混元DiT（Hunyuan-DiT）是由騰訊混元團(tuán)隊(duì)開發(fā)的一款高性能的文本到圖像的擴(kuò)散Transformer模型，具備細(xì)粒度的中英文理解能力，能夠根據(jù)文本提示生成多分辨率的...

Veo是由Google DeepMind開發(fā)的一款視頻生成模型，用戶可以通過文本、圖像或視頻提示來指導(dǎo)其生成所需的視頻內(nèi)容，能夠生成時(shí)長超過一分鐘1080P分辨率的高質(zhì)量...

騰訊元器是騰訊公司在騰訊云生成式AI產(chǎn)業(yè)應(yīng)用峰會(huì)上推出的一款基于其騰訊混元大模型的AI智能體創(chuàng)作與分發(fā)平臺(tái)，可幫助用戶輕松創(chuàng)建和部署智能體，無需編寫代...

CogVLM2是由智譜AI推出的新一代多模態(tài)大模型，在視覺和語言理解方面實(shí)現(xiàn)了顯著的性能提升，支持高達(dá)8K的文本長度和1344*1344分辨率的圖像輸入，具備強(qiáng)大的文...

Universal-1是AI語音初創(chuàng)公司AssemblyAI推出的一款多語言語音識(shí)別和轉(zhuǎn)錄模型，經(jīng)過超過1250萬小時(shí)的多語種音頻數(shù)據(jù)訓(xùn)練，支持英語、西班牙語、法語和德語等。

Stable Assistant是由Stability AI開發(fā)的一款聊天機(jī)器人，集成了最新的文本和圖像生成技術(shù)（Stable Diffusion 3和Stable LM 2 12B ）。該AI對(duì)話工具能夠理解...

Codestral是法國人工智能初創(chuàng)公司Mistral AI推出的一款代碼生成AI模型，專為提高軟件開發(fā)效率而設(shè)計(jì)，支持超過80種編程語言，包括但不限于Python、Java、C、C...

ChatTTS是一款專為對(duì)話場景設(shè)計(jì)的支持中英文的文本轉(zhuǎn)語音（TTS）模型，基于約10萬小時(shí)的中英文數(shù)據(jù)進(jìn)行訓(xùn)練，能夠生成高質(zhì)量、自然流暢的對(duì)話語音。

Seed-TTS是由字節(jié)跳動(dòng)開發(fā)的一系列高級(jí)文本到語音（Text to Speech，TTS）模型，能夠生成與人類語音極為相似的高質(zhì)量語音，具備出色的上下文學(xué)習(xí)能力和自然度。

Qwen2是由阿里云通義千問團(tuán)隊(duì)開源的新一代大語言模型，該系列涵蓋了從0.5B到72B不等的五個(gè)規(guī)模模型，在中文和英文基礎(chǔ)上增加了27種語言的高質(zhì)量數(shù)據(jù)，大幅提...

Follow-Your-Emoji是由香港科技大學(xué)、騰訊混元和清華大學(xué)的研究人員推出的一個(gè)基于擴(kuò)散模型的人像動(dòng)畫框架，利用擴(kuò)散模型為參考肖像添加目標(biāo)表情序列，實(shí)現(xiàn)動(dòng)...

ToonCrafter是由騰訊AI實(shí)驗(yàn)室、香港中文大學(xué)和香港城市大學(xué)的研究人員開源的卡通動(dòng)畫視頻插值工具，突破了傳統(tǒng)卡通動(dòng)畫制作中線性運(yùn)動(dòng)的假設(shè)限制，采用創(chuàng)新的...

MimicBrush是由阿里巴巴、香港大學(xué)和螞蟻集團(tuán)的研究人員推出的AI圖像編輯融合框架，允許用戶通過簡單的操作，在源圖像上指定需要編輯的區(qū)域，并提供一個(gè)包含...

Hallo是由復(fù)旦大學(xué)、百度公司、蘇黎世聯(lián)邦理工學(xué)院和南京大學(xué)的研究人員共同提出的一個(gè)AI對(duì)口型肖像圖像動(dòng)畫技術(shù)，可基于語音音頻輸入來驅(qū)動(dòng)生成逼真且動(dòng)態(tài)的...

Gen-3 Alpha是由AI視頻初創(chuàng)公司Runway最新發(fā)布的新一代AI視頻生成模型，通過大規(guī)模多模態(tài)訓(xùn)練基礎(chǔ)設(shè)施，顯著提升了視頻的保真度、一致性和動(dòng)態(tài)表現(xiàn)。該模型能...