模型
  1. 首页
  2. 模型

列表

iDP3

iDP3

iDP3是一种基于自我中心3D视觉表征的改进型人形机器人运动策略，由斯坦福大学等机构联合开发。它摒弃了对精确相机校准和点云分割的需求，具备出色的视图、对象及场景泛化能力，可高效适应未知环境。此外，其优化的视觉编码器和扩散模型进一步提高了学习和推理性能，在家庭、工业、医疗、搜救及教育等领域具有广泛应用潜力。
AI项目与工具 2025年06月12日
Step R

Step R

Step R-mini是一款由阶跃星辰推出的推理模型，具备主动规划、尝试与反思能力，适用于数学、逻辑推理、代码开发及文学创作等多种场景。模型基于慢思考机制，支持深度推理与多步骤验证，表现优异。其技术特点包括强化学习、数据质量优化、测试时计算扩展及模型规模增长，实现文理兼修，广泛应用于教育、科研、企业办公等领域。
AI项目与工具 2025年06月12日
Gemini 2.0

Gemini 2.0

Gemini 2.0 是谷歌推出的原生多模态AI模型，具备快速处理文本、音频和图像的能力，支持多语言输出和实时音视频流输入。通过Agent技术和工具调用，Gemini 2.0 能够自主理解任务并提供解决方案，已在编程、数据分析、游戏等领域展示应用潜力。目前提供免费试用，计划逐步开放更多功能。
AI项目与工具 2025年06月12日
DistriFusion

DistriFusion

DistriFusion是一个专为加速高分辨率扩散模型在多GPU环境中生成图像的分布式并行推理框架。通过将图像分割成多个小块并分配至不同设备上进行独立处理，它能够在不增加额外训练负担的情况下，将推理速度提升高达六倍，同时保持图像质量。其技术原理包括Patch Parallelism（分片并行）、异步通信、位移补丁并行性等，适用于多种现有的扩散模型。应用场景包括AI艺术创作、游戏和电影制作、VR/A
AI项目与工具 2025年06月12日
Chatterbox

Chatterbox

Chatterbox是Resemble AI推出的开源文本转语音（TTS）模型，基于0.5B规模的LLaMA架构，用超过50万小时精选音频训练。它支持零样本语音克隆，仅需5秒参考音频即可生成高度逼真的个性化语音，并具备情感夸张控制功能，可调节情绪、语速和语调。Chatterbox还拥有超低延迟的实时语音合成能力，延迟低至200毫秒以下，适用于交互式应用。此外，它采用安全水印技术防止滥用，适用于内容
AI项目与工具 2025年06月11日
xGen

xGen

xGen-MM是一款由Salesforce开发的开源多模态AI模型，具备处理文本和图像等数据类型的能力。该模型通过学习大量图像和文字信息，在视觉语言任务中表现出色，并通过开源模型、数据集和微调代码库促进模型性能的提升。xGen-MM具有多模态理解、大规模数据学习、高性能生成、开源可访问和微调能力等特点。其应用场景广泛，包括图像描述生成、视觉问答、文档理解、内容创作和信息检索等。
AI项目与工具 2025年06月12日
ImageBind

ImageBind

ImageBind是由Meta公司开发的开源多模态AI模型，能够整合文本、音频、视觉、温度和运动数据等多种模态的信息，并将其统一到一个嵌入空间中。该模型通过图像模态实现其他模态数据的隐式对齐，支持跨模态检索和零样本学习。它在增强现实（AR）、虚拟现实（VR）、内容推荐系统、自动标注和元数据生成等领域有广泛应用。
AI项目与工具 2025年06月12日
抖音AI分身

抖音AI分身

抖音AI分身是一款基于豆包大模型算法的AI虚拟分身工具，支持创作者创建与自身风格相似的虚拟形象，用于全天候互动交流。其功能包括AI互动空间、AI群聊、AI私信、AI评论和AI直播，广泛应用于虚拟直播、互动娱乐、内容创作、品牌营销及教育培训等领域，助力创作者高效运营并提升用户体验。
AI项目与工具 2025年06月12日
Mobile

Mobile

Mobile-Agent 是一种具备移动能力的智能代理系统，能够跨设备执行任务并优化资源使用。基于多模态大语言模型和视觉感知技术，支持自动操作、自我规划与反思，适用于多应用协同、跨平台操作及纯视觉交互。其技术架构包含多个智能体协作机制，提升了移动设备任务处理的效率与灵活性。
AI项目与工具 2025年06月12日
LongLLaVA

LongLLaVA

LongLLaVA是由香港中文大学（深圳）研究团队开发的多模态大型语言模型，结合Mamba和Transformer模块，利用2D池化技术压缩图像token，大幅提升处理大规模图像数据的效率。该模型在视频理解、高分辨率图像分析及多模态代理任务中表现优异，特别擅长检索、计数和排序任务。其技术亮点包括渐进式训练策略和混合架构优化，支持多种多模态输入处理，广泛应用于视频分析、医学影像诊断、环境监测等领域。
AI项目与工具 2025年06月12日