模型

1. 首页
2. 模型

LLaVA

LLaVA-OneVision是字节跳动开发的开源多模态AI模型，主要功能包括多模态理解、任务迁移、跨场景能力、开源贡献及高性能。该模型采用多模态架构，集成了视觉和语言信息，通过Siglip视觉编码器和Qwen-2语言模型，实现高效特征映射和任务迁移学习。广泛应用于图像和视频分析、内容创作辅助、聊天机器人、教育和培训以及安全监控等领域。

AI项目与工具 2025年06月12日 34 点赞 0 评论 959 浏览

Ultravox

Ultravox 是一种多模态大型语言模型（LLM），能够直接处理文本和语音输入，无需额外的语音识别步骤。其核心技术包括多模态投影器，用于将音频数据转换为高维空间表示，显著提升语音理解和处理效率。该模型支持实时语音对话、多语言扩展及领域特定知识的学习，适用于智能客服、虚拟助手、语言学习、实时翻译及教育等领域。

AI项目与工具 2025年06月12日 51 点赞 0 评论 959 浏览

Aisou.ai

Aisou.ai是一款基于大语言模型和检索增强生成技术的智能问答平台，专注于商业信息的高效查询与分析。它支持自然语言提问，提供精准的商业数据分析、实时资讯、竞争对手研究及市场趋势对比等功能，适用于市场分析、投资决策和企业信息查询等多种应用场景。

AI项目与工具 2025年06月12日 47 点赞 0 评论 960 浏览

MathModelAgent

MathModelAgent 是一款基于多智能体协作的数学建模工具，支持自动建模、代码编写、结果验证和论文生成。内置本地代码解释器，兼容多种大语言模型，适用于竞赛、科研、教学等场景，具备高效率与低成本优势。

AI项目与工具 2025年06月11日 81 点赞 0 评论 960 浏览

HumanOmni

HumanOmni 是一款面向人类中心场景的多模态大模型，融合视觉与听觉信息，具备情感识别、面部描述、语音理解等功能。基于大量视频与指令数据训练，采用动态权重调整机制，支持多模态交互与场景理解。适用于影视分析、教育、广告及内容创作等领域，具备良好的可扩展性和灵活性。

AI项目与工具 2025年06月12日 92 点赞 0 评论 960 浏览

OSUM

OSUM是一款由西北工业大学研发的开源语音理解模型，结合Whisper编码器与Qwen2 LLM，支持语音识别、情感分析、说话者性别分类等多种任务。采用“ASR+X”多任务训练策略，提升模型泛化能力和稳定性。基于约5万小时语音数据训练，性能优异，适用于智能客服、教育、心理健康监测等多个领域。

AI项目与工具 2025年06月12日 46 点赞 0 评论 961 浏览

Bolt3D

Bolt3D是由谷歌研究院、牛津大学VGG团队与谷歌DeepMind联合开发的3D场景生成技术，基于潜在扩散模型，能在单块GPU上仅需6.25秒生成高质量3D场景。支持多视角输入，具备良好泛化能力，采用高斯溅射技术实现高保真表示，并支持实时交互。适用于游戏开发、VR/AR、建筑设计和影视制作等领域。

AI项目与工具 2025年06月12日 47 点赞 0 评论 961 浏览

AI城市

AI城市，集合了国内外数千款AI工具，覆盖了多个领域，可以根据自己的需求和体验选择适合自己的工具。

Ai学习资源 2025年06月05日 93 点赞 0 评论 961 浏览

SumBuddy

一款浏览器AI阅读助手，能快速总结网页内容并基于此进行对话。你还可以使用自己的AI模型，打造真正属于你的浏览器AI助手。

Ai办公效率 2025年06月05日 81 点赞 0 评论 962 浏览

LVCD

LVCD是一款基于视频扩散模型的AI工具，专门用于动画视频线稿的自动上色。它通过参考注意力机制和创新的采样方法，确保视频颜色的一致性和时间连贯性，支持生成长时间序列动画。LVCD广泛应用于动漫制作、游戏开发、影视行业以及艺术创作等领域，显著提升动画制作效率。

AI项目与工具 2025年06月12日 98 点赞 0 评论 962 浏览