InternVideo2.5是上海人工智能實驗室聯合南京大學、中科院深圳先進技術研究院共同開源的視頻多模態大模型。在視頻理解領域取得了顯著進展，特別是在長視頻處...

YAYI-Ultra 是中科聞歌研發的企業級大語言模型的旗艦版本，具備強大的多領域專業能力和多模態內容生成能力。支持數學、代碼、金融、輿情、中醫、安全等多個領...

HUGWBC（Humanoid Unified and General Whole-Body Controller）是上海交通大學、上海AI Lab聯合推出的人形機器人全身控制器，能實現精細的運動控制。HUGWBC...

VideoCaptioner（中文名：卡卡字幕助手）是基于大語言模型（LLM）的智能字幕處理工具，能簡化視頻字幕的生成與優化流程。VideoCaptioner支持語音識別、字幕斷...

Zonos-v0.1是Zyphra推出的高保真文本到語音（TTS）模型。Zonos-v0.1包含兩個模型：16億參數的Transformer模型和SSM混合模型，均在Apache 2.0許可下開源。Zono...

InspireMusic 是阿里巴巴通義實驗室開源的音樂生成技術，通過人工智能為用戶生成高質量的音樂作品。基于多模態大模型技術，支持通過簡單的文字描述或音頻提示...

Goku是香港大學和字節跳動聯合發布的最新視頻生成模型，專為圖像和視頻的聯合生成設計。基于先進的rectified flow Transformer框架，支持文生視頻、圖生視頻...

Satori 是 MIT、哈佛大學等機構研究者推出的 7B 參數的大型語言模型，專注于提升推理能力。基于Qwen-2.5-Math-7B，Satori通過小規模的格式微調和大規模的增強...

ACE++是阿里巴巴通義實驗室推出的先進的圖像生成與編輯工具，通過指令化和上下文感知的內容填充技術，實現了高質量的圖像創作和編輯功能。

LLaVA-Rad是微軟研究院推出的小型多模態模型，專注于臨床放射學報告生成。是LLaVA-Med項目的分支，特別是胸部X光（CXR）成像。基于LLaVA-Med的基礎架構和訓練...

MotionCanvas是香港中文大學、Adobe 研究院和莫納什大學推出的圖像到視頻（I2V）生成方法，能將靜態圖像轉化為具有豐富動態效果的視頻。MotionCanvas基于引入...

MedRAX（Medical Reasoning Agent for Chest X-ray）是專門用于胸部X光檢查的醫學推理AI代理。通過整合最先進的胸部X光分析工具和多模態大型語言模型，形成一...

LangBot 是開源的即時聊天機器人平臺，支持多平臺（如 QQ、微信、飛書、Discord 等）和多種大語言模型（如 ChatGPT、DeepSeek、Gemini 等）。LangBot具備多模...

LLMDet是阿里巴巴集團通義實驗室、中山大學計算機科學與工程學院、鵬城實驗室等機構推出的開放詞匯目標檢測器，基于與大型語言模型（LLM）協同訓練提升目標檢...

VisoMaster 是基于 AI 技術的換臉和編輯軟件，功能強大操作簡便。支持圖片、視頻以及直播換臉，能生成自然逼真的換臉效果，應用于娛樂、影視制作等領域。支持...