训练
  1. 首页
  2. 训练

列表

LongVILA

LongVILA

LongVILA是一款专为长视频理解设计的视觉语言AI模型，由多家知名研究机构共同开发。它具备强大的长上下文处理能力和多模态序列并行性，能在大量GPU上高效训练，无需梯度检查点。LongVILA通过五阶段训练流程，结合大规模数据集构建和高性能推理，显著提升了长视频字幕的准确性和处理效率。此外，它还支持多种应用场景，包括视频字幕生成、内容分析、视频问答系统等。
AI项目与工具 2025年06月12日
Tarsier2

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
The Language of Motion

The Language of Motion

The Language of Motion是一款由斯坦福大学李飞飞团队开发的多模态语言模型，能够处理文本、语音和动作数据，生成对应的输出模态。该模型在共同语音手势生成任务上表现出色，且支持情感预测等创新任务。它采用编码器-解码器架构，并通过端到端训练实现跨模态信息对齐。The Language of Motion广泛应用于游戏开发、电影制作、虚拟现实、增强现实及社交机器人等领域，推动了虚拟角色自
AI项目与工具 2025年06月12日
InfiMM

InfiMM

InfiMM-WebMath-40B是由字节跳动与中国科学院联合推出的大规模多模态数据集，涵盖大量数学和科学内容，包括文本、公式、符号及图像。该数据集通过筛选、清洗和标注优化，可显著提升多模态模型的数学推理能力。它适用于数学题库生成、学习工具开发、论文理解及科学研究等多个应用场景。 ---
AI项目与工具 2025年06月12日
GameFactory

GameFactory

GameFactory 是由香港大学与快手科技联合研发的AI框架，专注于解决游戏视频生成中的场景泛化问题。它基于预训练视频扩散模型，结合开放域数据与高质量游戏数据，通过多阶段训练实现动作可控的多样化场景生成。具备高精度动作控制、交互式视频生成及丰富场景支持，适用于游戏开发、自动驾驶模拟及具身智能研究等领域。
AI项目与工具 2025年06月12日
InfiniteYou

InfiniteYou

InfiniteYou 是由字节跳动推出的基于扩散变换器的身份保持图像生成框架，通过 InfuseNet 注入身份特征，确保生成图像与输入图像的高度相似。结合多阶段训练策略，提升文本与图像对齐、图像质量和美学效果。支持插件化设计，兼容多种工具，适用于社交媒体、影视制作、广告营销等多个领域。
AI项目与工具 2025年06月12日
SynClub

SynClub

SynClub是一款基于AI技术的社交应用，允许用户创建并定制个性化的AI角色，实现情感陪伴与互动交流。该工具支持文字和语音对话，具备自然语言处理能力，能根据用户行为进行学习与适应，提供更精准的互动体验。适用于情感支持、社交训练、兴趣交流及语言学习等多场景，注重用户隐私与安全感。
AI项目与工具 2025年06月12日
魔多AI

魔多AI

一个专为AI创作者打造的趣玩社区，提供多种AI模型和创作工具，支持用户进行插画、动漫、写实等多种风格的图像创作。
Ai绘画生成 2025年06月05日
AutoTrain

AutoTrain

AutoTrain是一款由Hugging Face开发的无代码平台，支持用户通过上传数据快速创建和部署定制化的AI模型。它涵盖多种机器学习任务，如文本分类、图像识别及表格数据分析，并提供自动化的数据预处理、分布式训练、超参数优化等功能，适用于自然语言处理、计算机视觉等多个领域。其核心优势在于简化了模型训练流程，使非技术人员也能高效构建高质量模型。 ---
AI项目与工具 2025年06月12日