Show-o

Transformador único para la comprensión y generación multimodales unificada

Producto ComúnImagenInteligencia ArtificialMultimodal

Show-o es un modelo de transformador único para la comprensión y generación multimodales, capaz de procesar subtitulado de imágenes, preguntas y respuestas visuales, generación de imágenes a partir de texto, reparación y expansión guiadas por texto, y generación multimodal híbrida. Desarrollado conjuntamente por Show Lab de la Universidad Nacional de Singapur y ByteDance, emplea las últimas técnicas de aprendizaje profundo para comprender y generar datos multimodales, representando un gran avance en el campo de la inteligencia artificial.

Best AI Websites & Tools

Show-o

Show-o Situación del tráfico más reciente

Show-o Tendencia de visitas

Show-o Distribución geográfica de las visitas

Show-o Fuentes de tráfico

Show-o Alternativas

UniTok — UniTok es un tokenizador visual unificado para la generación y comprensión visual.

Show-o — Transformador único para la comprensión y generación multimodales unificada

HunyuanVideo-I2V — HunyuanVideo-I2V es un framework de generación de imagen a video basado en HunyuanVideo, desarrollado por Tencent.

MatAnyone — MatAnyone es un marco de rotoscopia de vídeo estable con objetivo específico, adecuado para fondos complejos.

Janus-Pro-7B — Janus-Pro-7B es un nuevo marco autorregresivo que unifica la comprensión y la generación multimodales.

leapfusion-hunyuan-image2video — Una novedosa tecnología de muestreo de imagen a vídeo, basada en el modelo Hunyuan para generar vídeos de alta calidad.

MangaNinja — MangaNinja es un método de coloreado de bocetos basado en referencias que permite una coincidencia precisa y un control interactivo de grano fino.

SVFR — SVFR es un marco unificado para la restauración de rostros en video.

Valley — Modelo multimodal de gran escala que procesa datos de texto, imagen y vídeo.

Infini-Megrez — Modelo de comprensión multimodal para dispositivos perimetrales; la sinergia de software y hardware da rienda suelta a la inteligencia perimetral sin límites.

LLaVA-OneVision — Modelo de conversión eficiente para tareas de visión multimodal

MINT-1T — Un conjunto de datos multimodal con un billón de tokens y 3400 millones de imágenes.

PuLID — Personalización de Pure y Lightning ID mediante alineación comparativa

SDXS — Modelo de difusión potencial en tiempo real de un solo paso, con control de generación mediante condiciones de imagen.

Borrado de Fondo — Eliminación de fondo inteligente y rápida

MouSi — Modelo de lenguaje visual multimodal

Inception Labs — O Inception Labs lança uma nova geração de modelos de linguagem grandes difusivos, oferecendo capacidade de geração de linguagem ultrarrápida, eficiente e de alta qualidade.

Migician — Migician es un modelo de lenguaje multimodal de gran tamaño centrado en la localización de múltiples imágenes, capaz de realizar una localización precisa de múltiples imágenes de forma libre.

Mochii AI — Mochii AI es un ecosistema de inteligencia artificial personalizado respaldado por modelos de vanguardia, que impulsa el futuro de la colaboración entre humanos e IA.

TheoremExplainAgent — TheoremExplainAgent es un sistema inteligente para generar vídeos explicativos multimodales de teoremas.

QwQ-Max-Vista previa — QwQ-Max-Vista previa es el último logro de la serie Qwen, construido sobre Qwen2.5-Max, y cuenta con una potente capacidad de razonamiento y aplicaciones multidominio.

Claude 3.7 Sonnet — Claude 3.7 Sonnet es el último modelo inteligente de Anthropic, que ofrece respuestas rápidas y razonamiento profundo.

ZeroBench — ZeroBench es un benchmark visual de alta dificultad para modelos multimodales grandes contemporáneos.

VisionAgent — VisionAgent es una biblioteca para generar código que resuelve tareas de visión, compatible con múltiples proveedores de LLM.

Huginn-0125 — Huginn-0125 es un modelo de profundidad recurrente con variables latentes de 3.5 mil millones de parámetros, que destaca en el razonamiento y la generación de código.

Lumina-Video — Lumina-Video es un proyecto inicial para la generación de video que admite la generación de video a partir de texto.

VideoRAG — VideoRAG es un marco de generación mejorado con recuperación diseñado para procesar videos de contexto extremadamente largo.

VisoMaster — Potente software de edición y reemplazo de vídeo que utiliza la tecnología de IA para lograr resultados naturales.

VideoJAM — VideoJAM es un marco para mejorar la coherencia del movimiento en modelos de generación de video.

OmniHuman-1 — OmniHuman-1 es un marco multimodal que genera videos humanos basados en una sola imagen de persona y señales de movimiento.