阿里Qwen团队推出 Qwen3-30B-A3B-Instruct-2507：更强、更准、更懂你
阿里Qwen团队发布 Qwen3-30B-A3B-Instruct-2507 ——Qwen3 系列中针对非思考模式优化的新一代指令微调模型。 Qwen Chat：https://chat.qwen.a...
排序
智谱AI推出视频生成模型CogVideoX：与“清影”同源，单张 4090 显卡可推理
智谱 AI推出与“清影”同源的视频生成模型 —CogVideoX，CogVideoX模型包含多个不同尺寸大小的模型，目前将开源 CogVideoX-2B，它在 FP-16 精度下的推理需 18GB 显...
开源版GPT-4o！字节跳动开源新一代多模态模型 BAGEL：多模态理解、图像生成、图像编辑，还能“思考”
字节跳动发布了一款名为 BAGEL 的开源多模态基础模型，该模型拥有 70 亿活跃参数（总规模为 140 亿），在大规模交错多模态数据上进行训练。BAGEL 不仅在标准多模态理解排行榜中超越了当前主流...
基于扩散模型（SDXL）的新型图像恢复方法InstantIR
盲图像恢复（Blind Image Restoration, BIR）的主要挑战之一是处理测试时未知的退化，这需要模型具备高泛化能力。北京大学、InstantX团队和香港中文大学的研究人员提出了一种新...
新型文生图框架Ranni：利于大语言模型，更准确地理解和执行复杂的文本提示
阿里巴巴和蚂蚁集团推出新型文生图框架Ranni，Ranni的核心特点是它能够更准确地理解和执行复杂的文本提示，尤其是那些包含数量描述、对象属性绑定和多主题描述的提示。这使得Ranni在生成图像时能够更...
新型文生图框架SANA：能够高效地生成高达4096×4096分辨率的高清晰度图像
英伟达、麻省理工学院和清华大学的研究人员推出新型文本到图像生成框架SANA，它能够高效地生成高达4096×4096分辨率的高清晰度图像。SANA的核心优势在于它不仅生成的图像质量高，而且与文本的匹配度...
别让好模型消失，这个 WAN2.1 LoRA 合集值得收藏”
近日，CivitAI 在 Visa 和 Mastercard 的压力下进一步收紧内容政策，导致平台上大量 模型被删除。这些模型中包含了许多创作者精心训练的作品，尤其是 NSFW类内容。 地址：http...
基于FLUX.1-dev的LoRA 模型FilmPortrait：用来增强生成图像胶片质感的理解与还原度
之前给大家介绍了由DynamicWang训练的人物微调FLUX模型AWPortrait-FL，今天DynamicWang又释出了FilmPortrait，这是一个在 FLUX.1-dev 上微调的 L...
新型视频生成模型T2V-Turbo-v2：基于VideoCrafter2模型提炼，提升视频生成的质量和效率
加州大学圣巴巴拉分校、加州大学洛杉矶分校、亚马逊 AGI和滑铁卢大学的研究人员推出新型视频生成模型T2V-Turbo-v2，它旨在提升基于扩散的文本到视频（T2V）生成的质量和效率。简单来说，这项技术...
VectorJourney| Pretend to Travel：卡通插画与真实结合的FLUX LoRA模型
VectorJourney| Pretend to Travel是由Muertu基于FLUX.1-dev上训练的LoRA模型，巧妙融合现实与插画元素。前景角色以插画风格呈现，而背景则为逼真的写实风格...
Stable Diffusion XL(SDXL)
Stability AI于北京时间2023年 7 月 27 日正式发布 Stable Diffusion XL 首个正式版 1.0，SDXL 1.0 能生成更加鲜明准确的色彩，在对比度、光线和阴影方面...
Rev推出开源自动语音识别模型Reverb和话者分离模型
Rev 最近宣布开源其尖端的 Reverb 自动语音识别 (ASR) 和话者分离模型。经过 200,000 小时高质量人工转录的英语语音训练，Reverb 在长篇语音识别领域中表现出色，超越了所有现有...
