AIbase
ZH
模型选型
标签
大语言模型驱动

# 大语言模型驱动

Cosyvoice2 0.5B GGUF
Apache-2.0
CosyVoice2 是一个专注于文本转语音功能的模型，基于 FunAudioLLM 开发，参数规模为 0.5B。
语音合成
C
Tinysoft
139
1
Tgiangvoice
Spark-TTS 是一个先进的文本转语音系统，利用大语言模型（LLM）的强大能力，实现高准确度和自然流畅的语音合成。
语音合成
T
thinhkosay
16
0
Vi SparkTTS 0.5B
Spark-TTS 是一款先进的文本转语音系统，利用大语言模型（LLM）的强大能力实现高精度且自然流畅的语音合成。
语音合成
V
DragonLineageAI
3,804
14
Q Sit Mini
MIT
Q-SiT是一款基于大语言模型的图像质量评分与解析系统，能够同步执行图像质量评估和解析任务。
图像生成文本 Transformers
Q
zhangzicheng
371
0
Videollama2 72B
Apache-2.0
VideoLLaMA 2是一个多模态大语言模型，专注于视频理解和时空建模，支持视频和图像输入，能够进行视觉问答和对话任务。
文本生成视频 Transformers 英语
V
DAMO-NLP-SG
26
10
Videollama2 8x7B
Apache-2.0
VideoLLaMA 2是一个多模态大语言模型，专注于视频理解和音频处理，能够处理视频和图像输入并生成自然语言响应。
文本生成视频 Transformers 英语
V
DAMO-NLP-SG
21
3
Blip2 Opt 6.7b Coco
MIT
BLIP-2是一种视觉语言模型，结合了图像编码器和大型语言模型，用于图像到文本生成和视觉问答任务。
图像生成文本 Transformers 英语
B
Salesforce
216.79k
33
AIbase
智启未来，您的人工智能解决方案智库
English简体中文繁體中文にほんご
© 2025AIbase