模型

1. 首页
2. 模型

Dolphin

Dolphin是由清华大学与海天瑞声联合开发的面向东方语言的语音识别大模型，支持40种语言及22种中文方言，具备高精度语音转文字能力。采用CTC-Attention架构，结合E-Branchformer和Transformer技术，提升识别效率与准确性。模型开源，支持自定义语言与地区设置，适用于会议记录、语音输入、智能助手等多种场景。

AI项目与工具 2025年06月12日 20 点赞 0 评论 858 浏览

MinMo

MinMo是阿里巴巴通义实验室推出的多模态语音交互大模型，具备高精度语音识别与生成能力。支持情感表达、方言转换、音色模仿及全双工交互，适用于智能客服、教育、医疗等多个领域，提升人机对话的自然度与效率。

AI项目与工具 2025年06月12日 59 点赞 0 评论 857 浏览

ChatHub

一个创新的浏览器扩展插件和应用，ChatHub设计的目的是为了让用户能够在一个统一的界面中与多个聊天机器人进行交互。

AI写作对话 2025年06月05日 98 点赞 0 评论 857 浏览

AgileGen

AgileGen是一个基于人机协作的生成式软件开发框架，通过Gherkin语言定义用户需求并生成代码，支持快速原型设计和迭代优化。其主要功能包括需求收集与澄清、场景设计、代码生成及反馈迭代，同时具备记忆池机制以提升决策效率。适用于初创公司、教育领域及企业内部工具开发等场景。

AI项目与工具 2025年06月12日 94 点赞 0 评论 856 浏览

BISHENG毕昇大模型

一款基于 Apache 2.0 License 协议正式开源的领先开源大模型应用开发平台，能搭建分析报告生成、知识库问答、对话、要素提取等多种大模型应用。

Ai平台模型 2025年06月05日 14 点赞 0 评论 856 浏览

Gemini 2.5 Flash

Gemini 2.5 Flash 是 Google 推出的高性能 AI 模型，具备低延迟、高效率及推理能力，适用于代码生成、智能代理和复杂任务处理。其优化设计降低了计算成本，适合大规模部署。该模型基于 Transformer 架构，结合推理机制和模型压缩技术，提升了响应速度与准确性，广泛应用于智能开发、内容生成和实时交互等领域。

AI项目与工具 2025年06月12日 33 点赞 0 评论 855 浏览

Shots.So

一个免费的在线工具，只需点击几下即可帮助您创建漂亮的样机模型。 Shots.so可以与背景框架和不同的模型（如浏览器、手机、笔记本电脑、手表等）产生很好的效果。

图片处理 2025年06月05日 26 点赞 0 评论 855 浏览

Vid2World

Vid2World是由清华大学和重庆大学联合开发的创新框架，能够将全序列、非因果的被动视频扩散模型（VDM）转换为自回归、交互式、动作条件化的世界模型。该模型基于视频扩散因果化和因果动作引导两大核心技术，解决了传统VDM在因果生成和动作条件化方面的不足。Vid2World支持高保真视频生成、动作条件化、自回归生成和因果推理，适用于机器人操作、游戏模拟等复杂环境，具有广泛的应用前景。

AI项目与工具 2025年06月11日 33 点赞 0 评论 855 浏览

DAM

DAM-3B是英伟达开发的多模态大语言模型，专用于图像和视频中特定区域的详细描述。支持点、边界框、涂鸦或掩码等方式指定目标区域，生成精准文本描述。其核心技术包括焦点提示与局部视觉骨干网络，有效融合全局与局部特征。DAM-3B-Video版本扩展至视频处理，适用于动态场景。模型基于Transformer架构，支持多模态输入，广泛应用于内容创作、智能交互及无障碍工具等领域。

AI项目与工具 2025年06月11日 56 点赞 0 评论 855 浏览

OminiControl

OminiControl是一款高效且参数节约的图像生成框架，专为扩散变换器模型设计，支持主题驱动和空间控制。通过增加少量参数，它能够生成高质量图像并保持主题一致性，适用于多种应用场景，包括艺术创作、游戏开发和广告设计等。其强大的多模态注意力机制和灵活的架构使其成为图像生成领域的创新工具。

AI项目与工具 2025年06月12日 94 点赞 0 评论 855 浏览