MUMU – 文本和图像驱动的多模态生成模型 | AI工具集
MUMU是什么 MUMU是一种多模态图像生成模型，通过结合文本提示和参考图像来生成目标图像，从而提高生成的准确率和质量。MUMU模型的架构基于SDXL的预训练卷积UN...
Video-LLaVA2 – ChatLaw推出的开源多模态智能理解系统 | AI工具集
Video-LLaVA2是什么 Video-LLaVA2是由北京大学ChatLaw课题组推出的开源多模态智能理解系统，通过创新的时空卷积（STC）连接器和音频分支，提升了视频和音频理...
LM Studio – 开源、傻瓜、一站式部署本地大模型 (LLM) 的应用平台
LM Studio是什么 LM Studio 是一个本地大语言模型 (LLM) 应用平台，开源、傻瓜、一站式部署本地大模型。包括但不限于Llama、MPT、Gemma等，LM Studio 提供了...
新edge-tts – 开源的AI文字转语音项目
新edge-tts – 开源的AI文字转语音项目
VFusion3D – Meta联合牛津大学推出的AI生成3D模型项目 | AI工具集
VFusion3D是什么 VFusion3D 是由 Meta 和牛津大学的研究人员共同推出的AI生成3D模型项目，能从单张图片或文本描述中生成高质量的3D对象。VFusion3D 通过微调...
auto-video-generator – AI自动解说视频生成器 | AI工具集
auto-video-generator是什么 auto-video-generator是AI自动解说视频生成器，能实现一键生成解说视频。用户只需输入主题，系统便自动撰写脚本、合成语音、生成...
Qwen2-VL – 阿里巴巴达摩院开源的视觉多模态AI模型 | AI工具集
Qwen2-VL是什么 Qwen2-VL是阿里巴巴达摩院开源的视觉多模态AI模型，具备高级图像和视频理解能力。Qwen2-VL支持多种语言，能处理不同分辨率和长宽比的图片，实...
GLM-4V-Plus – 智谱AI最新推出的多模态AI模型，专注图像和视频理解 | AI工具集
GLM-4V-Plus是什么 GLM-4V-Plus是智谱AI最新推出的多模态AI模型，专注于图像和视频理解。GLM-4V-Plus不仅能够精确分析静态图像，还具备动态视频内容的时间感...
CogView-3-Plus – 智谱AI最新推出的AI文生图模型，媲美 MJ-V6 和 FLUX
CogView-3-Plus是什么 CogView-3-Plus是智谱AI最新推出的AI文生图模型，采用Transformer架构替代传统UNet，优化了扩散模型的噪声规划。CogView-3-Plus在图像...
GLM-4-Plus – 智谱AI最新推出的旗舰大模型，性能全面提升 | AI工具集
GLM-4-Plus是什么 GLM-4-Plus是智谱AI最新推出的高智能旗舰大模型，在语言理解和长文本处理上取得突破，采用创新技术如PPO，显著提升推理和指令遵循能力。GLM...