AIシェアリングサークル

AudioGen-Omniは、Racerのマルチモーダルオーディオ生成モデルで、ビデオやテキストなどの入力に基づいて高品質のオーディオ、スピーチ、歌を生成します。AudioGen-Omniは、マルチモーダル拡散トランスフォーマーや位相整合トランスフォーマーなどの高度な技術に基づいています。

RedOneは、Little Red Bookによって導入されたソーシャルネットワーク用に調整された大規模言語モデルである。RedOneは、社会的・文化的知識を取り入れ、マルチタスク能力を強化し、人間の嗜好を調整する3段階の学習戦略によって学習される。RedOneは、社会的タスクのパフォーマンス、有害コンテンツの検出とブラウジングにおいて、基本モデルを大幅に上回る。

FastDeployはFlying Paddle (PaddlePaddle)フレームワークに基づいて開発され、様々なハードウェアプラットフォームをサポートしています。

InteriorGSは、Qunar Technologyによって導入された高品質の3Dガウス意味データセットである。このデータセットには、住宅、コンビニエンスストア、結婚式場、美術館など80以上の屋内環境をカバーする1,000の3Dシーンが含まれている。このデータセットには、755のカテゴリに分類された554,000以上のオブジェクトインスタンスが含まれている。

DragonV2.1は、マイクロソフト社の先進的なゼロサンプル音声合成（TTS）モデルです。Transformerアーキテクチャをベースとしたこのモデルは、多言語およびゼロサンプル音声クローンをサポートし、わずか5～90秒の音声プロンプトで自然で表現力豊かな音声を生成します。

ScreenCoderは、UIデザインのスクリーンショットを高品質のHTML/CSSコードに素早く変換できるオープンソースのスマートツールです。モジュラー・マルチ・インテリジェンス・アーキテクチャをベースに、ビジュアル理解、レイアウト・プランニング、コード合成技術を組み合わせたツールで、高精度でセマンティックなフロントエンド・コードの生成をサポートします。

君K2高速版（きみK2-turbo-preview）は、月の裏側君によって導入された高性能言語モデルである。Kimi K2をベースに最適化されたモデルで、出力速度が大幅に向上し、1秒間に40トークンを生成することができます...

dots.ocrは、Xiaohongshu hi研究室によってオープンソース化された多言語文書解析モデルで、17億パラメータの視覚言語モデル（VLM）に基づいており、読み順を維持しながら文書のレイアウト検出と内容認識を効率的に行うことができます。

HYPIRは、中国科学院深圳先端技術研究所のDong Chaoのチームによって導入された、画像復元のための大規模なモデルである。HYPIRは、テキストを明瞭に保ちながら、古い写真を素早く復元し、解像度を向上させることができる。

FLUX.1 Krea [dev]は、Black Forest LabsとKrea AIによるテキスト生成グラフィカルモデルです。このモデルは、入力されたテキスト記述に基づいて、高品質でリアルな画像を生成し、従来のA...