AI开源

NVLM-D-72B，英伟达开源的多模态模型，支持图片和文字输入、文字输出

NVLM-D-72B是英伟达开源的多模态模型，72B参数，支持图片和文字输入、文...

MiKaPo，基于Web的动作捕捉工具，可以实时捕捉视频中人物动作

MiKaPo，基于Web的动作捕捉工具，可以实时捕捉视频中人物动作，实时把视频中...

CogView3，智谱开源的文本生成图像模型，推理时间仅为 SDXL 1/10

CogView3 是一种新颖的文本生成图像系统，采用了接力扩散的方式，将生成高分...

Open NotebookLM，开源的NotebookLM，使用开源 LLMs 和文本转语音模型将PDF转成播客

让我们看看演示视频吧！ Open NotebookLM，开源的NotebookL...

JoyHallo，京东开源的普通话数字人项目，从效果看唇形表达流畅自然

让我们看看演示视频吧！ JoyHallo，京东开源的普通话数字人项目，从效果看唇...

ProtoMotions，英伟达开源的基于物理的角色动画，可以让虚拟角色更真实的动起来

ProtoMotions，英伟达开源的基于物理的角色动画，可以让虚拟角色更真实的...

Emu3，智源研究院开源的多模态大模型，通过预测下一个词或token的方式来理解和生成文本、图像和视频

Emu3，智源研究院开源的多模态大模型，通过预测下一个词或token的方式来理解...

I2VEdit，通过图像到视频扩散模型进行第一帧引导视频编辑

让我们看看演示视频吧！ I2VEdit，通过图像到视频扩散模型进行第一帧引导视频...

EMOVA，原生多模态LLM，具备图片+语音+文本的多模态能力，即完整版GPT-4o的能力

让我们看看演示视频吧！ EMOVA，原生多模态LLM，具备图片+语音+文本的多模...

omni-zero-couples，生成指定风格指定人脸的情侣照

omni-zero-couples，生成指定风格指定人脸的情侣照，提供一张情侣图...

Flux.1-dev ControlNets，新增Upscaler、depth、surface normal三种ControlNet

Flux.1-dev ControlNets，新增Upscaler、depth、...

Molmo，开源的视觉多模态模型，分1B、7B、72B

Molmo，开源的视觉多模态模型，分1B、7B、72B. Molmo 模型 Mo...