Le Zhuo

Transforme du texte en images, vidéos et audio sans accroc avec Lumina-T2X.

Un nouveau modèle révolutionne la génération d'images à partir de descriptions textuelles, améliorant divers secteurs.

LLaVA-MoD crée des modèles multimodaux plus petits en utilisant le savoir de leurs grands equivalents.

Un nouveau jeu de données qui améliore la compréhension vidéo et le raisonnement de l'IA.