腾讯推出的M2UGen是一款多模态音乐生成框架,结合音乐和多模态任务,支持从文字、图像、视频生成音乐,并具备强大的编辑功能。
摩根大通发布了DocLLM,一款专为多模态文档理解设计的生成式语言模型,通过轻量级扩展LLM,避免昂贵的图像编码器,以提高文档分析效能。
v0是一个生成UI设计的AI工具。然而,根据我的经验,它创建的UI设计中庸,对Tailwind CSS的使用有问题。
站长之家(ChinaZ.com)1月4日 消息:近期,GPT-4V的开源替代方案在中国的顶尖学府清华、浙大等的推动下,出现了一系列性能优异的开源视觉模型。其中,LLaVA、CogAgent和BakLLaVA是三种备受关注的开源视觉语言模型。
目前,小米汽车预计将在上半年正式上市。随着官方信息的逐渐透露,相信在年后官方就会正式公布价格。期待小米汽车SU7的官方揭晓,为广大消费者带来更多惊喜。