Meta SAM 2：开源图像分割模型，物体追踪与视频遮罩一气呵成
搞计算机视觉的朋友肯定对 Meta 的 SAM 不陌生，…
InternVL 视觉语言模型开源：多模态理解与图文对话还能本地跑
如果你正头疼怎么把大模型的能力扩展到图像理解上，又不想被…
对话式AI开发利器！NVIDIA NeMo帮你快速构建定制LLM应用
如果你正为如何高效搭建支持多轮对话、知识检索的 AI 应…
Mochi 1 开源视频生成：一句提示词生成流畅电影级动态
如果你试过 Sora 但没资格内测，或者被闭源模型的价格…
UI-TARS 开源多模态 GUI Agent，让大模型替你操作屏幕
还在为重复的 GUI 操作烦恼吗？由字节跳动开源的多模态…
Vocalize：用 GPU 加速本地语音合成，支持多语言与情感控制
如果你需要在本地快速生成自然、带情感的语音，又不想依赖云…
LobeChat：一站式多模态聊天与Agent编排平台
厌倦了在多个AI服务之间来回切换？LobeChat是一个…
R1-V：用强化学习让VLM学会视觉定位，无需手工标注
想让视觉语言模型（VLM）不仅看懂图片，还能精准指出目标…
MinerU：PDF 文档解析利器，让大模型吃透复杂排版
处理 PDF 中的多栏、表格、公式和页眉页脚，一直是 R…
InstantID：一张照片秒级生成风格化肖像，无需额外训练
厌倦了为生成一张特定风格的肖像照而反复调试 LoRA 或…
