开源模型

关于AI的开源的模型

Moshi，开源的实时对话的语音-文本端对端模型

Moshi 是一个语音文本基础模型和全双工口语对话框架。它使用 Mimi，这是一...

GOT-OCR2.0，阶跃星辰联合推出的端到端的OCR模型

GOT-OCR2.0，阶跃星辰联合推出的端到端的OCR模型，除了常规文本识别任务...

CogVideoX-5B-I2V，输入图像作为背景并结合提示生成视频，开源的图像到视频模型

让我们先来看看生成的视频吧！ CogVideoX-5B-I2V，输入图像作为背景...

语言模型 Qwen2.5，编程模型Qwen2.5-Coder、数学模型 Qwen2.5-Math，全部开源

最新发布包括了语言模型 Qwen2.5，以及专门针对编程的 Qwen2.5-Co...

OmniGen，自带ControlNet和IPAdapter功能的AI绘图模型

OmniGen，自带ControlNet和IPAdapter功能的AI绘图模型，...

Pixtral 12B，Mistral推出的第一个多模态开源模型

Pixtral 12B是Mistral推出的第一个多模态开源模型。原生多模态，使...

Open-MAGVIT2，开源的自回归Transformer图片生成模型

Open-MAGVIT2，这是一系列从 300M 到 1.5B 的自回归图像生成...

XVERSE-MoE-A36B，元象XVERSE开源MoE模型，免费商用

XVERSE-MoE-A36B 是由深圳元象科技自主研发的支持多语言的...

FLUX-Controlnet-Inpainting，阿里巴巴发布的基于Flux的局部编辑ControlNet

FLUX-Controlnet-Inpainting，阿里巴巴发布的基于Flux...

GameGen-O，腾讯推出的生成开放世界视频游戏的DiT模型

让我们看看官方演示视频吧！ GameGen-O，腾讯推出的生成开放世界视频游戏的...

LLaMA-Omni，与大型语言模型的无缝语音交互，实现GPT-4o级别的语音能力

让我们看看官方演示视频吧！ LLaMA-Omni是基于Llama-3.1-8B-...

Vchitect 2.0，书生蒲语团队发布DiT视频模型书生·筑梦，支持生成20秒长度的视频

让我们看看官方演示视频吧！ Vchitect 2.0，书生蒲语团队发布DiT视频...