FACTS Grounding是谷歌DeepMind推出的評估大型語言模型（LLMs）能力的基準測試，衡量模型根據給定上下文生成事實準確且無捏造信息的文本的能力。FACTS Ground...

Manga Image Translator是開源的漫畫圖片文字翻譯工具，能一鍵翻譯漫畫和圖片中的文字。Manga Image Translator基于OCR技術識別文本，結合機器翻譯將文字轉換...

Ivy-VL是AI Safeguard聯合卡內基梅隆大學和斯坦福大學推出的輕量級多模態AI模型，專為移動端和邊緣設備設計。模型擁有3B參數量，相較于其他多模態大模型，顯...

ColorFlow是清華大學和騰訊ARC實驗室共同推出的圖像序列著色模型，能精細化地保持圖像序列中個體身份的同時進行著色。基于檢索增強、上下文學習和超分辨率技...

NodeTool是開源的AI工作流可視化構建器。NodeTool集成廣泛的AI工具和模型，基于簡單、可視化的界面，讓用戶無需編碼即可快速原型設計和測試。NodeTool支持在...

VMB（Visuals Music Bridge）是中國科學院信息工程研究所、中國科學院大學網絡空間安全學院、上海人工智能實驗室、上海交通大學等機構推出的多模態音樂生成框...

LatentLM是微軟研究院和清華大學共同推出的多模態生成模型，能統一處理離散數據（如文本）和連續數據（如圖像、音頻）。模型用變分自編碼器（VAE）將連續數據...

Lyra是香港中文大學、SmartMore和香港科技大學推出的高效多模態大型語言模型（MLLM），專注于提升語音、視覺和語言模態的交互能力。Lyra基于開源大型模型、多...

Ruyi是圖森未來科技有限公司推出的圖生視頻大模型，專為在消費級顯卡上運行設計，支持多分辨率、多時長視頻生成，具備首幀、首尾幀控制、運動幅度控制和鏡頭...

Large Action Models（LAMs）是微軟推出大型行動模型的開發框架，能執行真實世界行動的智能系統，LAMs超越傳統LLMs（Large Language Models，大型語言模型）...

Leffa（Learning Flow Fields in Attention）是 Meta AI推出的用在可控人物圖像生成框架，基于在注意力機制中引入流場學習，精確控制人物的外觀和姿勢。Leffa...

Apollo是Meta和斯坦福大學合作推出的大型多模態模型（LMMs），專注于視頻理解。Apollo基于系統研究，揭示視頻理解在LMMs中的關鍵驅動因素，推出“Scaling Cons...

BrushEdit是騰訊和北京大學等機構聯合推出的先進圖像編輯框架，是BrushNet模型的高級迭代版本。框架結合多模態大型語言模型（MLLMs）和雙分支圖像修復模型，...

Bocha Semantic Reranker是博查AI推出的語義排序模型，能提升搜索應用和RAG應用中的搜索結果準確性。Bocha Semantic Reranker模型基于文本語義，對初步排序的...

Veo 2 是 Google DeepMind 推出的 AI 視頻生成模型，能根據文本或圖像提示生成高質量視頻內容。Veo 2支持高達 4K 分辨率的視頻制作，理解鏡頭控制指令，能模...