模型
标签
同类项目
llava-onevision-21.2k完全开放 的 多 模 态 大模型 框架， 统 一图 像 长 视频 与 空间 理解 并 发布 模型 数据 与 训练 全 流程。 
Agent-S12.9k像人 一样 看屏 操作 桌面 的 开源 计算机 使用 智 能 体， 支持 mouse 键盘 滚动 任务 执行。 
MobileAgent9.4k通义实验室 的 GUI 智 能 体 家族 （Mobile-Agent 与 GUI-Owl）， 能理 解 屏幕 并 自主操 作 手机、 电脑 和 浏览器 完成 跨应用 任务。 
VibeVoice56.4k微软开源 的 语音 AI 模型 家族， 包含 长 音频语 音识别、 多 说 话 人 TTS 和 实时 流式 TTS 模型 权重。 
kronos47.3k面向 金融 市场 K 线序列 的 开源 基础 模型， 提供 多 规模 预训 练权重、 预测 接口 与 微调 回 测 流程。 
voxcpm41.3k开源2B多 语言TTS模型， 无需 分词器， 支持 声音 设计、 可控 复刻 与 48kHz studio级 语音 合成。