AI项目库 | 第 5 页 | 柒柒AI导航

UniDisc：卡内基梅隆大学推出的多模态生成模型

UniDisc简介 UniDisc（Unified Multimodal Discrete Diffusion）是由卡内基梅隆大学团队提出的一种新型多模态生成模型。它基于离散扩散模型框架，能够同时理...

3-5.多模态模型

2周前

AnimeGamer简介 AnimeGamer是由腾讯PCG ARC实验室和香港城市大学联合开发的无限动漫生活模拟系统。该系统基于多模态大语言模型（MLLM），允许玩家通过开放式...

2-3.应用工具视频

2周前

Krillin AI 简介 Krillin AI 是一款开源的全能型音视频本地化与增强工具。它支持音视频翻译、配音和语音克隆，能够一键启动，自动安装依赖，无需复杂配置。它...

2-4.应用工具音频

2周前

VoiceCanvas简介 VoiceCanvas 是一款开源的文本转语音系统，支持超过 50 种语言和多种音色选择，还具备声音克隆功能。它集成多种语音服务，如 OpenAI TTS、AW...

2-4.应用工具音频

2周前

BabelDOC 简介 BabelDOC 是一个开源的 PDF 科学论文翻译工具，旨在帮助用户高效翻译和对比学术文档。它提供在线服务和自部署选项，支持沉浸式翻译，每月免费...

2-1.应用工具文本

2周前

Llama 4 简介 Llama 4是由Meta开发的开源多模态AI模型系列。该系列包括Scout、Maverick和Behemoth三个版本。其中，Scout拥有170亿活跃参数和16个专家，总参数...

1-2.大模型&国外

2周前

OmniTalker简介 OmniTalker是由阿里巴巴集团通义实验室开发的一款实时文本驱动的说话头像生成框架。它通过创新的双分支扩散变换器架构和跨模态注意力机制，能...

2-2.应用工具图像

2周前

Mini DALL·E 3简介 Mini DALL·E 3是由北京理工大学、上海人工智能实验室、清华大学和香港中文大学联合开发的交互式文本到图像生成模型。它通过自然语言与用户...

2-2.应用工具图像

3周前

Lumina-mGPT 2.0 简介 Lumina-mGPT 2.0 是一款独立的自回归图像生成模型。它从零开始训练，能够统一多种图像生成任务，包括文本到图像生成、图像对生成、主体...

2-2.应用工具图像

3周前

DreamActor-M1简介 DreamActor-M1是由字节跳动智能创作团队开发的一款人类图像动画框架。该框架基于扩散变换器（DiT），通过混合引导信号实现了整体性、表现...

2-2.应用工具图像

3周前