模型
  1. 首页
  2. 模型

列表

Transfusion

Transfusion

Transfusion是由Meta公司开发的多模态AI模型，能够同时生成文本和图像，并支持图像编辑功能。该模型通过结合语言模型的下一个token预测和扩散模型，在单一变换器架构上处理混合模态数据。Transfusion在预训练阶段利用了大量的文本和图像数据，表现出强大的扩展性和优异的性能。其主要功能包括多模态生成、混合模态序列训练、高效的注意力机制、模态特定编码、图像压缩、高质量图像生成、文本生成
AI项目与工具 2025年06月12日
ReasonIR

ReasonIR

ReasonIR-8B 是由 Meta AI 开发的推理密集型检索模型，基于 LLaMA3.1-8B 训练，采用双编码器架构，提升复杂查询处理能力。结合合成数据生成工具，增强模型在长上下文和抽象问题中的表现。在多个基准测试中表现优异，适用于问答系统、教育、企业知识管理和科研等领域。
AI项目与工具 2025年06月11日
商汤如影

商汤如影

商汤如影是一款由商汤科技开发的AI数字人视频生成平台，通过先进大模型技术创建高度逼真的数字人形象，应用于教育、金融、营销等领域。平台具备数字人创建、声音克隆、视频生成、自动化数据标注、图片生成、实时互动等功能，并支持多语言及多种服务形式，以满足个性化和专业化的服务需求。
AI项目与工具 2025年06月12日
StarVector

StarVector

StarVector 是一个开源多模态视觉语言模型，支持图像和文本到可编辑 SVG 文件的转换。采用多模态架构，结合图像编码与语言模型，生成结构紧凑、语义丰富的 SVG 内容。基于 SVG-Stack 数据集训练，适用于图标设计、艺术创作、数据可视化等多种场景，具备良好的性能和扩展性。
AI项目与工具 2025年06月12日
Amazon Nova Premier

Amazon Nova Premier

Amazon Nova Premier 是亚马逊推出的多模态 AI 模型，支持文本、图像和视频输入，具备超长上下文处理能力（最高达 100 万 token），适用于复杂任务处理、多步骤规划与跨数据源执行。可通过模型蒸馏生成轻量级版本，优化生产部署。支持多语言，具备安全控制机制，广泛应用于金融、法律、软件开发等领域。
AI项目与工具 2025年06月11日
PartEdit

PartEdit

PartEdit是一种基于预训练扩散模型的细粒度图像编辑工具，通过优化部分标记实现对图像对象各部分的精准定位与编辑。其采用非二进制掩码和自适应阈值策略，确保编辑内容自然融合，保留原始细节。支持真实图像和多部分同时编辑，无需重新训练模型，适用于艺术设计、影视制作、广告等多个领域。
AI项目与工具 2025年06月12日
LiveCC

LiveCC

LiveCC是一款由新加坡国立大学Show Lab与字节跳动联合开发的实时视频解说模型，基于自动语音识别字幕进行训练。它能够实时生成自然流畅的视频评论和回答相关问题，适用于体育、新闻、教育等多个场景。模型采用流式训练方法，结合大规模数据集和Qwen2-VL架构，具备低延迟和高质量的生成能力。LiveCC通过LiveSports-3K基准测试评估性能，广泛应用于视频内容分析与智能交互场景。
AI项目与工具 2025年06月11日
RD

RD

RD-Agent 是一款开源的自动化研究与开发工具，基于大语言模型和自主代理框架，专注于提升研发效率与质量。它支持从想法提出到实现的全流程自动化，具备智能决策支持、跨领域知识迁移和数据驱动创新等功能，广泛应用于金融量化、医疗数据分析、科研助理等领域，助力用户快速构建和优化模型。
AI项目与工具 2025年06月12日
DICE

DICE

DICE-Talk是由复旦大学与腾讯优图实验室联合开发的动态肖像生成框架，能够根据音频和参考图像生成具有情感表达的高质量视频。其核心在于情感与身份的解耦建模，结合情感关联增强和判别机制，确保生成内容的情感一致性与视觉质量。该工具支持多模态输入，具备良好的泛化能力和用户自定义功能，适用于数字人、影视制作、VR/AR、教育及心理健康等多个领域。
AI项目与工具 2025年06月11日
ConsistentDreamer

ConsistentDreamer

ConsistentDreamer 是由华为慕尼黑研究中心开发的图像到 3D 资产生成技术，能通过单张图像生成多视图一致的 3D 网格。该技术采用多视图先验图像引导和分数蒸馏采样优化，结合动态权重平衡和多种损失函数，提升 3D 表面质量和纹理精度。支持复杂场景编辑、风格转换、物体修改等功能，适用于室内场景、艺术风格转换及跨视图一致性任务。
AI项目与工具 2025年06月12日