LLaSA： 扩展基于 LLaMA 的语音合成的训练时间和测试时间计算量

MNN 是阿里巴巴开源的轻量级高性能推理引擎，支持多种主流模型格式。

OmniThink 是一种通过模拟人类思考过程来提升机器写作知识密度的框架。

Janus-Pro-7B 是一个新型的自回归框架，统一多模态理解和生成。

Pyramid-Flow的ComfyUI包装节点，用于高效视觉生成。

使用Llama模型的语音合成工具

高精度视频唇形同步技术

开源的音乐生成模型

AI云平台，为所有人服务

图像水印技术，可在图片中嵌入局部化水印信息

8B参数变分自编码器模型，用于高效的文本到图像生成。

从零开始学习深度学习，实现GPT模型，zero_to_gpt官网入口网址

CogView4-6B 是一个强大的文本到图像生成模型，专注于高质量图像生成。

PhotoDoodle 是一个基于少量样本对数据学习艺术图像编辑的代码实现。

Claude 3.7 Sonnet 是 Anthropic 推出的最新智能模型，支持快速响应和深度推理。

QwQ-Max-Preview 是 Qwen 系列的最新成果，基于 Qwen2.5-Max 构建，具备强大的推理和多领域应用能力。

VLM-R1 是一个稳定且通用的强化视觉语言模型，专注于视觉理解任务。

一种非侵入式脑机接口技术，通过脑电图或脑磁图解码大脑活动以实现文本输入。

强大的视频替换与编辑软件，利用AI技术实现自然效果。

DeepFloyd IF是一个强大的文本到图像生成模型，能够生成高分辨率和逼真度的图像。它结合了先进的语言理解和图像生成技术，提供了多种功能，如超分辨率、风格迁移和零样本学习，DeepFloyd官网入口网址

AI研究资源导航网站，提供AI研究资源、文档和实践案例

Tarsier 是由字节跳动推出的用于生成高质量视频描述的大型视频语言模型。

Video Depth Anything: Consistent Depth Estimation for Super-Long Videos

VideoJAM 是一种用于增强视频生成模型运动连贯性的框架。

行业领先的人工智能基础架构解决方案商，思腾合力官网入口网址

YuE是一个开源的音乐生成模型，能够将歌词转化为完整的歌曲。

31课时掌握神经网络的基本原理和实现方法，以及卷积神经网络、递归神经网络和词向量等经典模型的原理和应用技巧，打下深度学习领域的坚实基础，【新】AI算法工程师-深度学习入门官网入口网址

706课时帮助学生打下坚实的基础，为进一步学习人工智能和深度学习做好准备，AI算法工程师-必备基础与机器学习官网入口网址

基于人工智能(AI)的自动论文降重系统，PaperAI智能降重官网入口网址

VideoLLaMA3是前沿的多模态基础模型，专注于图像和视频理解。

一种新颖的图像到视频采样技术，基于Hunyuan模型实现高质量视频生成。

Janus-Pro-1B 是一个统一多模态理解和生成的自回归框架。