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

SmolVLM2 是一个专注于视频内容分析和生成的轻量化语言模型。

CLaMP 3 是一个用于跨模态和跨语言音乐信息检索的统一框架。

一款支持多模态功能的全功能大语言模型安卓应用。

SmolVLM-500M 是一个轻量级多模态模型，能够处理图像和文本输入并生成文本输出。

Janus-Pro-7B 是一个新型的自回归框架，统一多模态理解和生成。

低延迟、高质量的端到端语音交互模型

多模态语言模型，融合文本和语音

统一文本、音乐和动作生成模型

多模态大型语言模型，展示卓越的整体性能。

多模态大型语言模型，提升视觉和语言的综合理解能力

基于Llama-3-8B的多模态大型语言模型，专注于UI任务。

多模态原生Mixture-of-Experts模型

Qwen2-VL-7B是最新的视觉语言模型，支持多模态理解和文本生成。

多模态大型语言模型，融合视觉与语言理解。

多语言多模态嵌入模型，用于文本和图像检索。jina-clip-v2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

VideoLLaMA3是前沿的多模态基础模型，专注于图像和视频理解。

Janus-Pro-1B 是一个统一多模态理解和生成的自回归框架。

轻量级语言模型编程库，将提示视为函数。

WePOINTS项目，提供多模态模型的统一框架

定制化漫画生成模型，连接多模态LLMs和扩散模型。

多模态12B参数模型，结合视觉编码器处理图像和文本。

多模态大型语言模型，支持图像和文本理解

多模态大型模型，处理文本、图像和视频数据

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

一个强大的工具，它通过引入图像提示来增强文本到图像扩散模型的能力。它的设计轻量且高效，易于部署和使用，同时支持广泛的应用场景，包括图像生成、转换和修复。通过解耦的交叉注意力机制，IP-Adapter能够更好地理解和利用图像信息，从而生成更准确、更丰富的图像内容，IP-Adapter官网入口网址

国产化大模型，支持多模态，快速低成本智能化转型。

基于文本生成图像的多模态扩散变换器模型

先进多模态大型语言模型系列

视觉语言模型的最新进展