模型
  1. 首页
  2. 模型

列表

START

START

START是由阿里巴巴集团与中科大联合研发的工具增强型推理模型，通过集成外部工具（如Python代码执行器）提升大型语言模型的推理能力。其核心在于“Hint-infer”和“Hint-RFT”技术，结合长链推理与工具调用，显著提高复杂数学、科学问题及编程任务的准确性和效率。该模型具备自我调试、多策略探索和自学习能力，适用于科研、教育、编程等多个领域，是首个开源的长链推理与工具集成模型。
AI项目与工具 2025年06月12日
AIGC电商解决方案 | @未来力场

AIGC电商解决方案 | @未来力场

生成式 AI 在跨境电商业务流程里能转化为生产力的环节和对应的解决方案有几种分类：按对人力的替换分类，按通用工具分类，按电商场景，按生成对象。
电商运营 2025年06月05日
Playmate

Playmate

Playmate是由广州趣丸科技开发的人脸动画生成框架，基于3D隐式空间引导扩散模型和双阶段训练框架，能够根据音频和指令精准控制人物表情和头部姿态，生成高质量动态肖像视频。其支持情感控制、姿态控制和独立控制，可生成多种风格的动态肖像，适用于影视制作、游戏开发、虚拟现实、互动媒体及教育等多个领域。
AI项目与工具 2025年06月11日
光语大模型

光语大模型

无限光年公司发布的一款结合大语言模型与符号推理的AI大模型，光语大模型目的是解决大模型在行业应用中的幻觉问题，提高了模型的可信度和专业性。
Ai平台模型 2025年06月05日
InspireMusic

InspireMusic

InspireMusic是由阿里巴巴通义实验室开发的AI音乐生成工具，支持通过文字描述或音频提示生成多种风格的音乐作品。其核心技术包括音频 tokenizer、自回归 Transformer 模型、扩散模型（CFM）和 Vocoder，实现文本到音乐的转换、音乐续写及高质量音频输出。该工具支持长音频生成、多种采样率，并提供快速与高音质两种推理模式，适用于音乐创作、音频处理及个性化音乐生成等场景。
AI项目与工具 2025年06月12日
Moshi

Moshi

Moshi是一款由法国Kyutai实验室开发的端到端实时音频多模态AI模型，具备听、说、看的能力，并能模拟70种不同的情绪和风格进行交流。Moshi具有多模态交互、情绪和风格表达、实时响应低延迟、语音理解与生成、文本和音频混合预训练以及本地设备运行等特点。它支持英语和法语，主要应用于虚拟助手、客户服务、语言学习、内容创作、辅助残障人士、研究和开发、娱乐和游戏等领域。
AI项目与工具 2025年06月12日
Lobe Vidol

Lobe Vidol

Lobe Vidol是一个开源的数字人创作平台，支持用户轻松创建和定制虚拟偶像。它具备流畅的对话交互、背景设定、动作库、角色编辑功能，还支持MMD舞蹈和PMX舞台加载。通过TTS与STT技术，Lobe Vidol实现了语音与文本的双向转换，提供沉浸式用户体验。 ---
AI项目与工具 2025年06月12日
PixArt

PixArt

PixArt-Σ是一款基于扩散Transformer架构（DiT）的文本生成图像模型，专为生成高达4K分辨率的高质量图像而设计。该模型通过整合高级元素并采用从弱到强的训练方法，不仅提升了生成图像的保真度，还增强了图像与文本提示之间的对齐效果。PixArt-Σ的生成图像在美学质量上可媲美当前顶级的文本到图像产品，并且在遵循文本提示方面表现出色。主要功能包括4K分辨率图像生成、高保真转换、高效率训练和
AI项目与工具 2024年01月01日
Edicho

Edicho

Edicho 是一种基于扩散模型的图像编辑工具，能够在多图像间实现一致性编辑，无需额外训练。其核心技术包括 Corr-Attention 注意力模块和 Corr-CFG 去噪策略，通过显式图像对应关系提升编辑质量与一致性。适用于图像修复、风格转换、内容创作、医学影像增强等场景，具备良好的兼容性与扩展性。
AI项目与工具 2025年06月12日
DAM

DAM

DAM-3B是英伟达开发的多模态大语言模型，专用于图像和视频中特定区域的详细描述。支持点、边界框、涂鸦或掩码等方式指定目标区域，生成精准文本描述。其核心技术包括焦点提示与局部视觉骨干网络，有效融合全局与局部特征。DAM-3B-Video版本扩展至视频处理，适用于动态场景。模型基于Transformer架构，支持多模态输入，广泛应用于内容创作、智能交互及无障碍工具等领域。
AI项目与工具 2025年06月11日