模型

1. 首页
2. 模型

LDGen

LDGen是一款结合大型语言模型与扩散模型的文本到图像生成工具，支持零样本多语言生成，提升图像质量和语义一致性。通过分层字幕优化、LLM对齐模块和跨模态精炼器，实现文本与图像的高效交互。实验表明其性能优于现有方法，适用于艺术创作、广告设计、影视制作等多个领域，具备高效、灵活和高质量的生成能力。

AI项目与工具 2025年06月12日 59 点赞 0 评论 450 浏览

GameGen

GameGen-O 是一款基于 Transformer 架构的AI工具，专注于开放世界游戏视频的生成。它具备角色生成、环境构建、动作模拟及交互式控制等功能，通过两阶段训练方法提升了生成质量和灵活性，可应用于游戏原型设计、场景生成及开发辅助等领域，有助于降低开发成本并提高创作效率。

AI项目与工具 2025年06月12日 17 点赞 0 评论 451 浏览

PP

PP-DocBee是百度飞桨推出的多模态文档理解模型，基于ViT+MLP+LLM架构，支持文字、表格、图表等多类型文档内容的精准识别与解析。具备高效的推理性能和高质量输出，适用于文档问答、信息提取等场景，支持灵活部署，为文档处理提供智能化解决方案。

AI项目与工具 2025年06月12日 56 点赞 0 评论 451 浏览

Holara AI

一款AI动漫画卡通图片生成工具，用户只需输入他们的偏好和提示，然后Holara AI就会生成符合给定条件的动漫图像。

Ai绘画生成 2025年06月05日 17 点赞 0 评论 451 浏览

Uthana

Uthana是一款基于AI的3D角色动画生成平台，支持通过文字描述、参考视频或动作库快速生成逼真动画。其核心功能包括动作搜索、骨骼适配、风格迁移、API集成等，适用于游戏开发、影视制作、虚拟角色设计等多个领域。平台提供灵活的输出格式和编辑工具，帮助用户高效完成动画创作。

AI项目与工具 2025年06月12日 62 点赞 0 评论 451 浏览

Chatterbox

Chatterbox是Resemble AI推出的开源文本转语音（TTS）模型，基于0.5B规模的LLaMA架构，用超过50万小时精选音频训练。它支持零样本语音克隆，仅需5秒参考音频即可生成高度逼真的个性化语音，并具备情感夸张控制功能，可调节情绪、语速和语调。Chatterbox还拥有超低延迟的实时语音合成能力，延迟低至200毫秒以下，适用于交互式应用。此外，它采用安全水印技术防止滥用，适用于内容

AI项目与工具 2025年06月11日 55 点赞 0 评论 451 浏览

Tarsier2

Tarsier2是字节跳动研发的大规模视觉语言模型，擅长生成高精度视频描述并在多项视频理解任务中表现优异。其核心技术包括大规模数据预训练、细粒度时间对齐微调以及直接偏好优化（DPO）。该模型在视频问答、定位、幻觉检测及具身问答等任务中均取得领先成绩，支持多语言处理，具有广泛的应用潜力。

AI项目与工具 2025年06月12日 59 点赞 0 评论 452 浏览

AISmartCube

AISmartCube是一个低代码平台，专为简化AI工具开发与业务流程自动化设计。它支持无代码构建AI工具，集成多种功能节点（如LLMs、图像处理、数据抓取等），并提供AI助手及共享知识库服务。该平台适用于自动化工作流、客户服务、内容创作、市场分析以及个性化推荐等多个领域。

AI项目与工具 2025年06月12日 12 点赞 0 评论 452 浏览

OpenBMB

OpenBMB作为一个大型的中英文双语基础模型，通过在大规模语料库上的预训练，具备了优秀的语言处理能力。

Ai平台模型 1970年01月01日 0 点赞 0 评论 452 浏览

ArtStation

一个全球性的数字艺术社区平台，它为艺术家和设计师提供了一个展示自己作品的在线平台。这个平台支持多种艺术形式，包括绘画、插图、建模、动画、游戏设计等。

免商图片 2025年06月05日 15 点赞 0 评论 452 浏览