深度学习

1. 首页
2. 深度学习

PaliGemma 2 mix

PaliGemma 2 Mix 是谷歌 DeepMind 推出的多任务视觉语言模型，支持图像描述、目标检测、OCR、文档理解等功能。模型提供多种参数规模和分辨率选项，适用于不同场景。其基于开源框架开发，易于扩展，可通过简单提示切换任务。适用于科学问题解答、文档分析、电商内容生成等多个领域。

AI项目与工具 2025年06月12日 23 点赞 0 评论 675 浏览

生数

生数以其创新的多模态大模型和深度生成式算法研究，为艺术设计、游戏制作、影视后期和内容社交等领域提供了强大的技术支持和解决方案。

创作工具 2026年08月08日 0 点赞 0 评论 676 浏览

ElevenLabs

ElevenLabs 是一个为内容创作者和出版商提供功能强大且用途广泛的 AI 语音软件的平台。它允许用户使用其先进的多用途 AI 语音工具以任何语音和风格生成高质量的口语音频。

Ai语音工具 2025年06月05日 12 点赞 0 评论 677 浏览

Rope

Rope是一款基于深度学习的开源AI换脸工具，利用insightface的inswapper_128模型提供直观的图形界面，支持图片和视频换脸。它具备强大的遮罩功能和参数调节选项，支持超分辨率算法，广泛应用于影视制作、游戏开发、虚拟现实等领域。

AI项目与工具 2025年06月12日 55 点赞 0 评论 679 浏览

Higgsfield

Higgsfield是一款基于AI的视频生成平台，能够将文本提示转化为高质量视频内容，支持多种风格如现实主义、赛博朋克等。具备电影级相机控制、深度定制、资源管理等功能，适用于社交媒体、广告及电影制作领域，提升创作效率与质量。

AI项目与工具 2025年06月12日 86 点赞 0 评论 682 浏览

疯语咒AI

疯语咒AI是AI技术和教育的先行者，提供海量免费的AI学习材料。

Ai学习资源 2025年06月05日 21 点赞 0 评论 688 浏览

Midjourney V7

Midjourney V7 是一款基于深度学习的 AI 图像生成工具，具备草稿模式、语音交互、实时编辑等功能，显著提升生成速度与图像质量。其支持个性化配置，可根据用户偏好优化输出结果，适用于艺术、设计、娱乐等多个领域。系统采用先进神经网络技术，实现文本到图像的精准转换，并提供多种运行模式以满足不同需求。

AI项目与工具 2025年06月12日 96 点赞 0 评论 689 浏览

SynCD

SynCD是由卡内基梅隆大学与Meta联合开发的高质量合成训练数据集，用于提升文本到图像模型的定制化能力。它通过生成同一对象在不同视角、光照和背景下的图像，结合共享注意力机制和3D资产引导，确保对象一致性。该数据集支持无调优模型训练，提升图像质量和身份保持能力，广泛应用于个性化内容生成、创意设计、虚拟场景构建等领域。

AI项目与工具 2025年06月12日 92 点赞 0 评论 691 浏览

RLCM

RLCM是由康奈尔大学开发的一种基于强化学习的文本到图像生成框架，通过微调一致性模型以适应特定任务的奖励函数，显著提升生成效率与图像质量。其核心技术包括强化学习、策略梯度优化及任务导向的奖励机制，适用于艺术创作、数据集扩展、图像修复等多个领域，具有高效的推理能力和对复杂任务的适应性。

AI项目与工具 2025年06月12日 69 点赞 0 评论 691 浏览

Manga Image Translator

Manga Image Translator 是一个开源的漫画图片文字翻译工具，基于 OCR 和机器翻译技术，实现对漫画和图片中文字的自动识别与翻译。它支持多语言翻译，包括日文、中文、英文和韩文，并具备图像合成能力，保持原图风格。工具提供批量处理和在线/离线翻译功能，适用于漫画爱好者、语言学习者以及出版商等用户群体。

AI项目与工具 2025年06月12日 16 点赞 0 评论 693 浏览