AI 助理
文档备案控制台

图像识别

首页 标签 图像识别
# 图像识别 #
关注
1229内容
相关子社区
ModelScope模型即服务
15112内容 6活动 3983关注
最新 热门 文章 问答 视频 训练营 活动
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
AudioX：颠覆创作！多模态AI一键生成电影级音效+配乐，耳朵的终极盛宴
AudioX 是香港科技大学和月之暗面联合推出的扩散变换器模型，能够从文本、视频、图像等多种模态生成高质量音频和音乐，具备强大的跨模态学习能力和泛化能力。
# 图像识别 # 人工智能 # 自然语言处理
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
Open-LLM-VTuber：宅男福音！开源AI老婆离线版上线，实时语音+Live2D互动还会脸红心跳
Open-LLM-VTuber 是一个开源的跨平台语音交互 AI 伴侣项目，支持实时语音对话、视觉感知和生动的 Live2D 动态形象，完全离线运行，保护用户隐私。
# 图像识别 # 人工智能 # 并行计算 # 语音技术 # 异构计算 # Windows
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
MV-MATH：中科院开源多模态数学推理基准，多视觉场景评估新标杆
MV-MATH 是中科院自动化所推出的多模态数学推理基准数据集，旨在评估多模态大语言模型在多视觉场景中的数学推理能力。该数据集包含2009个高质量的数学问题，涵盖11个数学领域和3个难度级别，适用于智能辅导系统和多模态学习研究。
# 图像识别 # 人工智能
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
阿里通义开源全模态大语言模型 R1-Omni：情感分析成绩新标杆！推理过程全程透明，准确率飙升200%
R1-Omni 是阿里通义开源的全模态大语言模型，专注于情感识别任务，结合视觉和音频信息，提供可解释的推理过程，显著提升情感识别的准确性和泛化能力。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 监控 # 计算机视觉
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
Heygem：开源数字人克隆神器！1秒视频生成4K超高清AI形象，1080Ti显卡也能轻松跑
Heygem 是硅基智能推出的开源数字人模型，支持快速克隆形象和声音，30秒内完成克隆，60秒内生成4K超高清视频，适用于内容创作、直播、教育等场景。
# 虚拟数字人 # 图像识别 # 存储 # 人工智能 # Docker # Windows # 容器
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
AppAgentX：告别重复点击！自我进化式GUI代理自动生成高级操作，效率翻倍
AppAgentX 是西湖大学推出的新型自我进化式 GUI 代理框架，通过记忆和进化机制提升智能手机交互的效率和智能性，支持复杂任务和跨应用操作，显著优于现有方法。
# 图像识别 # 存储 # 人工智能 # API # Android开发 # 容器
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
Kiss3DGen：基于图像扩散模型的3D资产生成框架
Kiss3DGen是一个创新的3D资产生成框架，通过重新利用预训练的2D图像扩散模型，高效生成、编辑和增强3D对象，支持文本到3D、图像到3D等多种生成任务。
# 图像识别 # 人工智能 # 搜索推荐 # 开发者 # 异构计算
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
PodAgent：港中文、微软、小红书联合推出的播客生成框架
PodAgent 是由香港中文大学、微软和小红书联合推出的播客生成框架，基于多智能体协作系统，自动生成高质量对话内容，支持声音角色匹配和语音合成，适用于媒体、教育、企业推广等多个场景。
# 图像识别 # 人工智能 # 自然语言处理 # 语音技术 # 决策智能
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
SpatialVLA：上海AI Lab联合上科大推出的空间具身通用操作模型
SpatialVLA 是由上海 AI Lab、中国电信人工智能研究院和上海科技大学等机构共同推出的新型空间具身通用操作模型，基于百万真实数据预训练，赋予机器人强大的3D空间理解能力，支持跨平台泛化控制。
# 图像识别 # 人工智能 # 机器人 # 物联网 # 异构计算
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
Proxy Lite：仅3B参数的开源视觉模型！快速实现网页自动化，支持在消费级GPU上运行
Proxy Lite 是一款开源的轻量级视觉语言模型，支持自动化网页任务，能够像人类一样操作浏览器，完成网页交互、数据抓取、表单填写等重复性工作，显著降低自动化成本。
# GPU云服务器 # 图像识别 # 人工智能 # 自然语言处理 # API # 开发者 # 异构计算
免费试用