搜索结果：multimodal（5 个）
按分类缩小范围
Speech
综合 72
NVIDIA 的生成式 AI 框架，专为大语言模型、多模态及语音 AI（ASR 与 TTS）研究与开发打造。
X-AnyLabeling
综合 69
轻量高效的跨平台桌面标注工具，支持文本、图像、视频、点云等多模态数据标注。
YuE
综合 69
前沿音乐生成模型，支持符号规划、零样本翻唱与 Agent 式音乐编辑。
Duix-Avatar
综合 57
开源 AI 数字人工具包，支持离线视频生成与数字人克隆。
涵盖文本、视觉、音频及多模态的前沿机器学习模型框架，支持推理与训练。