書生·物華2.0（3DTopia 2.0）是由上海人工智能實驗室與南洋理工大學聯合開發的三維物體生成大模型。模型采用創新的原語（primitive-based）三維表示方法PrimX，能將形狀、紋理和材質信息編碼為緊湊的張量...
網站首頁 > AI工具 第48頁
-
-
cogvlm2-llama3-caption模型是一個基于CogVLM2架構的視頻描述生成模型。模型用于理解視頻內容，自動生成描述視頻內容的文本標題或字幕。...
-
Gummy是通義實驗室在2024年云棲大會上推出的端到端語音翻譯大模型。模型能實時流式生成語音識別與翻譯結果，支持包括中文、英語、粵語、日語、韓語、法語、德語、俄語、意大利語、西班牙語等十余種語言的語音輸入，將其翻譯成目標語...
-
RapidPages 是一個開源的集成開發環境（IDE），專注于基于AI技術快速生成 React 和 Tailwind CSS 的 UI 組件?；谧匀徽Z言處理，支持用戶僅通過描述所需界面的方式，可實時創建和迭代設計。...
-
Ovis1.6是阿里國際AI團隊推出的多模態大模型，在多模態權威綜合評測基準OpenCompass上取得了優異的成績，特別是在30億參數以下的模型中綜合得分排名第一，超越了其他主流模型。Ovis1.6模型在數學推理、視覺理解...
-
Void 是基于 Visual Studio Code 構建的開源文本編輯器，集成AI技術增強編程體驗。Void支持代碼自動補全、內聯編輯、AI 驅動的代碼搜索，直接與大型語言模型（如 Claude、GPT 或 Gemini...
-
CogVideoX-5B-I2V 是智譜 AI 開源的文本到視頻生成模型，基于 3D 因果變分自編碼器和專家自適應 LayerNorm 技術，根據文本提示生成高質量視頻。支持 720×480 分辨率和 6 秒視頻生成，適配...
-
Draw an Audio 是中國科學院自動化研究所和美團點評的研究人員推出的視頻生成音頻系統。根據視頻內容自動生成匹配的聲音效果，類似于電影制作中的 Foley 藝術。系統分析視頻結合多種輸入指令，如文本、視頻遮罩和響度信...
-
FineVideo是由Hugging Face推出的一個大型多模態視頻數據集，專注于視頻理解領域中的復雜任務，如情緒分析、故事敘述和媒體編輯。FineVideo包含超過43,000個YouTube視頻，覆蓋122個類別，總時...
-
abab-music-1 是 MiniMax 推出的一款端到端 AI 音樂生成大模型。支持多功能端到端音樂生成，能合成多種音樂形式，包括純音樂和清唱作品，同時滿足伴奏和人聲的生成，簡化了音樂錄制與創作過程。...
