Gemini

Gemini多模态变换器，支持图像和音频解析

Gemini 多模态 Transformer 图像嵌入音频处理 Github 开源项目

Gemini项目实现了一个可处理文本、音频、图像和视频输入的多模态变换器，具备特殊解码功能来生成图像。其架构类似于Fuyu，但扩展至多种模态，并通过直接将图像嵌入输入变换器来处理。组件Codi也采用条件生成策略，初步实现图像嵌入，后续将集成音频和视频嵌入。

multi_token - 将多模态嵌入到大语言模型的开源框架

Githubmulti_token图像识别多模态嵌入大语言模型开源项目语音识别

multi_token是一个开源项目，旨在扩展大语言模型的多模态处理能力。该框架支持将图像、音频、文档和视频等多种模态编码为统一格式，并嵌入到单个模型中。它提供了简便的实现方法，使开发者能够轻松构建支持长文档、图像、音频和视频等多模态输入的语言模型。

x-transformers - 轻量级Transformer模型，支持完整的编解码器配置和最新研究成果，适合各种从图像分类到语言模型的应用

Githubtransformerx-transformers开源项目模型训练编码器编解码器

x-transformers提供了多功能的Transformer模型，支持完整的编解码器配置和最新研究成果，适合各种应用，从图像分类到语言模型。其先进技术如闪存注意力和持久内存，有助于提高模型的效率和性能。此项目是研究人员和开发者的理想选择，用于探索和优化机器学习任务中的Transformer技术。

gemma-2-9b-it - Google开源轻量级语言模型支持多种文本生成

GemmaGithubHuggingface人工智能大语言模型开源项目文本生成机器学习模型

Gemma 2-9b-it是Google推出的轻量级开源大语言模型,基于Gemini技术开发。这款英语文本生成模型提供预训练和指令微调版本,适用于问答、摘要和推理等任务。其轻量级设计支持在资源受限环境部署,让更多人能够使用先进AI技术,促进创新发展。

Google Gemini Pro Chat Bot - Google Gemini Pro智能AI聊天助手

AI助手AI工具Google Gemini人工智能对话系统聊天机器人

Google Gemini Pro Chat Bot是一款先进的多功能AI助手，支持文本和图像输入的多模态交互。这个人工智能对话平台不仅能智能回答问题，还可协助完成各种任务，为用户提供卓越的智能化体验。作为便捷的在线平台，它让用户轻松体验Google的尖端AI技术，开启探索人工智能潜力的无限可能。

chameleon - 多模态早期融合基础模型的开源实现

AI研究GithubMeta Chameleon可视化工具多模态模型开源项目模型推理

Chameleon是Meta AI开发的多模态早期融合基础模型。项目提供GPU推理实现、浏览器端多模态输入输出查看工具和评估提示。开源内容包括模型代码、权重和数据集，支持多模态AI技术研究与应用。Chameleon能够在文本、图像等多种模态间实现高效融合和理解。

gemini-chatbot - 基于Next.js 14的开源AI聊天机器人应用模板

AI聊天机器人GithubGoogle GeminiNext.jsReactVercel AI SDK开源项目

该开源项目是一个基于Next.js 14构建的AI聊天机器人应用模板，集成了Vercel AI SDK和Google Gemini。它支持React Server Components、流式聊天UI和多种AI模型提供商。项目特点包括使用shadcn/ui组件库、Tailwind CSS样式设计、聊天历史记录和会话存储功能。这是一个适合开发者快速构建和定制AI聊天应用的解决方案。

Google AI Gemma - 提供多样化的高性能AI开放模型

AI工具AI开发Gemma模型Google AIKerasTensorFlow性能优化模型训练热门

Google AI Gemma 网站展示了一系列高性能AI开放模型，旨在提供针对复杂数据、编程和科学计算的优化解决方案。Gemma系列模型，包括Gemma 1和Gemma 2，以不同的模型大小提供卓越性能，具备前沿的技术和可靠的设计，确保AI使用的安全性和责任感。

Lumina-T2X - Lumina-T2X项目：多模态文本转换的流式扩散模型

GithubLumina-T2X多模态生成大型扩散变换器开源项目文本转换高分辨率图像生成

Lumina-T2X利用基于流的扩散变换器，实现文本向多种模态、分辨率和持续时间的转换，包括图像、音频和视频。其功能还包括高分辨率生成、多轮对话、深度图和分割图估计等。项目提供多语言提示和表情符号支持，适用于多种智能生成需求。访问项目页面了解更多详情和使用案例。

gemma-2-2b-it - Google开发的2B参数轻量级语言模型用于多种文本生成

GemmaGithubHuggingface人工智能大语言模型开源项目机器学习模型自然语言处理

gemma-2-2b-it是Google基于Gemini技术开发的轻量级开源语言模型。这个2B参数的指令微调模型适用于问答、摘要和推理等文本生成任务。模型体积小巧，可在资源受限环境部署，为开发者提供AI能力。采用英语训练并支持开放权重，有助于促进AI技术创新和应用。

awesome-gemini - 深入了解Gemini协议的资源合集

GeminiGithub协议客户端开源项目服务器编程

全面收录Gemini协议生态系统资源，涵盖终端和图形客户端、编程库、相关规范、服务器和工具。详细介绍Gemini协议及其设计理念，提供丰富的资源链接和项目镜像地址，助力开发者和用户深入了解和应用该协议。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com