训练
  1. 首页
  2. 训练

列表

SANA 1.5

SANA 1.5

SANA 1.5是由英伟达联合多所高校研发的高效线性扩散变换器，专用于文本到图像生成任务。其核心优势包括高效的训练扩展、模型深度剪枝、推理时扩展等技术，能够在不同计算预算下灵活调整模型性能。支持多语言输入，并具备开源特性，适用于创意设计、影视制作、教育等多个领域。实验表明，其生成质量接近行业领先水平，同时显著降低计算成本。
AI项目与工具 2025年06月12日
univerbal

univerbal

Univerbal是一款基于AI的多语言学习应用，支持超过22种语言，为用户提供个性化、实时反馈的语言学习体验。其核心功能涵盖AI对话练习、多语言支持、主题多样化及进度追踪，旨在帮助用户通过实际场景练习提升语言能力，尤其注重口语和发音的改善。此外，该应用还具备复习功能，助力用户巩固所学内容。
AI项目与工具 2025年06月12日
RoboBrain

RoboBrain

RoboBrain是由智源研究院开发的开源具身大脑模型，支持任务规划、可操作区域感知和轨迹预测等功能。其基于LLaVA框架，采用多阶段训练策略，具备高分辨率图像处理和长历史帧记忆能力。适用于多机器人协作、复杂任务执行及实时优化场景，依托ShareRobot数据集提升模型性能，广泛应用于机器人操作领域。
AI项目与工具 2025年06月12日
LongVU

LongVU

LongVU是一款由Meta AI团队研发的长视频理解工具，其核心在于时空自适应压缩机制，可有效减少视频标记数量并保留关键视觉细节。该工具通过跨模态查询与帧间依赖性分析，实现了对冗余帧的剔除及帧特征的选择性降低，并基于时间依赖性进一步压缩空间标记。LongVU支持高效处理长视频，适用于视频内容分析、搜索索引、生成描述等多种应用场景。
AI项目与工具 2025年06月12日
BrushNet

BrushNet

BrushNet是一款基于扩散模型的图像修复工具，采用双分支架构处理遮罩区域。它能够实现像素级修复，保持修复区域与原始图像的一致性和高质量。BrushNet适用于多种场景和风格的图像，包括人类、动物、室内和室外场景，以及自然图像、铅笔画、动漫、插画和水彩画等。通过与预训练扩散模型结合，BrushNet提供灵活的修复控制，同时保留未遮罩区域的细节。
AI项目与工具 2024年01月01日
MEXMA

MEXMA

MEXMA是一种由Meta AI研发的预训练跨语言句子编码器，通过结合句子级和词语级目标优化句子表示质量。它支持80种语言，广泛应用于跨语言信息检索、机器翻译、多语言文本分类、语义文本相似度评估及跨语言问答系统等领域，并展现出卓越的性能。
AI项目与工具 2025年06月12日
Boximator

Boximator

Boximator是一种视频合成技术，通过引入硬框和软框实现对视频中对象的位置、形状或运动路径的精细控制。它基于视频扩散模型，通过多阶段训练和自跟踪技术，确保视频合成过程中的高质量和逼真度。应用场景包括电影和电视制作、游戏开发以及VR和AR内容创作。
AI项目与工具 2024年02月20日
Matryoshka Diffusion Models

Matryoshka Diffusion Models

Matryoshka Diffusion Models (MDM) 是一种由苹果公司开发的创新扩散模型，专为生成高分辨率图像和视频而设计。通过多尺度扩散机制与NestedUNet架构，MDM实现了高效的信息共享与渐进式训练，显著提升了模型的训练效率与生成质量。该模型适用于资源受限的环境，可减少训练步骤并保持生成图像的细节与清晰度。其主要功能包括高分辨率图像生成、多分辨率处理、特征共享以及渐进式训练
AI项目与工具 2025年06月12日
Fox

Fox

Fox-1是一系列由TensorOpera开发的小型语言模型，基于大规模预训练和微调数据，具备强大的文本生成、指令遵循、多轮对话和长上下文处理能力。该模型在多个基准测试中表现出色，适用于聊天机器人、内容创作、语言翻译、教育辅助和信息检索等多种应用场景。
AI项目与工具 2025年06月12日
MimicTalk

MimicTalk

MimicTalk是一款利用NeRF技术快速生成个性化3D说话人脸模型的工具，其核心功能包括15分钟内完成新身份训练、高质量视频生成、增强的表现力以及上下文学习能力。该工具通过混合适应流程、上下文风格化音频到运动模型等技术，实现了高效的数据样本利用和训练效率提升，适用于虚拟主播、远程协作、VR/AR等领域。
AI项目与工具 2025年06月12日