AI

Model Download | Evaluation Results | Model Architecture | API Platform | License | Citati

GTE中文通用文本表示模型(large) 文本表示是自然语言处理(NLP)领域的核心问题, 其在很多NLP、信息检索的下游任务中发挥着非常重要的作用。近几年, 随着深度学习的发展，尤其是预训练语言模型

基于混合图层的高清人像美肤模型 论文 ｜ github 人像美肤模型可用于对图像中的人体皮肤进行处理，实现匀肤（处理痘印、肤色不均等）、去瑕疵（脂肪粒、斑点、痣等）以及美白等功能。模型仅对裸露的皮肤进

API Platform | How to Use | License | Paper Link?️ DeepSeek-Coder-V2: Breaking the Barrier

Qwen-7B-Chat ? Hugging Face   |   ? ModelScope   |    ? Paper    ｜   ?️ Demo WeCha

# AI培训网站 ## 项目概述 这是一个为新员工设计的交互式AI历史培训网站，全面介绍了人工智能的发展历程、主要技术突破、著名模型以及框架工具。网站采用现代化的响应式设计，提供丰富的视觉元素和互动体验，帮助新员工快速了解AI领域的过去、现在与未来。 ## 项目结构 ``` ai-history-training/ ├── index.html # 主页面结构和内容 ├── styles.css # 样式表 ├── scripts.js # 交互功能脚本 ├── images/ # 图片资源目录 └── README.md # 项目说明文档 ``` ## 主要功能与特点 ### 1. 内容板块 - **AI历史时间线**：按时间顺序展示AI发展的关键里程碑 - 早期历史 (1940s-1950s) - AI寒冬 (1970s-1980s) - 现代AI崛起 (1990s-2000s) - 大数据时代 (2000s-2010s) - 深度学习革命 (2010s至今) - **各大公司模

CAM++识别模型 CAM++模型是基于密集连接时延神经网络的识别模型。相比于一些主流模型，比如ResNet34和ECAPA-TDNN，CAM++具有更准确的识别性能和更快的推理速度。该模型可以用于语

Highlights Paraformer-large长音频说话人模型在普通长音频版基础上集成了CAM++说话人聚类分类功能，返回的结果中添加了句子级别的说话人分类结果。 Paraformer-la

Paraformer-large模型介绍 Highlights Paraformer-large热词版模型支持热词定制功能：实现热词定制化功能，基于提供的热词列表进行激励增强，提升热词的召回率和准确率

GTE中文通用文本表示模型 文本表示是自然语言处理(NLP)领域的核心问题, 其在很多NLP、信息检索的下游任务中发挥着非常重要的作用。近几年, 随着深度学习的发展，尤其是预训练语言模型的出现极大的推

一款以LLM大语言模型为生产基础卡牌冒险对战游戏 1. 卡牌制作：卡牌有人物、装备、技能三种卡片，三种类型的卡片可以通过给LLM模型输入小说文本，通过适当的prompt进行提炼，最终得到想要的卡牌制作素材 2. 卡牌人物冒险：人物卡牌冒险，冒险过程获得装备或者技能卡牌的奖励。可以利用LLM的强大文本能力，通过prompt设定冒险背景以及起点终点，过程当中可以接受玩家的输入给出反馈 3. 卡牌对战：人物卡牌之间的对战，根据人物自身的装备和技能卡牌，利用LLM随机对战释放技能，配合文生图的输出，达到丰富的战斗效果

Controllable Time-delay Transformer模型介绍 Highlights 中文标点通用模型：可用于语音识别模型输出文本的标点预测，支持中英文输入。 基于Paraforme

1. 本方案面向谁，解决了什么问题？ 目标用户： ​中小型企业及个体创作者：缺乏专业设计团队，需高效生成营销素材（如电商产品图、短视频）。 ​MCN机构及内容运营团队：需批量生产多平台适配内容，降低人力与时间成本。 ​数据驱动型团队：需通过内容质量分析优化投放策略，提升转化率。 核心痛点： ​内容生产效率低：传统制作依赖人工拍摄、剪辑，耗时长且成本高（如一条视频制作从3天缩短至半天）。 ​多平台分发复杂：各平台格式要求差异大，手动适配效率低且易出错。 ​数据分析滞后：缺乏实时数据看板，难以量化内容效果（如播放量、转化率）。 ​商业化门槛高：专业工具费用高昂（如Adobe Firefly企业版），中小用户难以承受。 2. 相比于市场常规方案，本方案有哪些特点？ ​特点一：全链路智能化，覆盖生产-分发-分析闭环​ ​生产端： ​多模态生成：支持文生图、文生视频（如输入文案生成1080P视频，90分钟完成传统数周工作），结合扩散模型（Diffusion）与Transformer架构，提升生成质量与一致性。 ​模板化创作：内置电商、教育等场景模板库，降低用户操作门槛（如极睿科技AIGC引擎）。

Qwen-14B-Chat ? Hugging Face   |   ? ModelScope   |    ? Paper    ｜   ?️ Demo WeCh

API Platform | How to Use | License | Paper Link?️ DeepSeek-Coder-V2: Breaking the Barrier

CAM++说话人识别模型 CAM++模型是基于密集连接时延神经网络的说话人识别模型。相比于一些主流的说话人识别模型，比如ResNet34和ECAPA-TDNN，CAM++具有更准确的说话人识别性能和更

图像人脸融合 给定一张模板图和一张目标用户图，图像人脸融合模型能够自动地将用户图中的人脸融合到模板人脸图像中，生成一张与目标人脸相似，且具有模版图外貌特征的新图像。 其生成效果如下所示： 模型描述

1、PC版 2、多key轮询 3、H5版 4、对接公众号 5、卡密功能 6、ai绘画功能 7、角色模拟功能 8、GPT接口 9、私有知识库 10、多个国内接口 12、新增分销模式 13、增加创作模式 14、增加任务中心 15、分享奖励次数 16、邀请新用户奖励次数 17、看广告奖励次数 18、VIP包月套餐 19、后台用户管理充值 20、手机号/账号注册登录 21、UI换肤 22、AI擂台 23、大量AI通道 24、批量任务 25、长篇写作（写小说、写论文） 26、AI语音对话（支持多种语音通道） 27、新增思维导图模块 28、PC端绘画移植到H5端 29、AI视频生成

基于HRN的高精度人头重建模型 人头重建模型以单张人像图作为输入，基于人脸重建模型HRN ，利用层次化表征实现快速人脸几何、纹理恢复，输出高精度3D人头重建mesh。 三维视觉系列模型

ERes2Net 说话人识别模型 ERes2Net模型是在Res2Net的基础上，对全局和局部特征进一步融合，从而提高说话人识别性能。局部特征融合将一个单一残差块内的特征融合提取局部信号；全局特征融合