国产化大模型，支持多模态，快速低成本智能化转型。

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

一个强大的统一多模态模型，支持文本到图像生成及图像编辑。

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。

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。

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

先进多模态大型语言模型系列

革命性的AI图像编辑与生成技术，结合了文字指令和视觉语境，实现精准编辑和风格转移。

BAGEL是一款开源的统一多模态模型，您可以在任何地方进行微调、精简和部署。

Phi-4-multimodal-instruct 是微软开发的轻量级多模态基础模型，支持文本、图像和音频输入。

现代Python数据框库，专为人工智能设计。

多模态大型语言模型，展示卓越的整体性能

Fotol AI是强大AI解决方案的终极中心，提供AGI技术和服务。