wisemodel开源社区

wisemodel开源社区

优质互联网领域创作者

一眼临摹One-DM是笔迹仿写AI，仅需提供单张参考样本即可临摹用户的书写风格，支持英文，中文和日文三种文字的临摹。这种新的风格化手写文字生成方法，由华南理工大学、新加坡国立大学、昆仑万维以及琶洲实验室研究者们提出。该字体使用起来更加高效、便捷和节约时间，并且在性能上也优于以往依赖10几张风格样本的SOTA工作。可以用于社交和办公软件中，帮助用户更好表达个性和传递情感，兼顾了传统手写的人情味和数字化时代的高效表达。
目前One-DM已经开源，并发布到始智AI wisemodel开源社区，欢迎大家前往使用。 https://wisemodel.cn/models/SCUT-MMPR/One-DM

JPG 长图

PNG 长图
瞥一眼就能模仿笔迹的AI，华南理工等开源的一眼临摹上线wisemodel社区

1天前
wisemodel开源社区

优质互联网领域创作者

Oryx是一种统一的多模态架构，能够处理图像、视频和多视角3D场景，提供了一种能够按照需求处理任意空间大小和时间长度视觉输入的解决方案。这一更灵活的多模态模型Oryx由清华大学、腾讯、南洋理工大学的研究者们提出，他们发现现有多模态大语言模型（MLLM）通常将视觉输入进行分辨率的标准化或进行动态切分等操作，以便视觉编码器处理。然而，这些方法对多模态理解并不理想，在处理不同长度的视觉输入时效率较低。为了解决上述问题，Oryx的核心创新点包括：一个预训练的OryxViT模型，能够将任意原始分辨率的图像编码为视觉令牌；一个动态压缩模块，支持按需对视觉令牌进行1倍到16倍的压缩。上述设计使Oryx能够在处理不同需求下的任务时保持更高的效率和精度。Oryx通过增强的混合数据和针对上下文检索、空间感知数据的训练，在多模态融合上取得了更强的能力。Oryx版本已经开源，并发布到始智AI wisemodel开源社区，欢迎大家前往使用。https://wisemodel.cn/models/yuhaodong/Oryx

WEBP 长图

WEBP 长图
处理任意空间大小和时间长度视觉输入，多模态架构Oryx开启wisemodel社区实践

2024-10-31
第四期书生大模型实战营，欢迎报名！

2024-10-31
wisemodel开源社区

优质互联网领域创作者

Open-Sora-Plan迎来又一次升级。新的Open-Sora-Plan v1.3.0版本引入了五个新特性：性能更强、成本更低的WFVAE；Prompt refiner；高质量数据清洗策略；全新稀疏注意力的DiT，以及动态分辨率、动态时长的支持。
本次升级主要是由于巨大的计算开销和不明确的训练策略限制了3D全注意力架构Open-Sora-Plan v1.2.0的发展。Open-Sora-Plan v1.3.0版本已经开源，并发布到始智AI wisemodel开源社区，欢迎大家前往使用。https://wisemodel.cn/models/PKU-YUAN/Open-Sora-Plan-v1.3.0

JPG 长图

JPG 长图
视频生成Open-Sora-Plan 升级至v1.3.0，引入五大新特性

2024-10-29
wisemodel开源社区

优质互联网领域创作者

在人类的想象中，「Any-to-Any」是真正属于未来的人与 AI 交互方式。AI 能做到接收文本、音频和图像的任意组合作为输入，并实时生成文本、音频和图像的任意组合输出。近日，智谱清言的「情感语音通话」就提供了一个真人一般的对话伙伴，又一次推动了国产 AI 对标国际先进水平。
这个情感语音通话背后正是智谱的端到端语音模型iconGLM-4-Voice。这一成果使得大模型具备了完整的感官系统，实现了机器与人交互的自然与流畅。具体来说，GLM-4-Voice 模型具备直接理解和生成中英文语音的能力，能够根据用户指令灵活调整语音的情感、语调、语速及方言等特征，且具有更低的延时，支持实时打断，进一步提升交互体验。目前GLM-4-Voice 系列模型已经开源，并发布到始智AI wisemodel开源社区，欢迎大家前往使用。https://wisemodel.cn/models/ZhipuAI/glm-4-voice-9b

JPG 长图

PNG 长图
GLM-4-Voice 让交互更简单，在wisemodel上开启实践探索

2024-10-27
类脑计算开启大模型计算新范式？——挑战获得诺贝尔奖的ANN

2024-10-24
RTE 大会报名丨智能编解码和 AI 生成视频，RTE2024 技术专场来了！

2024-10-23
直播预告｜1024多模态大模型分享会

2024-10-23
智源多模态世界模型Emu3发布，靠预测下一个token统一图文视频

2024-10-22
直播预告｜1024特别活动，多模态主题分享

2024-10-21
哈工大发布“珠算”代码大模型

2024-10-20
教程 | CogView3-Plus文生图模型在线部署和体验

2024-10-18
持平最领先T2I模型水平，智谱 CogView3-Plus开源

2024-10-17
教程 | 安装部署3DTopia-XL模型，直出工业级PBR资产

2024-10-16
wisemodel开源社区

优质互联网领域创作者

阶跃星辰多模态团队最近在wisemodel社区开源了GOT-OCR-2.0模型，平台上提供了部署和使用教程，可以直接选用平台提供的镜像文件快速部署和使用，该模型一度登上HF Trending 榜首，只需要 256 个 token 即可准确地编码 4000+ 字的 pdf 截图，远低于当前主流方案中依靠上千 tokens 来编解码 pdf 图像的多模态大模型，为未来视觉和多模态模型的研发提供一些新的思路。研究团队将整个训练过程分为高效预训练 encoder、联合训练 encoder-decoder、加强 decoder 以适配更多的 OCR 应用场景，为了构造各种各样的数据，还学习了众多数据渲染工具，包括 Latex，Mathpix-markdown-it，Matplotlib，Tikz，Verovio， Pyecharts 等。

PNG 长图

PNG 长图

PNG 长图
又一3D生成模型来袭！3DTopia-XL开源，直出工业级PBR资产

2024-10-15

正在载入...

正在载入...