smolvlm-realtime-webcam，使用 SmolVLM 和 llama.cpp 服务器的实时网络摄像头演示
smolvlm-realtime-webcam，使用 SmolVLM 和 lla...
开源模型
关于AI的开源的模型
FastVLM，苹果开源的可以在iphone运行的视觉语言模型，旨在输出更少的令牌并显著减少高分辨率图像的编码时间
FastVLM，苹果开源的可以在iphone运行的视觉语言模型，旨在输出更少的令...
Muyan-TTS，开源可训练的 TTS 模型，专为预算在 5 万美元以内的播客应用而设计，基于超过 10 万小时的播客音频数据进行预训练
Muyan-TTS，开源可训练的 TTS 模型，专为预算在 5 万美元以内的播客...
Parakeet TDT 0.6B V2，英伟达开源的自动语音识别 （ASR） 模型，专为高质量的英语转录而设计，支持标点符号、大小写和准确的时间戳预测
Parakeet TDT 0.6B V2，英伟达开源的自动语音识别 （ASR） ...
HunyuanCustom，基于 HunyuanVideo 构建，用于自定义视频生成的多模态驱动架构，支持图像、音频、视频和文本条件的同时强调主题一致性
HunyuanCustom，基于 HunyuanVideo 构建，用于自定义视频...
OpenF5 TTS，开源的文本转语音模型，基于 F5-TTS 框架并使用 F5-TTS 框架进行训练的零样本语音克隆
OpenF5 TTS，开源的文本转语音模型，基于 F5-TTS 框架并使用 F5...
ACE-Step，开源的音乐生成模型，在 A100 GPU 上只需 20 秒即可合成长达 4 分钟的音乐
ACE-Step，开源的音乐生成模型，在 A100 GPU 上只需 20 秒即可...
Watermark-Detection-SigLIP2，使用 SiglipForImageClassification 架构检测图像是否包含水印
Watermark-Detection-SigLIP2，使用 SiglipFor...