Falcon 2 是一款开源、多语言、多模态的模型，具备图像到文本转换能力。Falcon 2官网入口网址

革命性AI技术，多模态智能互动，GPT4o.so官网入口网址

大型视频语言模型，用于视觉问答和视频字幕生成。VideoLLaMA2-7B-16F-Base官网入口网址

微软轻量级、先进的多模态模型，专注于文本和视觉的高质量推理密集数据。Phi-3-vision-128k-instruct官网入口网址

开源多模态预训练模型，具备中英双语对话能力。GLM-4V-9B官网入口网址

专为内容创作者设计的AI内容搜索引擎，Qmedia官网入口网址

大型视频-语言模型，提供视觉问答和视频字幕生成。VideoLLaMA2-7B官网入口网址

大型多模态模型，处理多图像、视频和3D数据。LLaVA-NeXT官网入口网址

统一的代码库，用于微调大型多模态模型，lmms-finetune官网入口网址

大规模多模态医学数据集，MedTrinity-25M官网入口网址

自然语言编程，快速构建AI应用，Wordware官网入口网址

先进的多模态模型，支持图像和文本理解。Phi-3.5-vision官网入口网址

高性能多模态语言模型，适用于图像和视频理解。MiniCPM-V 2.6官网入口网址

MMTryon是一款多模态多参考虚拟试衣框架，能够生成高质量的组合试穿结果，支持多种试穿物品和穿衣风格定制，MMTryon官网入口网址

开源多模态大型语言模型，支持实时语音输入和流式音频输出。Mini-Omni官网入口网址

SEED-Story是一款多模态长篇故事生成工具，结合文本和图像生成丰富连贯的故事，适用于故事创作和内容生成，SEED-Story官网入口网址

多模态自回归模型，擅长文本生成图像，Lumina-mGPT官网入口网址