开源模型

whisper v3 turbo，Openai开源的自动语音识别（ASR）和语音翻译模型

Whisper 是一种通用的语音识别模型。它基于各种音频的大型数据集进行训练，也...

Liquid AI 发布LFMs系列模型，新的Liquid架构，非Transformer架构

Liquid AI 发布LFMs系列模型，新的Liquid架构，非Transfo...

NVLM-D-72B，英伟达开源的多模态模型，支持图片和文字输入、文字输出

NVLM-D-72B是英伟达开源的多模态模型，72B参数，支持图片和文字输入、文...

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...

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...

Flux.1-dev ControlNets，新增Upscaler、depth、surface normal三种ControlNet

Flux.1-dev ControlNets，新增Upscaler、depth、...

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...

Meta发布Llama 3.2，适用于边缘设备、视觉模型等的轻量级模型

让我们先看看官方演示视频吧！ Meta发布Llama 3.2，其中包括适合边缘和...

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...

3DTopia-XL，支持文字和图片生成3D模型

让我们看看官方演示视频吧！ 3DTopia-XL 是一种 3D 扩散变压器（D...

KoolCogVideoX，基于CogVideoX微调，专门生成室内装修效果的视频模型

让我们看看演示视频吧！ KoolCogVideoX是基于CogVideoX微调，...