AI开源

开源模型开源项目

Parler-TTS，完全开源的文本转语音（TTS）模型

让我们看看官方演示视频吧！ Parler-TTS 是一种轻量级文本转语音（TT...

开源项目部署

大模型本地部署电脑配置不足，我们该如何选择云端部署？

不管是语言大模型，还是图像大模型，目前开源的有很多，但是我们会遇到部署的难题，本...

ml-mdm，苹果开源的图像生成模型

ml_mdm 是一个用于高分辨率图像和视频合成的端到端框架，它以我们的技术命名：...

Qwen2-Math，阿里发布的数学专用大模型

Qwen2-Math 是一系列基于 Qwen2 的专用数学语言模型LLMs，其性...

AvatarPose，通过视频还原人物动作，支持拥抱等人物密切接触的场景

让我们看看官方演示视频吧！ AvatarPose，这是一种从多视图视频中估计多个...

PanoFree，多视图图像生成，支持生成长图、360度图、天空盒图

让我们看看官方演示视频吧！ PanoFree方法概述，以360°全景生成为例。 ...

MiniCPM-V 2.6，面壁开源端侧GPT-4V 级单图、多图、视频多模态大模型

让我们看看官方演示视频吧！ MiniCPM-V 2.6 是 MiniCPM-V ...

开源模型开源项目

Lumina-mGPT，图片多模态模型，能生成图片、能识别图片并基于图片内容进行多轮对话

Lumina-mGPT是一系列多模态自回归模型，能够执行各种视觉和语言任务，尤其...

开源模型开源项目

CogVideo，智谱开源的DiT模型，清影同源视频生成模型

让我们看看官方演示视频吧！智谱开源 CogVideoX 系列视频生成模型的第一...

ControlMM，支持输入文字、语音、音乐，生成与内容相匹配的全身动作，多模态输入生成全身动作

让我们看看官方演示视频吧！全身多模态运动生成由文本、语音或音乐控制，具有许多应...

Tora，开源的可以控制物体运动轨迹的DiT框架

让我们看看官方演示视频吧！ Tora，这是第一个面向轨迹的 DiT 框架，该框...

Stable Fast 3D，在0.5秒内将一张图片变成3D模型

让我们看看官方演示视频吧！ Stable Fast 3D （SF3D）是Stab...