模型
  1. 首页
  2. 模型

列表

Valley

Valley

Valley是一款由字节跳动开发的多模态大语言模型，擅长处理文本、图像和视频数据，广泛应用于内容分析、图像和视频描述、电子商务及短视频平台等领域。其Eagle版本通过引入VisionEncoder增强了模型性能，支持灵活调整令牌数量，实现了更高效的多模态数据处理。Valley在多项基准测试中表现出色，尤其在参数规模较小的情况下依然保持优异的成绩。
AI项目与工具 2025年06月12日
Motion Prompting

Motion Prompting

Motion Prompting 是一种利用点轨迹表示的视频生成技术，支持对象控制、相机控制及物理现象模拟等功能。它通过将用户输入转化为详细的运动轨迹，结合预训练的视频扩散模型与控制网络，在保持灵活性的同时提高生成质量。这项技术广泛应用于电影制作、游戏开发、虚拟现实等领域，为用户提供了强大的交互式视频生成工具。 ---
AI项目与工具 2025年06月12日
Co

Co

Co-op Translator是一款基于Azure AI服务的开源多语言翻译工具，支持Markdown文件及图像文本的自动化翻译。它采用先进的大型语言模型（LLM）技术，确保翻译质量的同时保持语义准确性和上下文连贯性。该工具可无缝集成到现有项目中，帮助简化本地化流程，适用于开源项目文档、软件开发、技术博客、教育材料以及企业内部文档等多种应用场景。
AI项目与工具 2025年06月12日
NMT

NMT

NMT是一种由UC Berkeley和阿里巴巴联合开发的多任务学习框架，通过将多任务优化问题转化为约束优化问题，实现高优先级任务性能的保障。它基于拉格朗日乘数法，结合梯度下降与上升算法，简化了超参数调整流程，提高了模型训练效率和稳定性。NMT适用于推荐系统、搜索引擎、自然语言处理和金融风控等多个领域，具有良好的兼容性和扩展性。
AI项目与工具 2025年06月12日
交小智

交小智

交小智是西安交通大学推出的AI应用平台，支持用户零代码创建智能体，适用于教学、科研和校园生活等多种场景。平台集成多种大模型，具备知识库管理、插件扩展、API接口等功能，可定制问答机器人、科研助手、校园服务工具等。用户可发布智能体并与其他系统集成，提升工作效率与服务体验。
AI项目与工具 2025年06月12日
XGrammar

XGrammar

XGrammar 是一款由陈天奇团队开发的开源工具，旨在为大型语言模型提供高效的结构化数据生成能力。它基于上下文无关语法（CFG），支持生成 JSON 和 SQL 等格式的复杂数据结构，具备字节级下推自动机优化、自适应 token 掩码缓存以及上下文扩展等功能，能够显著提升生成效率并减少延迟，适用于编程语言辅助、数据库操作、自然语言处理、Web 开发等多个领域。
AI项目与工具 2025年06月12日
TIGER

TIGER

TIGER是由清华大学研发的轻量级语音分离模型，采用时频交叉建模策略与多尺度注意力机制，有效提升语音分离性能，同时显著降低计算和参数开销。模型通过频带切分优化资源利用，适应复杂声学环境，广泛应用于会议记录、视频剪辑、电影音频处理及智能语音助手等领域。
AI项目与工具 2025年06月12日
UNO

UNO

UNO是字节跳动推出的AI图像生成框架，支持单主体和多主体图像生成，解决多主体一致性难题。采用扩散变换器和渐进式跨模态对齐技术，结合通用旋转位置嵌入（UnoPE），实现高一致性与可控性。适用于虚拟试穿、产品设计、创意设计等多个领域，具备强大泛化能力，已开源并提供完整技术文档。
AI项目与工具 2025年06月11日
Gemini Robotics

Gemini Robotics

Gemini Robotics 是谷歌 DeepMind 基于 Gemini 2.0 开发的机器人系统，融合视觉-语言-动作模型，支持复杂任务执行与环境适应。具备三维空间理解、物体检测、轨迹预测和开放词汇指令执行能力，适用于工业制造、物流仓储、家庭服务、医疗健康等多个领域。系统通过数据驱动训练，结合真实操作与多模态信息，实现高效、灵活的机器人控制。
AI项目与工具 2025年06月12日
SigLIP 2

SigLIP 2

SigLIP 2 是 Google DeepMind 开发的多语言视觉-语言模型，具有强大的图像与文本对齐能力。它支持多种语言输入，具备零样本分类、图像-文本检索等功能，并通过 Sigmoid 损失函数和自监督学习技术提升训练效率与模型性能。其支持多种分辨率的变体，适用于文档理解、视觉问答及开放词汇任务。该模型基于 Vision Transformer 架构，具备良好的兼容性。
AI项目与工具 2025年06月12日