架构
  1. 首页
  2. 架构

列表

Seer

Seer

Seer是一款由多家科研机构联合开发的端到端机器人操作模型，基于Transformer架构实现视觉预测与动作执行的高度协同。它能够融合多模态信息，具备强大的泛化能力和数据效率，在真实机器人任务中表现优异。Seer适用于工业自动化、服务机器人、医疗健康等多个领域，支持精准动作预测和未来状态预判，显著提升了机器人系统的智能化水平。
AI项目与工具 2025年06月12日
FLOAT

FLOAT

FLOAT是一款基于音频驱动的虚拟人像生成模型，利用运动潜在空间和流匹配技术，实现时间一致性视频生成。它支持情感增强，生成自然且富有表现力的虚拟人物，广泛应用于虚拟主播、视频会议、社交媒体、游戏以及电影制作等多个领域，同时具备高效的采样和生成能力。
AI项目与工具 2025年06月12日
CityDreamer4D

CityDreamer4D

CityDreamer4D是由南洋理工大学S-Lab开发的4D城市生成模型，通过分离动态与静态元素，结合模块化架构生成逼真城市环境。支持无边界扩展、风格化处理、局部编辑及多视角一致性，适用于城市规划、自动驾驶和虚拟现实等领域。采用高效鸟瞰图表示法与神经场技术，提升生成效率与质量。
AI项目与工具 2025年06月12日
VoltAgent

VoltAgent

VoltAgent 是一个开源的 TypeScript 框架，用于构建和编排 AI Agent。它提供基础架构和工具，简化与大语言模型的交互、状态管理、外部工具连接及工作流编排。支持多 Agent 系统、记忆管理、RAG 技术、语音交互等功能，并具备可视化监控和灵活的 LLM 支持，适用于智能客服、数据处理、语音控制等多种场景。
AI项目与工具 2025年06月11日
MeteoRA

MeteoRA

MeteoRA是一种基于LoRA和混合专家架构的多任务嵌入框架，用于大型语言模型。它支持多任务适配器集成、自主任务切换、高效推理及复合任务处理，提升模型灵活性和实用性。通过动态门控机制和前向加速策略，显著提高推理效率并降低内存占用，适用于多领域问答、多语言对话等场景。
AI项目与工具 2025年06月12日
Zamba2

Zamba2

Zamba2-7B是一款由Zyphra公司开发的小型语言模型，具有高效的推理速度和低内存占用的特点。它在图像描述任务中表现出色，适用于边缘设备和消费级GPU。Zamba2-7B通过创新的混合架构和技术优化，提供了卓越的语言理解和生成能力，同时支持多种应用场景，如移动应用开发、智能家居设备、在线客服系统、内容创作以及教育工具等。
AI项目与工具 2025年06月12日
豆包AI视频模型

豆包AI视频模型

豆包AI视频模型包括PixelDance和Seaweed两款工具，分别基于DiT和Transformer架构。PixelDance擅长处理复杂指令和多主体互动，适合制作情节丰富的短片；Seaweed支持多分辨率输出，生成高质量、高逼真的视频，适用于商业领域。两者均提供多样化的风格选择和输出格式，满足不同场景需求。 ---
AI项目与工具 2025年06月12日
Imagine Yourself

Imagine Yourself

Imagine Yourself是一款由Meta公司开发的个性化AI图像生成模型，无需针对特定用户进行调整即可生成高质量、多样化的图像。该模型采用了合成配对数据生成和并行注意力架构，提升了图像质量和文本对齐的准确性。主要功能包括无需特定微调、生成合成配对数据、并行注意力架构以及多阶段微调过程。应用场景广泛，包括社交媒体个性化、虚拟试衣间、游戏和虚拟现实、广告和营销以及艺术创作辅助。
AI项目与工具 2025年06月12日
Mochi 1

Mochi 1

Mochi 1 是一款基于开源架构的 AI 视频生成工具，具有高保真度和强大的提示遵循能力。它采用 Genmo 自研的非对称扩散变压器（AsymmDiT）架构，结合实时视频生成技术和流式架构，能够高效生成高质量的视频内容。Mochi 1 支持多种应用场景，包括视频内容创作、教育、娱乐、广告和社交媒体等，适用于个人和企业用户。
AI项目与工具 2025年06月12日
VideoPoet

VideoPoet

VideoPoet是一款基于大模型的AI视频生成工具，支持从文本、图像或视频输入中合成高质量的视频内容及匹配的音频。其核心优势在于多模态大模型设计，能够处理和转换不同类型的输入信号，无需特定数据集或扩散模型即可实现多种风格和动作的视频输出。主要功能包括文本到视频转换、图像到视频动画、视频风格化、视频编辑和扩展、视频到音频转换以及多模态学习等。技术原理涉及多模态输入处理、解码器架构、预训练与任务适应
AI项目与工具 2024年01月01日