OmniSVG
多模态SVG生成大模型 端到端多模态SVG生成模型，能够通过文本、图像或角色参考等多种输入方式生成高质量的矢量图形。
商汤空间智能大模型 商汤开源的2B/8B多模态模型，在空间理解基准上超越GPT-5，为自动驾驶、机器人提供“看懂世界”的通用引擎。
数据统计
相关导航
MoCha
电影级对话角色合成工具 MoCha 是一款能够仅通过语音和文本生成电影级对话角色的合成工具，支持情感控制、动作控制以及多角色对话等功能。
蚂蚁集团
Ming-flash-omni 2.0 全模态大模型 Ming-flash-omni 2.0 是蚂蚁集团开源的新一代全模态大模型，基于 Ling-2.0 MoE 架构打造，实现视觉语言理解、图像生成编辑、语音 / 音效 / 音乐统一生成三大能力全面升级，部分指标超越 Gemini 2.5 Pro，为多模态应用开发提供高效统一入口。
昆仑万维 Matrix-Game 2.0
开启开源世界模型新纪元 Matrix - Game 2.0 是昆仑万维发布的开源世界模型，旨在推动人工智能在复杂环境中的决策能力，为研究人员和开发者提供强大的工具和平台，助力人工智能技术的创新与发展。
olmOCR
开源高性能OCR扫描识别工具 高效地将PDF文件和其他文档转换为结构化的纯文本。
MobileAgent
移动设备的智能操作助手 MobileAgent 是一款强大的移动设备操作辅助工具，通过多智能体协作实现复杂任务的自动化操作，提升移动设备的使用效率和便捷性。
NiuTrans.LMT
打破语言壁垒的多语种翻译开源大模型 NiuTrans.LMT 是东北大学开源的多语言翻译大模型，凭借双中心架构与三层语言覆盖设计，支持 60 种语言、234 个翻译方向，在低资源语言翻译领域实现重大突破，兼顾翻译效率与准确性，为跨文化交互提供高效开源解决方案。
ComfyUI-AdvancedLivePortrait
一个开源的实时人像美化和背景替换工具，基于深度学习技术，为视频通话、直播和虚拟背景应用提供高级视觉效果。
暂无评论...