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。

基于深度学习的高质量文本到语音合成模型

使用文本生成音乐的模型

AI云平台，为所有人服务

开源文本到图像生成模型，AuraFlow v0.3官网入口网址

此应用可根据文本描述生成图像，或提供现有图像的描述和答案。

基于 DiT 的人类图像动画框架，实现精细控制与长效一致性。

一款基于Midjourney风格的文本到图像生成模型，专注于高分辨率和写实风格的图像创作。

使用Llama模型的语音合成工具

CodeFormer_GUI 是一款易于使用的人脸清晰化工具，提供图形用户界面，支持批量处理和多种输出格式，适合各类用户，Cody Former官网入口网址

高效的视觉编码技术，提升视觉语言模型性能。

通过测试时间缩放显著提升视频生成质量。

Lumina-Video 是一个用于视频生成的初步尝试项目，支持文本到视频的生成。

Huginn-0125是一个35亿参数的潜变量循环深度模型，擅长推理和代码生成。

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

VideoLLaMA3是前沿的多模态基础模型，专注于图像和视频理解。

BEN2是一个基于深度学习的图像分割模型，专注于背景擦除和前景提取。

用于识别数学推理过程中的错误

开源项目，用于估算模型训练或推理所需的显存。

快速且内存高效的精确注意力机制

用于理解任意视频中的相机运动的工具。

一个强大的代码生成和理解工具，它通过大规模训练和多样化的模型规模，为开发者提供了一个高性能的编程辅助平台，StarCoder 2官网入口网址

通过多样化合成数据和全局到局部自适应感知增强文档布局分析

零样本风格化情侣肖像创作

一种通过视觉上下文学习的通用图像生成框架。

一款用于生成信息图表的视觉文本渲染工具。

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。

高精度视频唇形同步技术

先进的多模态图像生成模型，结合文本提示和视觉参考生成高质量图像。

开放源代码的 8B 参数文本到图像扩散模型。

LLaSA： 扩展基于 LLaMA 的语音合成的训练时间和测试时间计算量

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