模型 - 智狐AI导航

Sonauto AI

一款AI音乐生成器，允许用户通过将文本提示、歌词或旋律转换为完整的不同风格的歌曲。它采用了潜在扩散模型，这使得它与其他人工智能音乐生成模型相比更加可控。

Ai语音工具 2025年06月05日 94 点赞 0 评论 713 浏览

Ola

Ola是一款由多机构联合开发的全模态语言模型，支持文本、图像、视频和音频等多种输入形式。通过渐进式模态对齐策略，逐步扩展模型的多模态理解能力，同时采用流式解码技术提升交互体验。其架构融合多种编码器与解码器，结合局部-全局注意力机制，实现高效多模态处理，在多项任务中表现优异。

AI项目与工具 2025年06月12日 98 点赞 0 评论 713 浏览

LCVD

LCVD是一种由四川大学开发的高保真肖像动画生成框架，支持光照可控的动态视频生成。它通过分离肖像的内在与外在特征，并结合多条件分类器自由引导机制，实现对光照和姿态的精细控制。LCVD在图像质量、视频一致性和光照真实感方面表现突出，适用于虚拟现实、视频会议、影视制作及内容创作等多个领域。

AI项目与工具 2025年06月12日 93 点赞 0 评论 713 浏览

Parakeet TDT 0.6B

Parakeet TDT 0.6B 是一款由英伟达开发的开源自动语音识别（ASR）模型，采用 FastConformer 和 TDT 架构，具备高速转录、高精度识别、歌词转录、文本格式化等功能。模型在 Hugging Face Open ASR Leaderboard 中表现优异，实时因子高达 3386，适用于会议记录、法律医疗、字幕生成及音乐索引等多种场景。

AI项目与工具 2025年06月11日 36 点赞 0 评论 713 浏览

Mirage Studio

一款基于自研全模态基础模型的AI视频生成工具，可根据音频、文本、图像等输入自动生成具有真实情感和动作的虚拟角色视频。

Ai视频生成 2025年06月05日 44 点赞 0 评论 713 浏览

FinGPT

FinGPT是一款面向金融领域的开源大语言模型，基于自然语言处理技术，支持情感分析、关系提取、标题分类和命名实体识别等多种金融任务。它采用端到端框架，结合低秩适配（LoRA）和基于股价的强化学习（RLSP），实现高效的数据处理与模型优化。适用于投资分析、市场研究、量化交易等多个场景，具备多语言支持和实时数据分析能力，为金融决策提供智能化解决方案。

AI项目与工具 2025年06月12日 23 点赞 0 评论 712 浏览