Tagged

MODEL-ZOO

A collection of 246 posts

MODEL-ZOO

本地微调 Qwen3-VL 模型

在本文中，我们将探讨 Qwen3-VL 与 Qwen2.5-VL 在架构、训练和整体性能方面的区别，介绍 GPU 要求，并逐步讲解如何使用 Unsloth进行微调。

MODEL-ZOO

用PaddleOCR VL提取复杂数据

今天，我将用 PaddleOCR-VL 测试四个关键挑战：公式识别、表格识别、阅读顺序和手写文本。

MODEL-ZOO

MapAnything三维重建实战

MapAnything 等基于 Transformer 的 AI 技术无需数百张完美重叠的照片，即可理解图像中的几何结构。

MODEL-ZOO

4个最强大的开源 OCR 模型

有四个开源项目脱颖而出：DeepSeek-OCR、Olmo-OCR 2、Qwen3-VL 和 Dots.OCR。它们的作用相同（读取文档），但方式却截然不同。

MODEL-ZOO

DeepSeek-OCR：上下文光学压缩

DeepSeek-OCR模型是一个最先进的文档解析器。但光学字符识别只是更大、更深刻的概念的一个概念验证：一种革命性的用于人工智能的记忆压缩方式。

MODEL-ZOO

DeepSeek OCR 解读

DeepSeek 团队想要探究的是：我们能否构建一个模型，能够读取压缩后的图像并准确重建全文？在压缩到一定程度之前，我们能将压缩效果提升到何种程度？

MODEL-ZOO

Fathom-DeepResearch

Fathom-DeepResearch 引入了一个完全开源的代理系统，在复杂、长视界的网络推理和综合任务上可以与专有DeepResearch风格的模型相媲美。

MODEL-ZOO

用UserLM-8b模拟用户行为

微软的 UserLM-8b 是一款革命性的语言模型，旨在模拟用户在对话中的角色，而不是助手的角色。

MODEL-ZOO

用Arch-Router选择最合适的LLM

在本文中，我们将探讨领先的 LLM 路由范式并深入研究 Arch-Router，一个15 亿参数的LLM路由AI模型。

MODEL-ZOO

NeuTTS Air实时语音克隆模型

NeuTTS Air能够在日常设备如笔记本电脑、智能手机和树莓派上实时进行语音合成，而无需依赖云API或GPU。

MODEL-ZOO

PaddleOCR-VL开源文档解析模型

超越 OCR：解析 109 种语言的文本、表格、公式和图表。获取可在本地运行的 SOTA 文档解析功能。

MODEL-ZOO

网页运行Gemma 3 270M

在这篇文章中，我将向你展示如何使用 Gemma 创建我自己的表情符号翻译器——一个将文本转换为表情符号并可以在网页里运行的小型模型。

MODEL-ZOO

三星TRM：微型递归模型

三星刚刚发布了一款仅有 700 万参数的全新 AI 模型，但它的表现却超越了市面上一些最大的模型。它比 DeepSeek 或 Gemini 2.5 Pro 小 1 万倍，但在 ARC-AGI 1 和 2 基准测试中仍然表现出更强大的推理能力。

MODEL-ZOO

你应该微调哪个模型？

如果你曾经尝试过微调语言模型，你很可能问过自己和我最初一样的问题：“好吧……我应该选哪个模型？”

MODEL-ZOO

Kling 2.5 Turbo使用教程

Kling 2.5 的价格更加实惠，质量以及情感表达方面都有了巨大的提升。

MODEL-ZOO

Code-supernova多模态编程AI

这个秘密的新编码模型震惊了世界。疯狂的是，没有人知道它背后的真正推手。但它绝对意义重大。

MODEL-ZOO

SongBloom：歌曲生成模型

SongBloom不仅输出音频片段，还能生成连贯的完整歌曲，包括歌词、人声、乐器、前奏和副歌，听起来像真正的音乐。

MODEL-ZOO

VoxCPM：无需分词语音克隆AI

大多数文本到语音系统将语音分解成称为标记的小符号块，然后将其重建为声音。VoxCPM则摒弃了这一想法。不做分词。相反，它生成连续的语音流。

MODEL-ZOO

Nano Banana可以做的5件事

在这篇博客中，我们将探讨5个简单的想法，展示你如何立即开始使用Nano Banana来解决人们实际面临的问题。

MODEL-ZOO

12个Seedream 4的疯狂用法

在本文中，你将看到Seedream 4能做的疯狂事情——从将草图变成精美的产品照片，到创建完整的摄影棚拍摄，甚至为漫画上色。

MODEL-ZOO

Nano Banana的5个图像编辑技巧

在本文中，我将向你展示五个很棒的例子，说明你可以如何使用 Google Nano Banana 进行图像编辑。

MODEL-ZOO

EmbeddingGemma轻量嵌入模型

EmbeddingGemma是一个小型的开源嵌入模型（3.08 亿个参数），可以直接在你的笔记本电脑、台式机甚至手机上运行。

MODEL-ZOO

Nano Banana赚钱的13个方法

在这篇文章中，我将带你了解13种人们已经通过Nano Banana创造收入的方法。

MODEL-ZOO

为Nano Banana编写JSON提示

如果您使用的是 Gemini Nano Banana，您的结果很大程度上取决于您如何编写提示。

MODEL-ZOO

Nano Banana的6个官方提示

本教程概述了6种典型的文本到图像场景，并提供了撰写自然语言提示的建议。