Đa phương thức
Thẻ công cụ AIEZZ
Đang xem các sản phẩm AI được gắn thẻ “Đa phương thức”, với 5 kết quả phù hợp.
ShieldstralHỏi đáp AIShieldstral – Mô hình phân loại an toàn nội dung đa phương thức mã nguồn mở của Mistral AI là mô hình phân loại an toàn nội dung đa phương thức mã nguồn mở với 3 tỷ tham số do Mistral AI phát triển, được xây dựng trên Ministral-3B. Mô hình định nghĩa lại hoạt động kiểm duyệt nội dung truyền thống dựa trên các danh mục cố định thành một nhiệm vụ hỏi đáp nhị phân, cho phép xác định chính sách kiểm duyệt theo thời gian thực bằng truy vấn ngôn ngữ tự nhiên và thích ứng với các tình huống khác nhau mà không cần huấn luyện lại. Mô hình đạt F1 trung bình 84.9% trên các bộ đánh giá an toàn văn bản và F1 an toàn đa phương thức 83.8%, đều đạt SOTA; có thể triển khai chỉ với một GPU 16GB và hỗ trợ 12 ngôn ngữ. Các tính năng cốt lõi gồm kiểm duyệt thích ứng theo chính sách, phát hiện thống nhất đa phương thức, nhận diện vi phạm chi tiết, điểm an toàn được hiệu chuẩn và triển khai nhẹ ở thiết bị biên, phù hợp với kiểm soát rủi ro nội dung trên nền tảng mạng xã hội, bảo vệ an toàn hội thoại AI, tuân thủ quảng cáo và tiếp thị, lọc nội dung giáo dục trực tuyến và kiểm toán an toàn tài liệu doanh nghiệp.00
HOMIETạo video AIHOMIE là framework mã nguồn mở của Đại học Khoa học và Công nghệ Hồng Kông để tạo video kỹ thuật số, dựa trên backbone Wan2.1-T2V-14B và tích hợp mô hình ngôn ngữ đa phương thức lớn Qwen3-VL. Framework có thể xử lý thống nhất bốn yếu tố: người kỹ thuật số + sản phẩm + Logo + văn bản,...00
SenseNova U1.5-Lite-Preview – Mô hình đa phương thức nhẹ do SenseTime mã nguồn mởMô hình AI lớnSenseNova U1.5-Lite-Preview – mô hình đa phương thức nhẹ do SenseTime mã nguồn mở, dựa trên kiến trúc NEO-Unify, sử dụng 8B-MoT tham số để thống nhất nguyên bản khả năng hiểu hình ảnh, suy luận, tạo và chỉnh sửa. Mô hình hỗ trợ tạo ảnh siêu nét 4K nguyên bản, với khả năng tái hiện kết cấu tinh tế, chất liệu chân thực và văn bản tiếng Trung, tiếng Anh trong bố cục phức tạp. Prompt Enhance Skill được tích hợp giúp giảm ngưỡng sáng tạo, cho phép thực hiện chính xác các chỉ thị ngôn ngữ tự nhiên dài và chỉ thị hình ảnh có cấu trúc, đồng thời hỗ trợ chỉnh sửa lặp liên tục. Hướng đến nhà thiết kế, nhà phát triển và người sáng tạo nội dung, mô hình cung cấp công cụ sáng tạo hình ảnh cấp thương mại với chi phí triển khai thấp và khả năng tuân thủ chỉ thị cao.10
MAGI-2-preview – Mô hình tạo video đa phương thức mã nguồn mở của Sand.aiTạo video AIMAGI-2-preview – Mô hình tạo video đa phương thức mã nguồn mở của Sand.ai là mô hình tạo video đa phương thức MoE trăm tỷ tham số đầu tiên trên thế giới do Sand.ai mở nguồn, tổng 114B tham số, chỉ kích hoạt 6B. Mô hình tiếp nối kiến trúc luồng đơn, đưa văn bản, video và âm thanh vào cùng một Transformer để mô hình hóa liên hợp, hiện thực hóa tạo đa phương thức gốc. Các chức năng cốt lõi gồm hỗ trợ tạo từ văn bản, hình ảnh, video sang video và tích hợp sẵn hiểu âm thanh; nhờ kích hoạt thưa MoE, chi phí suy luận giảm mạnh. Đối tượng mục tiêu là nhà nghiên cứu AI, nhà phát triển và đội ngũ kỹ thuật doanh nghiệp, phù hợp nghiên cứu học thuật, triển khai riêng tư và dựng trước phim đa phương thức, cung cấp giải pháp tạo video hiệu quả mã nguồn mở, có thể thương mại hóa.00
Hunyuan3D-Buffalo 1.0 – Khung đa phương thức 3D do Tencent Hunyuan ra mắtThiết kế 3DHunyuan3D-Buffalo 1.0 – Khung đa phương thức 3D do Tencent Hunyuan ra mắt là khung đa phương thức 3D thống nhất do Tencent Hunyuan ra mắt, tích hợp hỏi đáp 3D, định vị không gian, tạo 3D từ văn bản, chỉnh sửa theo lệnh và tạo bộ phận vào một quy trình duy nhất thông qua xương sống Hunyuan3D-VLM dùng chung. Khung hỗ trợ hiểu cấu trúc mô hình 3D bằng ngôn ngữ tự nhiên, định vị bộ phận, chỉnh sửa hình học cục bộ theo lệnh và trích xuất bộ phận cấp ngữ nghĩa, nhằm khép kín vòng lặp hiểu, tạo và chỉnh sửa 3D, cung cấp giải pháp sản xuất tài sản 3D có thể kết hợp cho game, hoạt hình và thiết kế công nghiệp. Các chức năng cốt lõi gồm hiểu 3D, tạo 3D từ văn bản, chỉnh sửa theo lệnh và tạo bộ phận; bốn loại tác vụ này chia sẻ cùng một biểu diễn ngữ nghĩa 3D và đường ống xử lý. Phù hợp với nhà phát triển game, nhà sản xuất hoạt hình, nhà thiết kế công nghiệp và người sáng tạo nội dung 3D, giúp giảm ngưỡng chuyên môn nhờ tương tác bằng ngôn ngữ tự nhiên, nâng cao hiệu quả tái sử dụng và lặp lại tài sản.00Tất cả công cụ có thẻ này được hiển thị.