模型
VideoLLaMA3
VideoLLaMA3 是阿里巴巴开发的多模态基础模型,支持视频与图像的深度理解和分析。基于 Qwen 2.5 架构,结合先进视觉编码器与语言生成能力,具备高效时空建模与多语言处理能力。适用于视频内容分析、视觉问答、字幕生成等场景,提供多种参数版本,支持灵活部署。
Playwright MCP
Playwright MCP是微软推出的轻量级浏览器自动化工具,基于Model Context Protocol(MCP)协议,通过Playwright的可访问性树实现与网页的交互,无需依赖视觉模型或截图。支持多种浏览器,提供丰富的交互功能,如点击、拖动、输入文本等,适用于与大语言模型结合使用。具备结构化数据交互、网络请求管理、测试脚本生成等功能,支持无头和有头模式运行,适用于自动化测试、网页操作
LayerDiffusion
LayerDiffusion是一种创新的AI工具,利用大规模预训练的潜在扩散模型生成具有透明度的图像。该技术引入了“潜在透明度”的概念,将图像的alpha通道透明度信息编码到潜在空间中。LayerDiffusion不仅可以生成单个透明图像,还能生成多个透明图层,支持条件控制生成和图层内容结构控制,确保高质量的图像输出。此外,它还能够生成多个透明图层,并通过共享注意力机制和低秩适应确保图层间的和谐混
