AI开源项目

创新的语音翻译大模型，它通过端到端的设计和深度学习技术，实现了高质量的实时语音翻译。无论是在国际会议、教育培训、旅游导航还是客户服务和医疗咨询等场景中，Gummy都能提供高...

强大的视频描述生成工具，通过先进的多模态处理和上下文感知能力，为用户提供了一种快速理解视频内容的方法。它的实时处理能力和定制化描述功能，使其在多种应用场景中都非常有用。

它提供了一种快速、高效且训练无关的方法来生成一致性图像，特别适用于需要保持主题一致性的应用场景。它不仅能够处理单主题场景，还能够应对多主题挑战，并与现有的图像编辑工具...

一个创新的文本到视频生成框架，它通过两阶段训练策略实现了高度的姿态控制和时间连贯性。该框架不仅能够根据文本描述生成视频，还能让用户通过姿态序列精确控制视频中角色的动作...

采用创新的原语（primitive-based）三维表示方法PrimX，能够高效编码和生成具有物理基础渲染（PBR）特性的高质量三维资产。

强大的多模态大模型，它通过创新的架构设计和全面的数据优化，在多模态任务上展现了卓越的性能。