Nexa AI 推出一款专为边缘部署设计的音频语言模型 OmniAudio-2.6B
模型

音频语言模型（ALMs）在各种应用中发挥着关键作用，包括实时转录、翻译、语音控制...
19小时前 10
LTX-Video推出0.9.1版本，引入全新VAE解码器，原生支持STG/PAG
模型

之前介绍过的《Lightricks推出开源视频生成模型LTX Video》，今天LTX-Video迎来了...
1天前 16
新型自回归视频生成模型NOVA：能够在无需向量量化的情况下，高效地生成视频
模型

北京邮电大学、中国科学院计算技术研究所、大连理工大学和北京智源研究院的研究人...
2天前 24
加速DiT架构视频生成模型的开源技术栈FastVideo：已推出FastHunyuan和FastMochi 两款模型，生成速度提升8倍
模型

加州大学圣地亚哥分校 Hao AI 实验室推出的一个开源技术栈FastVideo ，旨在显著加...
3天前 71
通义语音团队推出语音生成模型CosyVoice 2：提升了多语言语音合成的质量、响应速度和实时性能
模型

阿里巴巴旗下通义实验室语音团队在之前提出的 CosyVoice 基础上，推出了全新的 Cos...
4天前 28
三阶段扩散模型框架ColorFlow：专门用于解决黑白图像的自动着色问题
模型

ColorFlow 是由清华大学和腾讯ARC实验室提出的一个创新性三阶段扩散模型框架，专门...
4天前 28
基于修复的指令引导图像编辑框架BrushEdit：通过自然语言指令进行无缝编辑，包括添加对象、移除元素或进行结构性更改等多样化编辑操作
模型

图像编辑技术近年来在基于反演（inversion-based）和基于指令（instruction-based...
4天前 38
图森未来发布图生视频大模型“Ruyi”，能够在消费级显卡上运行
插件

图森未来今日正式发布了其首款“图生视频”大模型——Ruyi，目前Ruyi-Mini-7B版本已经...
4天前 40
无问芯穹推出全球首个端侧全模态理解开源模型Megrez-3B-Omni
模型

12月16日，无问芯穹宣布正式开源其“端模型+端软件+端IP”端上智能一体化解决方案中...
5天前 28
Meta推出多模态模型Apollo：擅长处理长视频，能够在长达一小时的视频中保持高效的理解能力
模型

尽管视频感知能力已经迅速集成到大型多模态模型（LMMs）中，但其驱动视频理解的基...
5天前 30
UltraReal Fine-Tune：基于 FLUX.1-dev 模型的现实主义微调版本
模型

UltraReal Fine-Tune 是基于 FLUX.1-dev 模型的一个微调版本，旨在通过训练者自己...
5天前 30
Dramatic Portrait：用于人物肖像增强的Flux Lora
模型

Dramatic Portrait是一个用于人物肖像增强的Flux Lora，生成的人物更加真实，没有F...
5天前 30
没有账号？注册  忘记密码？