WhimRead 需要 JavaScript 才能使用站内搜索。
Whim
Read
随手一翻
发现
全部工具
推荐
惊喜
关于
搜索
English
模型
sensenova-vision
opensensenova/sensenova-vision
将
异构视觉
任务统
一
为
多
模态
生成
的
视觉
大模型,
发布权重、
语料
与
推理
评测训练
流程。
去 GitHub 看仓库
复制链接
标签
mllm
mllm-for-cv
unified-cv
同类项目
Agent-S
13k
像
人
一样
看屏
操作
桌面
的
开源
计算机
使用
智
能
体,
支持
mouse 键盘
滚动
任务
执行。
MobileAgent
9.4k
通义
实验室
的
GUI 智
能
体
家族
(Mobile-Agent
与
GUI-Owl),
能理
解
屏幕
并
自主操
作
手机、
电脑
和
浏览器
完成
跨应用
任务。
llava-onevision-2
1.2k
开源
多
模态
训练
框架
与
LLaVA-OneVision 模型
家族,
公开
数据、
编码器、
训练
代码
与
权重。
whisper
112.5k
OpenAI
通用
语
音识
别模型,
提供
多
语言
转录、
翻译
和
语
种
识别,
并
发布
多
档模型
权重
与
推理
代码,
可
在
本
地
运行。
VibeVoice
57.2k
微软
开源
的
语音
AI 模型
家族,
包含
长
音频语
音识别、
多
说
话
人
TTS
和
实时
流式
TTS 模型
权重。
kronos
48k
面
向
金融
市场
K
线序列
的
开源
基础
模型,
提供
多
规模
预训
练权重、
预测
接口
与
微调
回
测
流程。
733
mllm,mllm-for-cv,unified-cv
将异构视觉任务统一为多模态生成的视觉大模型,发布权重、语料与推理评测训练流程。
←
上一个
Emora-Project
下一个
→
cli