
Qwen2 VL 72B
Qwen2-VL-72B是Qwen-VL模型的最新迭代,代表了近一年的創新成果。該模型在視覺理解基準測試中取得了最新的性能,包括MathVista、DocVQA、RealWorldQA、MTVQA等。它能夠理解超過20分鐘的視頻,並可以集成到手機、機器人等設備中,進行基於視覺環境和文本指令的自動操作。除了英語和中文,Qwen2-VL現在還支持圖像中不同語言文本的理解,包括大多數歐洲語言、日語、韓語、阿拉伯語、越南語等。模型架構更新包括Naive Dynamic Resolution和Multimodal Rotary Position Embedding (M-ROPE),增強了其多模態處理能力。
AI模型
156.5K

Slowfast LLaVA
SlowFast-LLaVA是一個無需訓練的多模態大型語言模型,專為視頻理解和推理設計。它無需在任何數據上進行微調,就能在多種視頻問答任務和基準測試中達到與最先進視頻大型語言模型相當甚至更好的性能。
AI模型
54.6K

Videollama2 7B 16F Base
VideoLLaMA2-7B-16F-Base是由DAMO-NLP-SG團隊開發的大型視頻語言模型,專注於視頻問答(Visual Question Answering)和視頻字幕生成。該模型結合了先進的空間-時間建模和音頻理解能力,為多模態視頻內容分析提供了強大的支持。它在視覺問答和視頻字幕生成任務上展現出卓越的性能,能夠處理複雜的視頻內容並生成準確的描述和答案。
AI視頻生成
56.0K

Minigpt4 Video
MiniGPT4-Video是為視頻理解設計的多模態大模型,能處理時態視覺數據和文本數據,配標題、宣傳語,適用於視頻問答。基於MiniGPT-v2,結合視覺主幹EVA-CLIP,訓練多階段階段,包括大規模視頻-文本預訓練和視頻問題解答微調。在MSVD、MSRVTT、TGIF和TVQA基準上取得顯著提升。定價未知。
AI視頻生成
107.1K
精選AI產品推薦
中文精選

騰訊混元圖像 2.0
騰訊混元圖像 2.0 是騰訊最新發布的 AI 圖像生成模型,顯著提升了生成速度和畫質。通過超高壓縮倍率的編解碼器和全新擴散架構,使得圖像生成速度可達到毫秒級,避免了傳統生成的等待時間。同時,模型通過強化學習算法與人類美學知識的結合,提升了圖像的真實感和細節表現,適合設計師、創作者等專業用戶使用。
圖片生成
82.5K
國外精選

Lovart
Lovart 是一款革命性的 AI 設計代理,能夠將創意提示轉化為藝術作品,支持從故事板到品牌視覺的多種設計需求。其重要性在於打破傳統設計流程,節省時間並提升創意靈感。Lovart 當前處於測試階段,用戶可加入等候名單,隨時體驗設計的樂趣。
AI設計工具
65.1K

Fastvlm
FastVLM 是一種高效的視覺編碼模型,專為視覺語言模型設計。它通過創新的 FastViTHD 混合視覺編碼器,減少了高分辨率圖像的編碼時間和輸出的 token 數量,使得模型在速度和精度上表現出色。FastVLM 的主要定位是為開發者提供強大的視覺語言處理能力,適用於各種應用場景,尤其在需要快速響應的移動設備上表現優異。
AI模型
51.6K

Keysync
KeySync 是一個針對高分辨率視頻的無洩漏唇同步框架。它解決了傳統唇同步技術中的時間一致性問題,同時通過巧妙的遮罩策略處理表情洩漏和麵部遮擋。KeySync 的優越性體現在其在唇重建和跨同步方面的先進成果,適用於自動配音等實際應用場景。
視頻編輯
49.4K

Manus
Manus 是由 Monica.im 研發的全球首款真正自主的 AI 代理產品,能夠直接交付完整的任務成果,而不僅僅是提供建議或答案。它採用 Multiple Agent 架構,運行在獨立虛擬機中,能夠通過編寫和執行代碼、瀏覽網頁、操作應用等方式直接完成任務。Manus 在 GAIA 基準測試中取得了 SOTA 表現,展現了強大的任務執行能力。其目標是成為用戶在數字世界的‘代理人’,幫助用戶高效完成各種複雜任務。
個人助理
1.5M

Trae國內版
Trae是一款專為中文開發場景設計的AI原生IDE,將AI技術深度集成於開發環境中。它通過智能代碼補全、上下文理解等功能,顯著提升開發效率和代碼質量。Trae的出現填補了國內AI集成開發工具的空白,滿足了中文開發者對高效開發工具的需求。其定位為高端開發工具,旨在為專業開發者提供強大的技術支持,目前尚未明確公開價格,但預計會採用付費模式以匹配其高端定位。
開發與工具
139.1K
國外精選

Pika
Pika是一個視頻製作平臺,用戶可以上傳自己的創意想法,Pika會自動生成相關的視頻。主要功能有:支持多種創意想法轉視頻,視頻效果專業,操作簡單易用。平臺採用免費試用模式,定位面向創意者和視頻愛好者。
視頻生成
18.7M
中文精選

Liblibai
LiblibAI是一箇中國領先的AI創作平臺,提供強大的AI創作能力,幫助創作者實現創意。平臺提供海量免費AI創作模型,用戶可以搜索使用模型進行圖像、文字、音頻等創作。平臺還支持用戶訓練自己的AI模型。平臺定位於廣大創作者用戶,致力於創造條件普惠,服務創意產業,讓每個人都享有創作的樂趣。
AI模型
8.0M