归档

搜索到 551 个与 "开源" 相关的结果

DiffSplat，开源的从文本提示中生成3D的框架，直接从验证的文本对图像扩散模型中进行微调

让我们看看演示视频吧！ DiffSplat，开源的从文本提示中生成3D的框架，直...

YuE，香港大学开源的音乐基础模型，基于LLaMA架构，可以生成5分钟长度的歌曲

让我们看看演示视频吧！ YuE，香港大学开源的音乐基础模型，基于LLaMA架构，...

Janus-Pro，DeepSeek开源多模式理解和生成模型，不仅可以生图还可以理解图片

Janus-Pro，DeepSeek开源多模式理解和生成模型，不仅可以生图还可以...

Qwen2.5 VL，Qwen开源的视觉语言模型，可以理解超过 1 小时的视频

Qwen2.5 VL，Qwen开源的视觉语言模型，可以理解超过 1 小时的视频。...

Video Depth Anything，字节跳动开源的视频深度工具，可以应用于任意长的视频

让我们看看演示视频吧！ Video Depth Anything，字节跳动开源的...

Qwen开源Qwen2.5-1M模型，支持100万Token上下文

Qwen开源Qwen2.5-1M模型，支持100万Token上下文，分别是Qwe...

Llasa，开源的零样本语音克隆和 TTS 模型，可以仅从输入文本生成语音，或者利用给定的语音提示生成语音

Llasa，开源的零样本语音克隆和 TTS 模型，可以仅从输入文本生成语音，或者...

Open R1，Huggingface完全开源的 DeepSeek-R1 复现

Open R1，Huggingface完全开源的 DeepSeek-R1 复现。...

VideoLLaMA3，阿里巴巴开源的多模态基础模型，具备前沿图像和视频理解能力

VideoLLaMA3，阿里巴巴开源的多模态基础模型，具备前沿图像和视频理解能力...

Mobile-Agent-E，阿里开源的自适应演化复杂任务的移动助手

让我们看看演示视频吧！ Mobile-Agent-E，阿里开源的自适应演化复杂任...

UI-TARS，字节跳动开源的原生图形用户界面（GUI）代理模型，设计用于使用类似人类的感知、推理和行动能力与图形用户界面无缝交互

UI-TARS，字节跳动开源的原生图形用户界面（GUI）代理模型，设计用于使用类...

rStar-Math，微软开源的小型语言模型，可以与甚至超越 OpenAI o1-mini 的数学推理能力相媲美

rStar-Math，微软开源的小型语言模型，可以与甚至超越 OpenAI o1...