开源模型

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...

TryOffAnyone，与AI试衣相反的模型，从人物身上提取所穿的衣服

TryOffAnyone，与AI试衣相反的模型，从人物身上提取所穿的衣服。 Gi...

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...

HuatuoGPT-o1，基于LLaMA 3和Qwen 2.5医疗领域的思维模型

HuatuoGPT-o1，基于LLaMA 3和Qwen 2.5医疗领域的思维模型...

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...

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...

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...

ColorFlow，利用上下文信息在图像序列着色中实现精细 ID 保留的模型

ColorFlow，利用上下文信息在图像序列着色中实现精细 ID 保留的模型。 ...

Sketch2Sound，Adobe推出生成式音频模型，通过时变信号和声音模拟产生可控的音频

让我们看看演示视频吧！ Sketch2Sound，Adobe推出生成式音频模型，...

Ruyi，开源的图生视频模型，能够生成 768 分辨率、每秒 24 帧总计 5 秒 120 帧的影视级视频

让我们看看演示视频吧！ Ruyi，开源的图生视频模型，能够生成 768 分辨率、...