Lựa chọn thay thế tốt nhất cho Spark-X2.6-4B

Một mô hình embedding đa phương thức mở ánh xạ văn bản, hình ảnh, video và âm thanh vào một không gian vector chung.

Một LLM đa phương thức mã nguồn mở để hiểu hình ảnh đơn, nhiều hình ảnh và video với suy luận trên thiết bị hiệu quả.

Mô hình chuyển văn bản thành giọng nói mở cho các cảnh nhiều nhân vật, nhân bản giọng nói và âm thanh dài với điều khiển bằng ngôn ngữ tự nhiên.

Mô hình sinh video từ hình ảnh mã nguồn mở của Lightricks hỗ trợ tạo nội dung dựa trên văn bản, video và âm thanh.

Một checkpoint khuếch tán Qwen tăng tốc chuyển văn bản thành hình ảnh và chỉnh sửa hình ảnh, tạo ra hình ảnh trong 8 bước khử nhiễu.

Một mô hình image-to-image mở từ Black Forest Labs để tạo và chỉnh sửa hình ảnh.

Một mô hình image-text-to-text mở của meta-models trên Hugging Face.

Một mô hình suy luận 24B tham số với 2B tham số hoạt động, được xây dựng cho các tác nhân trên thiết bị nhanh chóng và riêng tư.

Một mô hình sinh ảnh sang ảnh mã nguồn mở từ Black Forest Labs dùng để tạo và chỉnh sửa ảnh.

Một mô hình OCR thị giác-ngôn ngữ của Baidu, có khả năng phân tích hình ảnh đơn, tài liệu nhiều trang và PDF thành văn bản.

Một mô hình ngôn ngữ-thị giác mở 27B hiểu hình ảnh và video, đồng thời xử lý các tác vụ tác nhân, lập trình và nghiên cứu.

Một mô hình đa phương thức 1B nhẹ để hiểu một ảnh, nhiều ảnh và video trên thiết bị.