归档

搜索到 526 个与 "开源" 相关的结果

moondream，开源的视觉语言模型，2B大小，具有20亿个参数，性能接近QWen2-VL 2B

moondream，开源的视觉语言模型，2B大小，具有20亿个参数，性能接近QW...

FitDiT，开源的AI虚拟试穿，支持选择换上半身、下半身还是整套

FitDiT，开源的AI虚拟试穿，支持选择换上半身、下半身还是整套。 Githu...

Hallo3，百度开源的Hallo的第三个版本，输入音频和角色图片，可以生成该角色讲对应语音的视频，嘴型与语音匹配，有表情，有头部动作

让我们看看演示视频吧！ Hallo3，百度开源的Hallo的第三个版本，输入音频...

TACO，开源的多模态动作模型，通过调用外部工具执行中间步骤，然后整合思想和行动输出以产生连贯的响应

让我们看看演示视频吧！ TACO，开源的多模态动作模型，在推理过程中，TACO产...

Gemini-Search，开源的基于Gemini API的AI搜索工具

Gemini-Search，开源的基于Gemini API的AI搜索工具，通过实...

MiniPerplx，开源的AI搜索引擎，支持网页搜索、油管视频搜索、学术论文搜索，以及X搜索

让我们看看演示视频吧！ MiniPerplx，开源的AI搜索引擎，支持网页搜索、...

Cosmos，英特尔开源的世界模型，旨在加速自动驾驶汽车（AV）和机器人等物理AI系统的开发

让我们看看演示视频吧！ Cosmos，英特尔开源的世界模型，旨在加速自动驾驶汽车...

VITA-1.5，开源的实时视觉和语音交互，支持英文和中文

让我们看看演示视频吧！ VITA-1.5，开源的实时视觉和语音交互，支持英文和中...

LatentSync，字节跳动开源的端到端的嘴唇型同步模型

让我们看看演示视频吧！ LatentSync，字节跳动开源的端到端的嘴唇型同步模...

TangoFlux，开源的文本转音频生成模型，在A40 GPU上可以 3 秒内生成长达 30 秒的 44.1kHz 立体声音频

TangoFlux，开源的文本转音频生成模型，在A40 GPU上可以 3 秒内生...

Aria-UI，Rhymes AI与香港大学开源的基于纯视觉的GUI多模态模型

让我们看看演示视频吧！ Aria-UI，Rhymes AI与香港大学开源的基于纯...

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...