Playground V3:图形设计模型的文字处理新标杆

Playground V3:图形设计模型的文字处理新标杆

Playground V3[1] 是一个专注于图形设计的模型,之前公开测试了 beta 版本。最近,其创始人发布了一段宣传片、技术报告和基准测试,展示了该模型在文字处理能力上全方位超越现有的一众模型,包括最新的 Flux pro 和 Ideogram 2.0。创始人还透露,V4 版本已经在研发中,关注我,为你持续跟进最新动态。

DeepSeek 推出开源多模态模型 Janus

Janus[2] 是 DeepSeek 推出的首个多模态模型,一个基于 DeepSeek-LLM-1.3b-base 和 SigLIP-L 的 1.3B MLLM,解耦了视觉编码,适用于多模态理解和生成。此模型基于 DeepSeek 1.0 开源许可协议,完全允许商用,是 DeepSeek 在多模态领域的一大步!

Meta Spirit LM:自由混合文本和语音的多模态模型

Spirit LM[3] 是 Meta 的首个能够自由混合文本和语音的多模态语言模型。它不仅理解语言的含义,还能捕捉并再现说话的音调、情感和风格。Spirit LM 支持文本和语音的输入输出,分为 Base 和 Expressive 两个版本。不过开源的模型 7B 参数量,推理能力一般。

微软 BitNet:CPU 加速运行 LLM 的新突破

BitNet[4] 是微软开源的一项技术,旨在无损加速运行大型语言模型(LLM)。与 llama.cpp 相比,BitNet 在 ARM CPU 上实现了 1.37 倍到 5.07 倍的加速,而在 x86 CPU 上则可实现 2.37 倍到 6.17 倍的加速。官方提供了一段演示视频,速度非常的快。目前,BitNet 仅支持 CPU,但未来计划扩展至 NPU 和 GPU。关注我,为你持续跟进最新动态。

UVR5 UI:高效分离人声与伴奏的开源工具

UVR5 UI[5] 是基于 python-audio-separator[6] 的开源 WebUI,支持大量模型和批处理功能。如果你需要分离人声和伴奏,这款工具绝对不容错过。不过,要注意的是,HF Space 上的版本运行速度较慢,建议直接使用 Colab 版本以获得更好的体验。

Tex4D:文本+3D 模型引导视频生成

Tex4D[7] 是一项创新技术,它巧妙地将 3D 模型与视频生成模型相结合,能够在不同视角和帧之间保持一致性。看着非常不错,角色一致性新思路。

相关推荐
xiaolang_8616_wjl4 小时前
c++文字游戏_闯关打怪2.0(开源)
开发语言·c++·开源
NocoBase5 小时前
NocoBase 商业授权激活指南
低代码·开源·资讯
算家计算8 小时前
ComfyUI-v0.3.43本地部署教程:新增 Omnigen 2 支持,复杂图像任务一步到位!
人工智能·开源
三花AI8 小时前
不要错过学习老马团队 xAI 开源 Grok 全系列官方提示词
开源
海豚调度10 小时前
Linux 基金会报告解读:开源 AI 重塑经济格局,有人失业,有人涨薪!
大数据·人工智能·ai·开源
LucianaiB14 小时前
百度开源文心4.5系列开源21款模型,实测 ERNIE-4.5-VL-28B-A3B-Paddle 多项评测结果超 Qwen3-235B-A22B
百度·开源·文心大模型·paddle·gitcode
popeye00814 小时前
免费开源 RPA 软件困境与 tdRPA 的创新破局
开源·rpa
redreamSo14 小时前
AI Daily | AI日报:DeepMind:AI设计药物开启人体试验; Cluely创始人:先传播,AI产品开发新思路; 博主檄文怒批英伟达显卡及销售问题
程序员·aigc·资讯
初九之潜龙勿用14 小时前
文心一言4.5开源模型测评:ERNIE-4.5-0.3B超轻量模型部署指南
开源·dubbo·文心一言