联通元景 – 中国联通AI开源的中文原生文生图模型
联通元景是什么 联通元景（UniT2IXL）是中国联通AI推出的中文原生文生图模型，完全在国产昇腾AI基础软硬件平台上实现训练和推理。模型采用复合语言编码模块，优化中文长文本和特色词汇理解，提升图像生...
排序
DiTCtrl – 港中文联合腾讯等机构推出的多提示视频生成方法
DiTCtrl是什么 DiTCtrl是基于多模态扩散变换器（MM-DiT）架构的多提示视频生成方法，是香港中文大学和腾讯等机构联合推出的。DiTCtrl能在无需额外训练的情况下，实现多个文本提示之间的...
MNN – 阿里开源的移动端深度学习推理框架
MNN是什么 MNN（Mobile Neural Network）是阿里巴巴集团开源的轻量级深度学习推理框架，为移动端、服务器、个人电脑、嵌入式设备等多种设备提供高效的模型部署能力。MNN支持Tens...
启元重症大模型 – 腾讯和迈瑞医疗联合推出的重症医疗大模型
启元重症大模型是什么 启元重症大模型是腾讯和迈瑞医疗联合发布的全球首个重症医疗大模型，专为ICU病房设计，解决重症监护中的痛点问题。模型整体参数量达到万亿级别，经过大量医学文本数据训练，涵盖285万医...
Poetry2Image – 专为中文古诗词图像生成设计的迭代校正框架
Poetry2Image是什么 Poetry2Image是一个专为中文古诗词图像生成设计的迭代校正框架，哈尔滨工业大学提出。框架通过自动化的反馈和校正循环，增强了诗歌与图像之间的一致性，有效捕捉诗歌的...
PeterCat – AI问答机器人，自动抓取 GitHub 上的文档和 issue 作为知识库
PeterCat是什么 PeterCat是开源的智能答疑机器人助手。PeterCat能帮助开发者和社区维护者更高效地解决技术问题，提升社区支持效率。PeterCat基于自动构建知识库，能与GitHub...
PartGen – 牛津大学联合 Meta AI 推出的3D对象生成和重建框架
PartGen是什么 PartGen是先进的3D对象生成和重建框架，是牛津大学的视觉几何小组和Meta AI共同推出的。PartGen能识别并生成由有意义部分组成的3D对象，3D对象能基于文本提示、图...
Vision Parse – 开源的 PDF 转 Markdown 工具
Vision Parse是什么 Vision Parse是开源的PDF文档转换工具，基于视觉语言模型（Vision LLMs）将PDF文件转换成Markdown格式。Vision Parse能智能识别...
The Language of Motion – 斯坦福李飞飞团队推出的统一多模态语言模型
The Language of Motion是什么 The Language of Motion是斯坦福大学李飞飞团队推出的多模态语言模型，能整合人类动作中的言语和非言语语言。模型能处理文本、语音和动...
Mathtutor on Groq – AI数学辅导工具，支持用语音形式提出数学问题
Mathtutor on Groq是什么 Mathtutor on Groq 是基于 Groq 架构的AI数学辅导工具，基于语音识别功能，支持用户用语音形式提出数学问题。工具内置强大的数学引擎，能实时...