Amazon Nova Premier 是亞馬遜推出功能最強大的多模態(tài) AI 模型，能處理文本、圖像和視頻輸入（不包括音頻），擅長處理需要深度理解上下文、多步驟規(guī)劃以及跨...

攻殼智能體是專注于智能體和 AI 工具的門戶網(wǎng)站，為用戶介紹最新、熱門的智能體和 AI 工具，幫助用戶快速找到適合自己的學(xué)習(xí)、工作、生活的 AI 利器。通過精...

D-DiT（Dual Diffusion Transformer）是卡內(nèi)基梅隆大學(xué)、耶魯大學(xué)和字節(jié)跳動Seed實驗室推出的多模態(tài)擴散模型，能統(tǒng)一圖像生成和理解任務(wù)。模型結(jié)合連續(xù)圖像擴...

NoteLLM 是小紅書推出的針對筆記推薦的多模態(tài)大型語言模型框架。NoteLLM 基于生成筆記的壓縮嵌入和自動生成標(biāo)簽類別，用大型語言模型（LLM）的強大語義理解能...

kimi-thinking-preview 是月之暗面推出的多模態(tài)思考模型，具備深度推理能力，擅長解決復(fù)雜問題，如代碼、數(shù)學(xué)和工作難題。模型基于 reasoning_content 字段展...

Text2CAD 是創(chuàng)新的在線平臺，通過人工智能技術(shù)將自然語言描述快速轉(zhuǎn)化為專業(yè) CAD 模型。用戶只需用簡單的語言描述設(shè)計想法，如尺寸、形狀和功能要求，Text2CA...

3DV-TON（Textured 3D-Guided Consistent Video Try-on via Diffusion Models）是阿里巴巴達摩院、湖畔實驗室和浙江大學(xué)聯(lián)合推出的基于擴散模型的視頻虛擬試...

ACE-Step 是 ACE Studio 和 StepFun 聯(lián)合推出的開源音樂生成基礎(chǔ)模型，基于創(chuàng)新的架構(gòu)設(shè)計實現(xiàn)高效、連貫且可控的音樂創(chuàng)作。ACE-Step結(jié)合擴散模型、深度壓縮...

ReasonIR-8B 是 Meta AI 推出的專為推理密集型檢索任務(wù)設(shè)計的模型?；?LLaMA3.1-8B 訓(xùn)練，采用雙編碼器架構(gòu)，將查詢和文檔分別編碼為嵌入向量，通過余弦相...

Omni Reference 是 Midjourney 推出的全能參考功能，支持用戶將特定的人物、物體或場景從參考圖像中嵌入到生成的圖像中。Omni Reference 適用于Midjourney V7...

Pixelfox 是免費的在線圖片編輯工具，基于AI技術(shù)簡化圖片編輯過程。Pixelfox 提供多種功能，如背景移除、對象移除、圖片增強、AI 修復(fù)、換臉、圖片擴展和圖像...

ChatWise 是高性能的 AI 聊天工具，支持多種語言模型（LLM），如 GPT-4、Claude 和 Gemini 等。ChatWise基于簡潔易用的設(shè)計理念為核心，提供多模態(tài)交互功能，...

Cobra（Efficient Line Art COlorization with BRoAder References）是清華大學(xué)、香港中文大學(xué)和騰訊ARC實驗室推出的漫畫線稿上色框架，專為高精度、高效率和...

KeySync 是帝國理工學(xué)院和弗羅茨瓦夫大學(xué)推出的用在高分辨率口型同步框架，支持將輸入音頻與視頻中的口型動作對齊。KeySync 基于兩階段框架實現(xiàn)，首先生成關(guān)...

HoloTime 是北京大學(xué)深圳研究生院和鵬城實驗室推出的全景 4D 場景生成框架，基于視頻擴散模型將單張全景圖像轉(zhuǎn)化為具有真實動態(tài)效果的全景視頻，進一步重建為...