SignLLM 是創新的多語言手語生成模型，通過文字輸入生成對應的手語視頻。全球首個支持多國手語的模型，能覆蓋美國手語（ASL）、德國手語（GSL）、阿根廷手語...

LongLLaVA是多模態大型語言模型（MLLM），基于混合架構結合Mamba和Transformer模塊，能高效處理大量圖像，特別擅長視頻理解和高分辨率圖像分析。LongLLaVA在...

Imagen 3是Google推出的AI圖像生成模型，可以生成高質量、逼真的圖像。Imagen 3對提示詞理解更好，可捕捉更多細節，生成更廣泛的視覺風格。基于谷歌的文生圖...

mPLUG-Owl3是阿里巴巴推出的先進通用多模態大模型，專為理解和處理多圖及長視頻設計。在保持準確性的同時，顯著提升了推理效率，能在4秒內分析完2小時電影。