AI开源

YuLan-Mini，完全开源的轻量级的语言模型，24亿个参数

YuLan-Mini，完全开源的轻量级的语言模型，24亿个参数，该模型尤其擅长数...

StereoCrafter，腾讯开源的基于扩散视频模型将2D视频转成3D视频

让我们看看演示视频吧！ StereoCrafter，腾讯开源的基于扩散视频模型将...

VidTok，微软开源的视频分词器，类似LLM中的Tokenizers

让我们看看演示视频吧！ VidTok，微软开源的视频分词器，类似LLM中的Tok...

CogAgent，智谱开源的GUI Agent，基于GLM-4V-9B，可以实现自主屏幕操作

让我们看看演示视频吧！ CogAgent，智谱开源的GUI Agent，基于GL...

DiTCtrl，腾讯推出的多提示长视频生成，具有良好的时间一致性和强大的跟随能力

让我们看看演示视频吧！ DiTCtrl，腾讯推出的多提示长视频生成，具有良好的时...

DeepSeek 开源 DeepSeek V3版本，采用 685B 参数的 MoE 架构，在 aider 多语言编程测评超过了 Claude 3.5 sonnet

DeepSeek 开源 DeepSeek V3版本，采用 685B 参数的 Mo...

QVQ-72B-Preview，Qwen开源的视觉推理模型

QVQ-72B-Preview，Qwen开源的视觉推理模型，基于Qwen 2-V...

MegaSaM，谷歌推出的从随意的动态视频中获得准确、快速的结构和运动

让我们看看演示视频吧！ MegaSaM，谷歌推出的从随意的动态视频中获得准确、快...

VideoVAEPlus，基于跨模态视频VAE重建大运动视频

让我们看看演示视频吧！ VideoVAEPlus，基于跨模态视频VAE重建大运动...

InvSR，基于Diffusion反推提高图像分辨率

InvSR，基于Diffusion反推提高图像分辨率，可以处理大图像，例如，1 ...

DisPose，用于可控人体图像动画的姿势引导，类似于阿里的AnimateAnyone

让我们看看演示视频吧！ DisPose，用于可控人体图像动画的姿势引导，类似于阿...

INFP，字节跳动推出音频驱动的交互式头部生成，可以实现两个数字人实时语音交流

让我们看看演示视频吧！ INFP，字节跳动推出音频驱动的交互式头部生成，可以实现...