Willow 量子芯片是谷歌最新推出的具有105個物理量子比特，在量子糾錯和計算效率上取得了顯著突破。Willow成功解決了量子計算領域近30年的糾錯難題，實現了在...

Florence-VL是創新的多模態大型語言模型（MLLMs），是馬里蘭大學和微軟研究院共同推出的。Florence-VL用生成式視覺基礎模型Florence-2豐富視覺表示，能捕捉圖...

OOTDiffusion是開源的AI虛擬試衣工具，能智能適配不同性別和體型，自動調整衣物尺寸和形狀，生成自然貼合的試穿效果。OOTDiffusion支持半身和全身試穿模式，...

NVILA是NVIDIA推出的系列視覺語言模型，能平衡效率和準確性。模型用“先擴展后壓縮”策略，有效處理高分辨率圖像和長視頻。NVILA在訓練和微調階段進行系統優化...

O1-CODER是北京交通大學研究團隊推出的開源項目，旨在復制OpenAI的O1模型，專注于編碼任務。O1-CODER結合強化學習（RL）和蒙特卡洛樹搜索（MCTS）技術，提升...

SOLAMI是創新的VR端3D角色扮演AI系統，是南洋理工大學研究團隊推出的。支持用戶用語音和肢體語言與虛擬角色進行沉浸式互動，基于社交視覺-語言-行為模型，提...

Clone-voice是開源的聲音克隆工具，基于深度學習技術分析和模擬人類聲音，實現聲音的高質量克隆。工具支持包括中文、英文、日語、韓語等在內的16種語言，能將...

SNOOPI是創新的文本到圖像生成框架，基于增強單步擴散模型的指導提升模型性能和控制力。SNOOPI包括PG-SB（適當指導 - SwiftBrush）和NASA（負向遠離轉向注意...

MEMO（Memory-Guided EMOtionaware diffusion）是Skywork AI、南洋理工大學和新加坡國立大學推出的音頻驅動肖像動畫框架，用在生成具有身份一致性和表現力的...

Aurora是xAI為AI助手Grok新增的圖像生成模型。Aurora擅長創建逼真的圖像，擅長人物肖像。Aurora能生成包括公共和版權人物在內的圖像（如米老鼠）。Aurora 的...

One Shot, One Talk是先進的圖像生成技術，能從單張圖片中生成具有個性化細節的全身動態說話頭像，支持逼真的動畫效果，包括自然的表情變化和生動的身體動作...

GLM-4V-Flash是智譜AI推出的專注于圖像理解的AI模型，提供免費的API接口，支持用戶上傳圖片URL或Base64編碼圖片獲取詳細的圖像描述。模型簡化圖像分析流程，...

Llama 3.3是Meta AI推出的70B 參數模型，大型多語言預訓練語言模型，性能與40B參數的Llama 3.1相當。模型專為多語言對話優化，支持英語、德語、法語、意大利...

Fox-1是TensorOpera推出的一系列小型語言模型（SLMs），包括Fox-1-1.6B和Fox-1-1.6B-Instruct-v0.1。Fox-1模型在3萬億個網絡抓取的文檔數據上預訓練，在50億...

PaliGemma 2是Google DeepMind基于Gemma 2語言模型家族推出的新一代視覺語言模型（VLM），作為PaliGemma模型的升級版。結合SigLIP-So400m視覺編碼器和不同規...