

TrackGo是一种先进的AI视频生成技术，利用自由形状的遮罩和箭头提供精确的运动控制。其核心技术TrackAdapter无缝集成到预训练的视频生成模型中，通过调整时间自注意力层来激活与运动相关的区域。TrackGo在视频质量、图像质量和运动忠实度方面表现出色，适用于影视制作、动画制作、虚拟现实（VR）、增强现实（AR）和游戏开发等多个领域。

AI项目与工具 2025年06月12日 64 点赞 0 评论 486 浏览

mPLUG

mPLUG-Owl3是一款由阿里巴巴开发的多模态AI模型，专注于理解和处理多图及长视频内容。该模型具备高推理效率和准确性，采用创新的Hyper Attention模块优化视觉与语言信息的融合。它已在多个基准测试中展现出卓越性能，并且其源代码和资源已公开，可供研究和应用。

AI项目与工具 2025年06月12日 73 点赞 0 评论 193 浏览

AIChatru.ru

AIChatru.ru 是一个提供多种先进AI大模型的免费在线聊天平台。它支持多种语言，提供快速、准确的回应。主要功能包括多样化的AI模型、多语言支持、免费在线使用和快速响应。适用于技术爱好者、学生和研究人员、专业人士、语言学习者以及企业用户等。

AI项目与工具 2025年06月12日 51 点赞 0 评论 324 浏览

SuperCraft

SuperCraft是一款基于生成式AI技术的无限协作画布设计平台，能够将手绘草图或文本描述转化为高质量的2D图像和3D渲染。平台提供3D模型导出功能，支持团队协作，具备3D渲染和可视化能力，简化复杂项目的节点式流程设计，旨在提升设计师的工作效率和设计质量。

AI项目与工具 2025年06月12日 57 点赞 0 评论 193 浏览

AgentGen

AgentGen是一款由香港大学与微软联合研发的AI项目框架，旨在通过自动生成多样化环境和任务，显著提升大语言模型（LLM）的规划能力。其核心技术包括环境生成、任务生成和动态难度调节，支持零样本生成和指令微调，适用于机器人控制、智能家居等多个领域。

AI项目与工具 2025年06月12日 71 点赞 0 评论 164 浏览

MotionGen

MotionGen是一款由元象科技开发的3D动作生成模型，它结合了大模型、物理仿真和强化学习算法，使得用户通过简单的文本指令就能生成逼真且流畅的3D动作。该工具简化了3D动画的制作过程，提升了创作效率。其主要功能包括文本到动作的转换、高度逼真和流畅的动作生成、个性化定制、高效的制作流程和技术融合。

AI项目与工具 2025年06月12日 96 点赞 0 评论 377 浏览

GameNGen

GameNGen是谷歌推出的一款AI游戏引擎，它能够以每秒20帧的速度实时生成高质量的DOOM游戏画面，使大多数玩家难以分辨真假。该工具无需编程，简化了开发流程，同时具备高逼真度和交互式体验，为游戏创作提供了新的可能性。除了游戏开发，它还能应用于虚拟现实、自动驾驶等多个领域，具有广泛的应用前景。

AI项目与工具 2025年06月12日 66 点赞 0 评论 149 浏览