# 文本

Phi-3 Vision是一個輕量級、最先進的開放多模態模型，基於包括合成數據和經過篩選的公開可用網站在內的數據集構建，專注於文本和視覺的非常高質量的推理密集數據。該模型屬於Phi-3模型家族，多模態版本支持128K上下文長度（以token計），經過嚴格的增強過程，結合了監督微調和直接偏好優化，以確保精確的指令遵循和強大的安全措施。

米塔是一個打造連接全球創作者的AI社區平臺。它提供米文、米畫等創作工具,用戶只需輸入文字提示,就可以通過AI技術生成小說大綱、文章、畫作等創意內容。米塔具有寫作輔助、圖像生成、智能對話等功能,可以幫助用戶提升創作效率,發掘更多創意靈感。米塔基於大規模預訓練語言模型,通過模型微調和數據增強,實現了文本、圖像的高質量生成。米塔致力於為創作者提供便捷的AI創作工具,構建包容開放的社區,讓更多的用戶體驗到AI給創作帶來的無限可能。

MidReal是一個基於先進人工智能技術的文本冒險遊戲平臺。它擁有強大的長篇敘事能力和近乎無限的記憶能力,可以根據玩家的選擇來生成一個連貫、沉浸式的故事劇情。玩家可以選擇不同的世界觀和場景,roleplay成自己喜歡的角色,創造獨特的冒險經歷。

SteinDreamer供文本到3D分數蒸餾的解決方案。他們提出了一種名為Stein Score Distillation (SSD)的方差縮減解決方案，通過控制變量構建和Stein身份，實現了對蒸餾方差的有效降低。他們的實驗結果表明，SSD能夠有效降低蒸餾方差，並且在對象和場景級別的生成中持續提高視覺質量。此外，他們還展示了SteinDreamer相對於現有方法具有更快的收斂速度。

Unified-IO 2是一個統一的多模態生成模型,能夠理解和生成圖像、文本、音頻和動作。它使用單個編碼器-解碼器Transformer模型,將不同模式(圖像、文本、音頻、動作等)的輸入和輸出都表示為一個共享的語義空間進行處理。該模型從頭開始在大規模的多模態預訓練語料上進行訓練,使用了多模態的去噪目標進行優化。為了學會廣泛的技能,該模型還在120個現有數據集上進行微調,這些數據集包含提示和數據增強。Unified-IO 2在GRIT基準測試中達到了最先進的性能,在30多個基準測試中都取得了強勁的結果,包括圖像生成和理解、文本理解、視頻和音頻理解以及機器人操作。

ImageBind是一種新的AI模型，能夠同時綁定六種感官模態的數據，無需顯式監督。通過識別這些模態之間的關係（圖像和視頻、音頻、文本、深度、熱成像和慣性測量單元（IMUs）），這一突破有助於推動AI發展，使機器能夠更好地分析多種不同形式的信息。探索演示以瞭解ImageBind在圖像、音頻和文本模態上的能力。

CelebV-Text是一個大規模、高質量、多樣化的人臉文本-視頻數據集，旨在促進人臉文本-視頻生成任務的研究。數據集包含70,000個野外人臉視頻剪輯，每個視頻剪輯都配有20個文本，涵蓋40種一般外觀、5種詳細外觀、6種光照條件、37種動作、8種情緒和6種光線方向。CelebV-Text通過全面的統計分析驗證了其在視頻、文本和文本-視頻相關性方面的優越性，並構建了一個基準來標準化人臉文本-視頻生成任務的評估。

必應翻譯是一款多語種文本翻譯工具，可以幫助用戶快速準確地翻譯各種語言的文本。它具有簡單易用、翻譯準確、支持多種語言等優勢。該產品提供免費和付費版本，付費版本提供更多高級功能。定位於個人用戶和商業用戶。

DreamFusion是一款基於預訓練的2D文本到圖像擴散模型，用於生成高保真度的、可調光的3D對象。它通過使用梯度下降優化隨機初始化的3D模型（Neural Radiance Field）來生成3D對象，並且可以從任意角度觀察、任意照明重新照亮或與任何3D環境合成。DreamFusion不需要3D訓練數據，也不需要對圖像擴散模型進行修改，展示了預訓練圖像擴散模型作為先驗的有效性。

AI Horde是一個眾包分佈式圖像和文本生成平臺。它由一群協作的工作者組成，提供高效的圖像和文本生成服務。AI Horde提供穩定的性能、廣泛的功能和多樣的使用場景。無論是個人用戶還是企業用戶，都可以通過AI Horde獲得高質量的圖像和文本生成服務。AI Horde的定價合理，定位於滿足用戶的創作、設計、娛樂等需求。