ORM
  1. 首页
  2. ORM

列表

Natural Language Playlist

Natural Language Playlist

Natural Language Playlist 探索语言和音乐之间丰富而复杂的关系，并使用 Transformer 语言模型构建播放列表。由于没有更好的术语，音乐推荐是一种“闭门造车”的东西。
创作工具 1970年01月01日
V-JEPA

V-JEPA

创新的自监督学习模型，它通过预测视频帧的特征表示来学习视频的视觉表示。这种方法不仅能够处理视频内容，还能在图像任务上表现出色，具有广泛的应用潜力。
Ai平台模型 1970年01月01日
GameGen

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
GENERator

GENERator

GENERator是阿里云飞天实验室开发的生成式基因组基础模型，基于Transformer解码器架构，具备98k碱基对的上下文长度和120亿参数。它能生成具有生物学意义的DNA序列，应用于蛋白质家族设计、启动子优化、基因组分析及合成生物学等领域。模型通过大规模数据预训练，并经过生物学验证，展现出强大的序列生成与优化能力。
AI项目与工具 2025年06月12日
豆包Seaweed

豆包Seaweed

豆包Seaweed是一款基于Transformer架构的AI视频生成工具，支持文生视频和图生视频模式，能够生成高逼真度、细节丰富的视频内容，广泛应用于电商、文旅、教育等领域，大幅降低视频制作门槛，提升创作效率。
AI项目与工具 2025年06月12日
LongLLaVA

LongLLaVA

LongLLaVA是由香港中文大学（深圳）研究团队开发的多模态大型语言模型，结合Mamba和Transformer模块，利用2D池化技术压缩图像token，大幅提升处理大规模图像数据的效率。该模型在视频理解、高分辨率图像分析及多模态代理任务中表现优异，特别擅长检索、计数和排序任务。其技术亮点包括渐进式训练策略和混合架构优化，支持多种多模态输入处理，广泛应用于视频分析、医学影像诊断、环境监测等领域。
AI项目与工具 2025年06月12日
Hunyuan3D

Hunyuan3D

Hunyuan3D-1.0 是腾讯推出的一款3D生成模型，支持文本和图像输入生成高质量3D资产。该模型采用两阶段方法，包含轻量版和标准版，具有快速生成和高质量重建的特点，广泛应用于3D创作、工业设计、建筑设计等领域。
AI项目与工具 2025年06月12日
Florence

Florence

Florence-2是微软Azure AI团队研发的多功能视觉模型，支持图像描述、目标检测、视觉定位和图像分割等功能。该模型基于Transformer架构，采用序列到序列学习方法，利用自注意力机制实现多模态信息融合。通过训练大规模数据集，Florence-2在多个应用场景中表现出色，包括图像和视频分析、内容审核、辅助驾驶、医疗影像分析以及零售和库存管理。
AI项目与工具 2025年06月12日
Faster Whisper

Faster Whisper

Faster Whisper 是一款基于 OpenAI Whisper 模型的高效语音识别工具，利用 CTranslate2 引擎显著提升转写速度并降低内存消耗。它支持多语言处理，可应用于实时语音转写、视频字幕生成、客户服务、医疗记录等领域。其核心技术包括 8 位量化、语音活动检测（VAD）及模型优化，同时提供灵活的 API 接口供开发者集成。
AI项目与工具 2025年06月12日