AI项目与工具

CogView

CogView-3-Plus是智谱AI研发的AI文生图模型,采用Transformer架构替代传统的UNet,优化了扩散模型中的噪声规划。它能够根据用户指令生成高质量、高美学评分的图像,支持多种分辨率,并具有实时生成图像的能力。该模型已被集成到“智谱清言”APP中,并提供API服务,适用于艺术创作、游戏设计、广告制作等多个图像生成领域。

书生·万象InternVL 2.5

书生·万象InternVL 2.5是一款开源多模态大型语言模型,基于InternVL 2.0升级而来。它涵盖了从1B到78B不同规模的模型,支持多种应用场景,包括图像和视频分析、视觉问答、文档理解和信息检索等。InternVL 2.5在多模态理解基准上表现优异,性能超越部分商业模型,并通过链式思考技术提升多模态推理能力。

可灵2.1

可灵2.1是快手推出的AI视频生成模型,现已上线可灵AI视频平台。该模型包含标准版、高品质版和大师版,分别满足不同创作需求,支持图生视频和文生视频功能。标准版生成速度快,高品质版效果出色,大师版提供影视级效果。用户可通过上传图片或输入文字生成视频,并设置参数后下载使用。适用于短视频、营销广告、AI短剧、专业影视及教育培训等场景。

Command A

Command A 是 Cohere 推出的企业级生成式 AI 模型,具备高性能和低硬件需求,支持 256k 上下文长度及 23 种语言。集成 RAG 技术,提升信息准确性。适用于文档分析、多语言处理、智能客服和数据分析等场景,适合企业部署使用。

XiYan

XiYan-SQL是一款由阿里巴巴开发的自然语言到SQL转换框架,利用多生成器集成策略、提示工程和监督微调技术生成高质量SQL查询。它支持多种数据库类型,具备强大的数据库结构解析能力和错误纠正功能,适用于数据查询简化、数据分析、智能助手及教育等多个领域。

MiniMates

MiniMates是一款轻量级数字人驱动算法,支持语音和表情驱动,可在普通电脑上实现高效实时运行。其核心功能包括单图驱动、实时性能优化及跨平台兼容性,同时通过oarse-to-fine架构和显式UV map技术提升了数字人表情和动作的真实度。MiniMates可应用于虚拟主播、在线教育、客户服务、虚拟助手及游戏娱乐等多个领域,为用户提供灵活且高效的数字人解决方案。

Playground v3

Playground v3是一款基于大型语言模型(LLM)的文本到图像生成工具,具备240亿参数量的潜扩散架构(LDM),能够精准理解和生成复杂的图像内容,支持RGB颜色控制和多语言文本生成。其核心功能包括文本到图像生成、图形设计、RGB颜色控制和多语言支持,广泛应用于设计、内容创作、游戏开发、广告等多个领域。

ComfyUI客户端

ComfyUI客户端是一款专为图像生成与处理设计的桌面应用程序,支持Windows和Mac系统。它具备一键安装、自动更新及预配置Python环境等功能,可帮助用户快速搭建AI生图流程。软件提供丰富的节点连接选项,支持图像生成、编辑、修复以及虚拟现实场景构建等多样化应用场景,适用于艺术家、设计师及医学影像专家等领域。

LOKI

LOKI是一个由中山大学与上海AI实验室联合推出的合成数据检测基准,用于评估大型多模态模型在识别视频、图像、3D模型、文本及音频等多模态合成数据方面的性能。它包含超过18,000个问题,涵盖26个子类别,支持多层次标注和细粒度异常注释,并通过自然语言解释增强模型的可解释性。LOKI还通过对比多种开源和闭源模型的表现,揭示了这些模型在合成数据检测任务中的优势与不足。

GPDiT

GPDiT是一种由多所高校和企业联合开发的视频生成模型,结合了扩散模型与自回归模型的优势,具备高质量视频生成、视频表示学习、少样本学习和多任务处理能力。其核心技术包括轻量级因果注意力机制和无参数的旋转基时间条件策略,提升了生成效率与质量。该模型适用于视频创作、编辑、内容理解及创意生成等多种应用场景。