AICAT ─ 全球3000+优质AI工具盘点，热门AI教程推荐
标签：AI项目和框架
Apollo：Meta与斯坦福大学携手推出创新多模态模型，实现图像与文本的深度融合与理解
Apollo是Meta与斯坦福大合推出的一款大型多模态模型（LMMs），专注于提升视频理解能力。该项目通过系统研究揭示了视频理解在LMMs中的关键驱动因素，提出了“ScalingConsistency”现象……
Meta 开源的图像生成框架，精确控制人物的外观和姿势
产品名称：Leffa产品简介：Leffa（LearningFlowFieldsinAttention）是MetaAI推出的用在可控人物图像生成框架，基于在注意力机制中引入流场学习，精确控制人物的外观和姿势。Leffa基……
Large Action Models：微软行动大模型开发框架助力高效智能应用构建与部署
LargeActionModels（LAMs）是微软推出的一款前沿开发框架，旨在创造能够在现实世界中执行复杂任务的智能系统。相比于传统的大型语言模型（LLMs），LAMs不仅具备文本生成的能力，更……
图森未来推出的图生视频大模型
产品名称：Ruyi产品简介：Ruyi是图森未来科技有限公司推出的图生视频大模型，专为在消费级显卡上运行设计，支持多分辨率、多时长视频生成，具备首帧、首尾帧控制、幅度控制和镜头控……
Lyra：提升多模态交互体验的SmartMore创新解决方案
Lyra是一款由香港中文大学、SmartMore和香港科技大合开发的高效多模态大型语言模型（MLLM），旨在增强语音、视觉和文本之间的交互能力。该模型利用开源的大型模型、多模态LoRA模块……
微软联合清华推出的多模态生成模型
产品名称：LatentLM产品简介：LatentLM是微软研究院和清华大学共同推出的多模态生成模型，能统一处理离散数据（如文本）和连续数据（如图像、音频）。模型用变分自编码器（VAE）将……
中科院联合多所高校机构推出增强多模态音乐生成的框架
产品名称：VMB产品简介：VMB（VisualsMusicBridge）是中国科学院信息工程研究所、中国科学院大学网络空间安全学院、上海人工智能实验室、上海交通大学等机构推出的多模态音乐生成框……
AI工作流可视化构建器，拖放节点设计复杂工作流
产品名称：NodeTool产品简介：NodeTool是开源的AI工作流可视化构建器。NodeTool集成广泛的AI工具和模型，基于简单、可视化的界面，让用户无需编码即可快速原型设计和测试。NodeTool……
PromptWizard
PromptWizard微软开源的AI提示词自动化优化框架PromptWizardPromptWizard是微软推出的一款自动化提示优化框架，旨在提升大型语言模型（LLMs）在特定任务上的表现。该框架采用自我演……
RWKV-7
RWKV-7RWKV系列的最新大模型架构版本，有强大的上下文学习能力RWKV-7是一款最新的大型模型架构，超越了传统的注意力机制，拥有更加灵活的状态演化能力，能够在相同算力条件下解决以……