OmniAudio OmniAudio-2.6B是一款专为边缘设备设计的高性能音频语言模型,具备语音识别、转录、问答、对话生成及内容创作等核心功能。其技术优势在于多模态架构的高效集成、稀疏性利用以及三阶段训练流程,支持FP16和Q4_K_M量化版本,确保在资源受限的环境下仍能稳定运行。OmniAudio-2.6B可应用于智能助手、车载系统、会议记录、教育和医疗等多个领域,为用户提供便捷、高效的语音交互体验。 AI项目与工具 2025年06月12日 95 点赞 0 评论 474 浏览
FastVLM FastVLM是一款高效的视觉语言模型,采用FastViTHD混合视觉编码器,显著提升高分辨率图像处理速度并减少token数量。其在保持高性能的同时,降低了计算成本和模型复杂度。适用于视觉问答、图文匹配、文档理解、图像描述生成等多模态任务,具备良好的实用性和扩展性。 AI项目与工具 2025年06月11日 85 点赞 0 评论 474 浏览
孟子大模型 孟子大模型作为澜舟科技的核心产品之一,展现了公司在认知智能领域的技术实力和创新能力。通过其强大的语言处理和多模态数据处理能力,孟子大模型为不同行业提供了灵活、高效的解... 创作工具 1970年01月01日 0 点赞 0 评论 473 浏览
SaleSmartly 一款全渠道客户沟通平台,专注于手动客服服务,并辅以AI智能客服。它支持通过在线聊天、WhatsApp、Facebook Messenger、Instagram、Telegram、Line、Email、微信等多种方式与客户沟通。 数据分析 2025年06月05日 83 点赞 0 评论 467 浏览
BlockDance BlockDance是由复旦大学与字节跳动联合开发的扩散模型加速技术,通过识别结构相似的时空特征(STSS)减少冗余计算,提升推理效率达25%-50%。结合强化学习的BlockDance-Ada模块实现动态资源分配,平衡速度与质量。适用于图像、视频生成及实时应用,支持多种模型,兼顾高效与高质,适用于资源受限环境。 AI项目与工具 2025年06月12日 38 点赞 0 评论 467 浏览
EMOVA EMOVA是一款由多所高校与企业联合研发的多模态全能型AI助手,具备处理图像、文本和语音的能力,支持情感化语音对话,并通过轻量级情感控制模块增强了人机交互的自然性。其核心技术包括连续视觉编码器、语义-声学分离的语音分词器及全模态对齐机制,广泛应用于客户服务、教育辅助、智能家居控制等多个领域。 AI项目与工具 2025年06月12日 55 点赞 0 评论 465 浏览