归档

搜索到 525 个与 "开源" 相关的结果

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...

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...

MIMO，阿里开源的可控角色视频合成，能够在复杂的运动和物体交互中对任何角色进行动画制作

让我们看看演示视频吧！ MIMO，阿里开源的可控角色视频合成，能够在复杂的运动和...

PDF2Audio，将 PDF 转换为音频播客、讲座、摘要等，NotebookLM的开源替代方案

让我们看看官方演示视频吧！ PDF2Audio，将 PDF 转换为音频播客、讲座...

QA-MDT，开源文本音乐生成，基于扩散模型的文字生成音乐模型

让我们听听演示音频吧！ QA-MDT，开源文本音乐生成，基于扩散模型的文字生成音...

GRIN-MoE，微软开源的混合模型，整体能力与Phi-3.5-MoE接近

GRIN-MoE，微软开源的混合模型，整体能力与Phi-3.5-MoE接近，GR...

StoryMaker，小红书开源的文生图保持一致性解决方案

StoryMaker 是一种个性化解决方案，它不仅可以保持面部的一致性，还可以保...

EzAudio，开源的AI音频生成模型，基于Diffusion Transformer 增强文本到音频的生成

让我们听听演示音频吧！ EzAudio 是一种高级文本到音频（T2A）生成模...