AI項目和框架

Step-R1-V-Mini 是階躍星辰最新推出的多模態推理模型。支持圖文輸入和文字輸出，具備良好的指令遵循和通用能力，能高精度感知圖像完成復雜推理任務。模型在視...

SeniorTalk 是智源研究院聯合南開大學計算機學院人類語言技術實驗室（HLT Lab）推出的全球首個中文超高齡老年人對話語音數據集。數據集包含202位75歲及以上超...

ChildMandarin 是智源研究院聯合南開大學計算機學院人類語言技術實驗室（HLT Lab）共同推出的，針對3-5歲兒童的普通話語音數據集。數據集包含41.25小時的語音...

SkyReels-A2是昆侖萬維推出的可控視頻生成框架，支持根據文本提示將任意視覺元素（如人物、物體、背景）組合成合成視頻，嚴格保持與每個元素的參考圖像的一致...

ACTalker 是用于生成逼真說話人頭部視頻的端到端視頻擴散框架。支持單信號或多信號控制，如音頻、表情等。核心架構包括并行 Mamba 結構，通過多個分支利用不...

Seedream 3.0是字節跳動豆包大模型團隊推出的AI繪圖模型，在中文文字生成和設計感方面表現出色，解決小字生成的穩定性問題，能精準生成復雜的中文內容，提供...

Quasar Alpha 是 OpenRouter 發布的預發布版 AI 模型。擁有 100 萬 token 的超大上下文窗口，可處理超長文本和復雜文檔。代碼生成能力出色，生成速度快，延遲...

OmniCam 是先進的多模態視頻生成框架，通過攝像機控制實現高質量的視頻生成。支持多種輸入模態組合，用戶可以提供文本描述、視頻中的軌跡或圖像作為參考，精...

Llama 4 是 Meta 推出的多模態人工智能模型。首次采用混合專家（MoE）架構，在訓練和推理時計算效率更高。Llama 4 目前有 Scout 和 Maverick 兩個版本。Scout...

OmniTalker 是阿里巴巴發布的實時文本驅動的說話頭像生成技術，能同時處理文本、圖像、音頻和視頻等多種模態輸入，以流式方式生成自然語音響應。核心架構為 T...

DeepSeek-GRM是DeepSeek和清華大學研究者共同提出的通用獎勵模型（Generalist Reward Modeling）。通過點式生成式獎勵建模（Pointwise Generative Reward Mod...

OlympicArena是上海交通大學、上海AI Lab、蘇州大學和上海交通大學生成式人工智能實驗室（GAIR Lab）聯合推出的多學科認知推理基準測試框架。OlympicArena包...

BabelDOC 是開源的智能 PDF 翻譯工具，專為科學論文翻譯設計。能在原文旁生成翻譯文本，形成雙語對照，無需切換窗口，方便閱讀。能完整保留數學公式、表格和...

DreamActor-M1是字節跳動推出的先進AI圖像動畫框架，能將靜態人物照片轉化為生動的動畫視頻。采用混合引導機制，結合隱式面部表示、3D頭部球體和3D身體骨架等...

Mini DALL·E 3 是北京理工大學、上海AI Lab、清華大學和香港中文大學聯合推出的交互式文本到圖像（iT2I）框架。基于自然語言與用戶進行多輪對話，實現高質量...