AI训练模型

EMO是一个由阿里巴巴发布的音频驱动的肖像视频生成框架。它能够通过单一参考图像和音频输入，生成具有丰富表情和多样头部姿势的虚拟角色视频。EMO利用先进的注意力机制和去噪网络，支持多语言和多种肖像风格的动态表现，为内容创作和虚拟角色动画制作提供了新工具。,EMO是一个由阿里巴巴发布的音频驱动的肖像视频生成框架。它能够通过单一参考图像和音频输入，生成具有丰富表情和多样头部姿势的虚拟角色视频。EMO利用先进的注意力机制和去噪网络，支持多语言和多种肖像风格的…

Monkey 是华中科技大学与金山软件联合推出的一种高性能多模态大模型，通过提高输入分辨率和引入多级描述生成方法，解决了现有模型在复杂场景和视觉细节处理方面的挑战。Monkey 可以基于现有视觉编辑器进行构建，无需从0预训练，大大提高了研发效率。,Monkey 是华中科技大学与金山软件联合推出的一种高性能多模态大模型，通过提高输入分辨率和引入多级描述生成方法，解决了现有模型在复杂场景和视觉细节处理方面的挑战。Monkey 可以基于现有视觉编辑器…

Audiobox是Meta发布的一款基于语音和自然语言提示生成音频的先进研究模型。通过结合语音输入和文本提示，Audiobox可以轻松生成各种声音，包括语音、音效和音景，从而为多种用例提供定制音频。,Audiobox是Meta发布的一款基于语音和自然语言提示生成音频的先进研究模型。通过结合语音输入和文本提示，Audiobox可以轻松生成各种声音，包括语音、音效和音景，从而为多种用例提供定制音频。

在 7 月 19 日举行的阅文创作大会上，国内首个网文大模型“阅文妙笔”正式亮相。阅文集团 CEO 兼总裁侯晓楠表示，阅文妙笔是“最懂网文”的大模型，将以 AIGC 为创作生态和 IP 生态“全面赋能”。,在 7 月 19 日举行的阅文创作大会上，国内首个网文大模型“阅文妙笔”正式亮相。阅文集团 CEO 兼总裁侯晓楠表示，阅文妙笔是“最懂网文”的大模型，将以 AIGC 为创作生态和 IP 生态“全面赋能…

字节跳动发布的高速视频生成模型，只需要 4-8 步推理就可以生成质量非常不错的视频。,字节跳动发布的高速视频生成模型，只需要 4-8 步推理就可以生成质量非常不错的视频。

AIHub 12 月 6 日消息，谷歌宣布推出其认为规模最大、功能最强大的人工智能多模态AI模型 Gemini。意味着它可以理解、操作和结合不同类型的信息，包括文本、代码、音频、图像和视频。,AIHub 12 月 6 日消息，谷歌宣布推出其认为规模最大、功能最强大的人工智能多模态AI模型 Gemini。意味着它可以理解、操作和结合不同类型的信息，包括文本、代码、音频、图像和视频。

Grok-1.5V不仅具备强大的文本处理能力，还可以处理各种视觉信息，如文档、图表、截图和照片。这使得Grok-1.5V能够在多学科推理、理解科学图表、阅读文本和实现真实世界的空间理解等领域与现有的前沿多模态模型竞争。,Grok-1.5V不仅具备强大的文本处理能力，还可以处理各种视觉信息，如文档、图表、截图和照片。这使得Grok-1.5V能够在多学科推理、理解科学图表、阅读文本和实现真实世界的空间理解等领域与现有的前…

CogVideoX是由智谱AI开发的视频生成大模型，具备强大的视频生成能力、只需输入文本或图片就可以轻松完成视频制作。此次开源的是CogVideoX-2B，20亿参数规格的模型，是CogVideoX 系列视频生成模型中的第一个模型，与智谱推出的AI视频生成产品清影同源。,CogVideoX是由智谱AI开发的视频生成大模型，具备强大的视频生成能力、只需输入文本或图片就可以轻松完成视频制作。此次开源的是CogVideoX-2B，20亿参数规格的模型，是CogVideoX …

