# 輕量級模型

LiteAvatar是一個音頻驅動的即時2D頭像生成模型，主要用於即時聊天場景。該模型通過高效的語音識別和嘴型參數預測技術，結合輕量級的2D人臉生成模型，能夠在僅使用CPU的設備上實現30fps的即時推理。其主要優點包括高效的音頻特徵提取、輕量級的模型設計以及對移動設備的友好支持。該技術適用於需要即時交互的虛擬頭像生成場景，如在線會議、虛擬直播等，背景基於對即時交互和低硬件要求的需求而開發，目前開源免費，定位為高效、低資源消耗的即時頭像生成解決方案。

SmolLM2是一系列輕量級的語言模型，包含135M、360M和1.7B參數的版本。這些模型能夠在保持輕量級的同時解決廣泛的任務，特別適合在設備上運行。1.7B版本的模型在指令遵循、知識、推理和數學方面相較於前代SmolLM1-1.7B有顯著進步。它使用包括FineWeb-Edu、DCLM、The Stack等多個數據集進行了訓練，並且通過使用UltraFeedback進行了直接偏好優化（DPO）。該模型還支持文本重寫、總結和功能調用等任務。

Gemma-2-9b-it是由Google開發的一系列輕量級、最先進的開放模型，基於與Gemini模型相同的研究和技術構建而成。這些模型是文本到文本的解碼器僅大型語言模型，以英文提供，適用於問答、摘要和推理等多樣化文本生成任務。由於其相對較小的尺寸，可以在資源有限的環境中部署，如筆記本電腦、桌面或個人雲基礎設施，使先進的AI模型更加普及，促進創新。

Gemma 2是Google開發的一系列輕量級、先進的開放模型，基於與Gemini模型相同的研究和技術構建。它們是文本到文本的解碼器僅大型語言模型，僅提供英文版本，具有開放的權重，適用於預訓練變體和指令調整變體。Gemma模型非常適合各種文本生成任務，包括問答、摘要和推理。其相對較小的體積使其能夠部署在資源有限的環境中，如筆記本電腦、桌面或您自己的雲基礎設施，使先進的AI模型的訪問民主化，並幫助為每個人促進創新。

MotionFollower是一個輕量級的得分引導擴散模型，用於視頻運動編輯。它通過兩個輕量級信號控制器，分別對姿勢和外觀進行控制，不涉及繁重的注意力計算。該模型設計了基於雙分支架構的得分引導原則，包括重建和編輯分支，顯著增強了對紋理細節和複雜背景的建模能力。實驗表明，MotionFollower在GPU內存使用上比最先進的運動編輯模型MotionEditor減少了約80%，同時提供了更優越的運動編輯性能，並獨家支持大範圍的攝像機運動和動作。

Gemma-2B-IT是谷歌推出的2B參數指令調整模型，基於Gemini架構，專為提高數學、推理和代碼處理能力而設計。該模型在普通筆記本上即可運行，無需龐大的AI算力，適用於多種應用場景。