产品名称：SNOOPI产品简介：SNOOPI是创新的文本到图像生成框架，基于增强单步扩散模型的指导提升模型性能和控制力。SNOOPI包括PG-SB（适当指导SwiftBrush）和NASA（负向远离转向注……

Clone-voice是一款基于深度学习技术的开源声音克隆工具，能够高质量地分析和模拟人类声音。它支持中文、英文、日文、韩文等16种语言，用户可以将文本转化为语音，或在不同声音风格……

O1-CODER是一个由北京交通大学研究团队开发的开源项目，旨在重现OpenAI的O1模型，专注于编码任务。通过结合强化学习（RL）和蒙特卡洛树搜索（MCTS）技术，O1-CODER显著增强了模型的……

产品名称：SOLAMI产品简介：SOLAMI是创新的VR端3D角色扮演AI系统，是南洋理工大学研究团队推出的。支持用户用语音和肢体语言与虚拟角色进行沉浸式互动，基于社交视觉-语言-行为模型……

产品名称：NVILA产品简介：NVILA是NVIDIA推出的系列视觉语言模型，能平衡效率和准确性。模型用“先扩展后压缩”策略，有效处理高分辨率图像和长视频。NVILA在训练和微调阶段进行系统……

产品名称：OOTDiffusion产品简介：OOTDiffusion是开源的AI虚拟试衣工具，能智能适配不同性别和体型，自动调整衣物尺寸和形状，生成自然贴合的试穿效果。OOTDiffusion支持半身和全身……

产品名称：ChatTTSPlus产品简介：ChatTTSPlus是ChatTTS的扩展版本，基于集成TensorRT加速、语音克隆和移动模型部署等先进技术，提升语音合成的性能和灵活性。在Windows平台上，能实……

书生·万象InternVL2.5是上海AI实验室OpenGVLab团队推出的一款开源多模态大型语言模型（MLLM）系列，基于InternVL2.0进行了显著的改进，尤其是在训练、测试策略和数据质量方面。该系……

产品名称：Gemini2.0产品简介：Gemini2.0是谷歌最新推出的原生多模态输入输出的AI模型。Gemini2.0Flash是2.0家族第一个模型，以多模态输入输出和Agent技术为核心，速度比1.5Pro快两……

MMAudio是一项创新的音频合成技术，专注于将视频内容转化为音频，通过多模态联合训练，使模型能够在多种视听和文本数据集上进行高效学习。其核心组件是同步模块，确保生成的音频与……