Le Zhuo

LyricWhiz combina modelli avanzati per migliorare l'accuratezza della trascrizione dei testi in diverse lingue.

DiffDance crea sequenze di danza dettagliate che si abbinano alla musica in modo efficace.

Trasforma testo in immagini, video e audio senza sforzo con Lumina-T2X.

Un nuovo modello rivoluziona la generazione di immagini da descrizioni testuali, migliorando vari settori.

LLaVA-MoD crea modelli multimodali più piccoli usando le conoscenze di quelli più grandi.

Un nuovo dataset che migliora la comprensione dei video e il ragionamento dell'IA.