Hunyuan-Large是騰訊推出的大型混合專家（MoE）模型，具有3890億總參數量和520億激活參數量，是目前業界參數規模最大的開源MoE模型。基于Transformer架構，支持高達256K的文本序列輸入，顯著提升長...
網站首頁 > AI工具 第24頁
-
-
MotionCLR是基于注意力機制的人體動作生成和編輯模型，能根據文本提示生成動作，支持用戶進行交互式編輯，如動作強調、減弱、替換、擦除和風格轉移。MotionCLR基于自注意力和交叉注意力機制理解和編輯動作，支持多樣化的動...
-
MiniMates是高性能的輕量級數字人驅動算法，具備語音和表情兩種驅動模式，能在普通電腦上實現實時運行。基于先進的技術架構，提供極致的速度體驗和個性化定制功能，支持用戶根據、需求定制AI伙伴。MiniMates擁有卓越的性...
-
MMBench-Video是新穎的長視頻多題問答基準測試，是浙江大學、上海人工智能實驗室、上海交通大學和香港中文大學聯合推出的。MMBench-Video能全面評估大型視覺語言模型（LVLMs）在視頻理解方面的能力，用包含豐...
-
DistilQwen2是基于Qwen2大模型用知識蒸餾技術優化得到的輕量級語言模型，能提高運算效率和降低部署成本。DistilQwen2基于深度剖析大模型、增強指令數據多樣性和優化蒸餾算法，將復雜知識傳遞給小模型，提升指令遵...
-
DocMind是司馬閱推出的文檔智能大模型，基于Transformer結構，融合深度學習、NLP和CV技術，能處理富文本文檔的復雜結構和視覺信息，提高信息抽取準確性。DocMind支持精準識別文檔實體、捕捉文本依賴關系、深入...
-
Stagehand是簡單和可擴展的AI網頁瀏覽框架，是Playwright的繼承者，提供act、extract和observe三個簡單的API，支持自然語言驅動的網頁操作。Stagehand提供一個輕量級、可配置、模塊化的框...
-
VideoTuna是集成多種AI視頻生成模型的代碼庫，支持文本到視頻、圖像到視頻和文本到圖像的轉換。VideoTuna提供預訓練、持續訓練、后訓練對齊和微調等全面視頻生成流程，支持U-Net和DiT架構，并計劃推出3D視頻V...
-
ComfyUI-MochiEdit是基于ComfyUI和Genmo Mochi的開源視頻編輯工具，基于將視頻轉換為噪聲、重新采樣實現視頻編輯，支持局部編輯和視頻轉視頻功能。用戶能調整噪聲校正強度、對齊強度等參數控制視頻效果，...
-
Ferret-UI 2是蘋果公司推出的多模態大型語言模型，用在理解和交互移動用戶界面。Ferret-UI 2能識別和理解各種移動設備屏幕上的UI元素，執行復雜的用戶指令，實時觀察用戶在移動設備屏幕上的操作，隨時準備提供幫助和...
