一个基于深度学习的图像和视频描述模型。

轻量级嵌套架构，用于语音反欺诈。

用于视频生成的下一帧预测模型。

开源视频生成模型，支持多种生成任务。

强大的语言模型，支持多种自然语言处理任务。

Pusa 是一个新颖的视频扩散模型，支持多种视频生成任务。

一种通过视觉上下文学习的通用图像生成框架。

为 Diffusion Transformer 提供高效灵活的控制框架。

彩云科技推出的AI翻译工具，提供高效、精准的翻译服务，支持多种语言之间的互译，适用于多种应用场景。

业界首个超大规模混合 Mamba 推理模型，强推理能力。

Pruna 是一个模型优化框架，帮助开发者快速高效交付模型。

实现灵活且高保真度的图像生成，同时保持身份特征。

一种用于手术内窥镜图像低光照增强的T-Diffusion模型。

AI研究资源导航网站，提供AI研究资源、文档和实践案例

一种提升场景级视频生成能力的技术。

Tarsier 是由字节跳动推出的用于生成高质量视频描述的大型视频语言模型。

Video Depth Anything: Consistent Depth Estimation for Super-Long Videos

LLaSA： 扩展基于 LLaMA 的语音合成的训练时间和测试时间计算量

YuE是一个开源的音乐生成模型，能够将歌词转化为完整的歌曲。

在线学习Python、AI、大模型、AI写作绘画课程，零基础轻松入门。

Huginn-0125是一个35亿参数的潜变量循环深度模型，擅长推理和代码生成。

QwQ-Max-Preview 是 Qwen 系列的最新成果，基于 Qwen2.5-Max 构建，具备强大的推理和多领域应用能力。

VideoLLaMA3是前沿的多模态基础模型，专注于图像和视频理解。

一种新颖的图像到视频采样技术，基于Hunyuan模型实现高质量视频生成。

Janus-Pro-1B 是一个统一多模态理解和生成的自回归框架。

UniTok是一个用于视觉生成和理解的统一视觉分词器。

HunyuanVideo-I2V 是腾讯推出的基于 HunyuanVideo 的图像到视频生成框架。

Inductive Moment Matching 是一种新型的生成模型，用于高质量图像生成。

一种无混叠的任意尺度超分辨率方法。

Frames 是 Runway 推出的高级图像生成基础模型，提供前所未有的风格控制和视觉保真度。

OmniThink 是一种通过模拟人类思考过程来提升机器写作知识密度的框架。

一个基于文本生成图像的预训练模型，具有80亿参数和Apache 2.0开源许可。