模型

1. 首页
2. 模型

Tarsier2

Tarsier2是字节跳动研发的大规模视觉语言模型，擅长生成高精度视频描述并在多项视频理解任务中表现优异。其核心技术包括大规模数据预训练、细粒度时间对齐微调以及直接偏好优化（DPO）。该模型在视频问答、定位、幻觉检测及具身问答等任务中均取得领先成绩，支持多语言处理，具有广泛的应用潜力。

AI项目与工具 2025年06月12日 59 点赞 0 评论 241 浏览

SkyReels Ai

一个由昆仑万维推出的AI短剧平台，集成了视频大模型与3D大模型，能够通过AI一键生成完整剧本、分镜、人物对白与背景音乐，支持角色形象、音色与分镜的自定义调整。

Ai视频生成 2025年06月05日 36 点赞 0 评论 241 浏览

DELIFT

DELIFT是一种针对大型语言模型微调的数据优化算法，通过成对效用度量与次模优化技术，有效减少数据量需求，同时维持甚至提升模型性能。它适用于指令调优、任务特定微调及持续微调三个关键阶段，并具备高计算效率和广泛适用性，广泛应用于数据科学家、研究人员及教育工作者等领域。

AI项目与工具 2025年06月12日 51 点赞 0 评论 241 浏览

Pirate Diffusion

Pirate Diffusion 是一个提供基于云的 AI 图像生成器网站。它允许用户使用各种模型和样式创建逼真和艺术的图像。

Ai绘画生成 2025年06月05日 21 点赞 0 评论 240 浏览

六合AI大模型

六合AI大模型，融合了众多主流语言模型，包括GPT3.5、GPT4.0、文心一言、讯飞星火、Midjourney、LLaMA等一站式AI智能平台。

Ai平台模型 2025年06月05日 31 点赞 0 评论 240 浏览

Aligner

Aligner是由北京大学团队开发的大语言模型对齐工具，通过学习对齐答案与未对齐答案之间的差异来提升模型性能。采用自回归seq2seq结构，在Q-A-C数据集上训练，无需RLHF流程。具备高效、灵活、即插即用等特点，支持多模型兼容，提升模型帮助性和安全性。适用于多轮对话、价值观对齐及MoE架构优化等场景。

AI项目与工具 2025年06月12日 44 点赞 0 评论 240 浏览

Nova Sonic

Nova Sonic是亚马逊推出的生成式AI语音模型，集成语音理解和生成功能，支持多种语言和口音，具备高准确性与自然对话能力。其采用HiFi语音识别技术，平均单词错误率低至4.2%，支持实时信息获取与请求路由，适用于客户服务、教育、医疗、旅游及娱乐等多个领域。该模型具备低延迟和高性价比优势，是当前市场上较为突出的语音处理工具。

AI项目与工具 2025年06月12日 61 点赞 0 评论 239 浏览

PP

PP-DocBee是百度飞桨推出的多模态文档理解模型，基于ViT+MLP+LLM架构，支持文字、表格、图表等多类型文档内容的精准识别与解析。具备高效的推理性能和高质量输出，适用于文档问答、信息提取等场景，支持灵活部署，为文档处理提供智能化解决方案。

AI项目与工具 2025年06月12日 56 点赞 0 评论 239 浏览

Hertz

Hertz-Dev是一款由Standard Intelligence开发的开源音频模型，专注于低延迟实时对话AI。它具备强大的音频生成与处理能力，能够处理和生成高质量的音频信号，并支持多任务微调，适用于语音识别、语音合成等多种应用场景。此外，Hertz-Dev还提供了音频自动编码、流式生成等功能，广泛应用于智能助手、客户服务、语音识别及合成等领域。

AI项目与工具 2025年06月12日 48 点赞 0 评论 239 浏览

Speech Studio

Speech Studio是一套用于构建和集成Azure认知服务语音服务功能到应用程序中的工具。它为创建项目提供了一种无需代码的方法，可以访问诸如实时语音到文本、自定义语音识别模型、发...

Ai语音工具 1970年01月01日 0 点赞 0 评论 239 浏览