精选多模态模型：实用AI工具、网站及开源项目大全
ichigo
Ichigo实时语音AI
本地实时语音AI
vip-llava-7b
聊天机器人ViP-LLaVA
ViP-LLaVA的多模态对话与视觉指令协同应用
idefics-9b-instruct
图像文本生成Hugging Face
多模态生成模型提升图像与文本的交互性
llava-interleave-qwen-0.5b-hf
机器学习Github
多模态模型中的图像到文本生成的应用与研究
siglip-base-patch16-256-multilingual
图像分类Huggingface
基于Sigmoid损失函数的多语言视觉语言模型
llava-interleave-qwen-7b-hf
图像识别自然语言处理
领先的多模态AI模型 支持多图像视频和3D输入处理
blip-itm-base-coco
图像文本匹配多模态模型
BLIP模型革新视觉语言理解和生成技术
Emu3-Gen
Emu3图像处理
统一模型驱动的AI系统实现图像文本与视频的生成与理解
MGM-7B
HuggingfaceMGM-7B
基于LLaMA的开源多模态图文理解生成模型
siglip-large-patch16-384
开源项目模型
通过改进的损失函数提升多模态图像和文本的匹配效率
CLIP-ViT-g-14-laion2B-s12B-b42K
开源项目模型
用于零样本图像分类的先进研究工具
fuyu-8b
Github模型
无需图像编码器的轻量级多模态开源模型
Video-LLaVA-7B-hf
多模态模型语言模型
基于LLM的统一视觉模型实现图像和视频的智能处理
Emu3-VisionTokenizer
多模态模型Github
Emu3多模态模型通过单一预测方法实现突破性能
siglip-base-patch16-384
计算机视觉开源项目
改进型CLIP架构的图像文本预训练模型
llama3-llava-next-8b
机器学习人工智能
基于Llama 3的开源多模态视觉语言AI模型
Aria
开源项目模型
轻量级多模态原生混合专家模型实现高性能AI推理
llava-1.6-mistral-7b-gguf
MistralLLaVA
基于Mistral-7B的LLaVA多模态模型GGUF量化版
idefics2-8b
模型图像理解
多模态AI模型实现图文交互
llava-v1.5-7b-llamafile
模型Github
LLaVA模型实现图像理解与自然语言交互的多模态AI
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号