Sage-A1.5 的最佳替代品

一個開放的多模態嵌入模型，可將文字、影象、影片和音訊對映到統一的向量空間。

一個開源多模態大模型，支援單圖、多圖與影片理解，並可在裝置端高效推理。

面向多角色場景、聲音克隆和長音訊的開源文字轉語音模型，支援自然語言控制。

Lightricks 推出的開源圖生影片生成模型，支援文字、影片與音訊驅動的生成。

Qwen 加速版文生圖與影象編輯擴散模型檢查點，僅需 8 步去噪即可生成影象。

Black Forest Labs 推出的開源圖生圖模型，用於影象生成與編輯。

meta-models 在 Hugging Face 上釋出的開源圖文轉文字模型。

一個擁有 240 億引數、僅 20 億啟用引數的推理模型，專為快速、私密的端側智慧體打造。

Black Forest Labs 推出的開源圖生圖生成模型，用於影象生成與編輯。

百度推出的視覺語言OCR模型，可將單圖、多頁文件和PDF解析為文字。

開源 27B 視覺語言模型，可理解影象與影片，並完成智慧體、程式設計與研究任務。

輕量級 1B 多模態模型，支援單圖、多圖與影片理解，可端側部署。