SAM 2（Segment Anything Model 2）是由Meta推出的新一代AI分割模型，能够在图像和视频中实现高度精确、实时的对象分割。它在不需要定制适配的情况下，能够对任何未曾见过的对象进行分割，适用于各种视觉领域。这一模型在原有的Segment Anything Model (SAM)基础上进行了扩展和改进，支持更广泛的应用场景。,SAM 2（Segment Anything Model 2）是由Meta推出的新一代AI分割模型，能够在图像和视频中实现高度精确、实时的对象分割。它在不需要定制适配的情况下，能够对任何未曾见过的对象…

Gemma是谷歌最新发布的一款开放模型，属于轻量级开放模型系列。它采用了与创建Gemini模型相同的研究和技术，是一个小尺寸的大语言模型。,Gemma是谷歌最新发布的一款开放模型，属于轻量级开放模型系列。它采用了与创建Gemini模型相同的研究和技术，是一个小尺寸的大语言模型。

知海图AI，是知乎和面壁科技合作发布的中文大模型，对知乎热榜上的问题回答进行抓取、整理和聚合，并把回答梗概展现给用户。,知海图AI，是知乎和面壁科技合作发布的中文大模型，对知乎热榜上的问题回答进行抓取、整理和聚合，并把回答梗概展现给用户。

山海大模型是最新一代认知智能大模型，拥有丰富的知识储备，涵盖科学、技术、文化、艺术、医疗、通识等领域。与她对话即可获取信息、知识和灵感，是人类的良师益友，也是灵动强大的智能助理。,山海大模型是最新一代认知智能大模型，拥有丰富的知识储备，涵盖科学、技术、文化、艺术、医疗、通识等领域。与她对话即可获取信息、知识和灵感，是人类的良师益友，也是灵动强大的智能助理。

MusicGen 是一个由Meta发布的开源 AI 音乐生成模型，可以根据文本输入生成新的音乐片段,MusicGen 是一个由Meta发布的开源 AI 音乐生成模型，可以根据文本输入生成新的音乐片段

Claude 3是Anthropic公司推出的一系列先进的人工智能模型，它们在多种认知任务上设定了新的行业标准。这个模型家族包括三个不同级别的模型：Claude 3 Haiku、Claude 3 Sonnet和Claude 3 Opus。每个模型都提供了不同的智能水平、速度和成本效益，以适应不同的应用需求。,Claude 3是Anthropic公司推出的一系列先进的人工智能模型，它们在多种认知任务上设定了新的行业标准。这个模型家族包括三个不同级别的模型：Claude 3 Haiku、Claude 3 So…

业界首个三模态千亿参数大模型，支持文本、视觉、语音不同模态间的高效协同，可支撑影视创作、工业质检、智能驾驶等产业应用。,业界首个三模态千亿参数大模型，支持文本、视觉、语音不同模态间的高效协同，可支撑影视创作、工业质检、智能驾驶等产业应用。

MiniMax 最新一代的中文大语言模型，帮助人类高效写作、激发创意、获取知识、做出决策,MiniMax 最新一代的中文大语言模型，帮助人类高效写作、激发创意、获取知识、做出决策

Octopus v2是一个拥有20亿参数的模型，能够在智能手机、汽车、个人电脑等设备上运行。它在准确性和延迟方面超越了GPT-4，且将上下文长度减少了95%。与基于RAG的Llama7B模型相比，Octopus v2的速度快了36倍。,Octopus v2是一个拥有20亿参数的模型，能够在智能手机、汽车、个人电脑等设备上运行。它在准确性和延迟方面超越了GPT-4，且将上下文长度减少了95%。与基于RAG的Llama7B模型相比，Oc…

元象大模型是元象从头训练、全链路自主研发的高性能通用大模型系列，具备优秀的中文创作、逻辑推理和任务执行能力。,元象大模型是元象从头训练、全链路自主研发的高性能通用大模型系列，具备优秀的中文创作、逻辑推理和任务执行能力。