开源模型

LTX-Video，基于 DiT 的视频生成模型，可以生成 24×768 分辨率的 512 FPS 视频

让我们看看演示视频吧！ LTX-Video，基于 DiT 的视频生成模型，可以生...

Marco-o1，阿里巴巴推出的面向开放式解决方案的开放推理模型

Marco-o1，阿里巴巴推出的面向开放式解决方案的开放推理模型，Marco-o...

AIMv2，Apple发布的多模态自回归目标进行预训练视觉模型

AIMv2，Apple发布的多模态自回归目标进行预训练视觉模型，在大多数多模态理...

SD3.5-Large-IP-Adapter，适配SD3.5 Large的IP-Adapter

前几天我们更新过Flux的IP-Adapter，现在适配SD3.5 Large的...

Pixtral Large，Mistral新推出的开源多模态模型，支持128K上下文，可以处理至少30张高分辨率图像

Pixtral Large，Mistral新推出的开源多模态模型，支持128K上...

LLaVA-o1，能够自发、系统推理的视觉语言模型，类似于 GPT-o1

LLaVA-o1，能够自发、系统推理的视觉语言模型，类似于 GPT-o1. 11...

SeedEdit，字节跳动推出的图片编辑模型，根据任何文本提示修改图像

让我们看看演示视频吧！ SeedEdit，字节跳动推出的图片编辑模型，根据任何文...

Ultravox，开源多模态实时语音模型，可接收音频并发出流文本

让我们看看演示视频吧！ Ultravox 是一种新型的多模态 LLM，它可以理解...

Pyramid Flow，开源的AI视频模型，最长可生成10秒视频

让我们看看演示视频吧！ Pyramid Flow，开源的AI视频模型，可生成76...

Edify3D，英伟达推出的3D模型，可在两分钟内生成详细的、可用于生产的 3D 资源

Edify3D，英伟达推出的3D模型，可在两分钟内生成详细的、可用于生产的 3D...

JanusFlow，DeepSeek开源的实现统一的多模态理解和生成，可以同时处理图像理解和生成任务

JanusFlow，DeepSeek开源的实现统一的多模态理解和生成，可以同时处...

Fashion-VDM，谷歌推出的生成虚拟试穿的视频扩散模型

让我们看看演示视频吧！ Fashion-VDM，谷歌推出的生成虚拟试穿的视频扩散...