Tagged

MODEL-ZOO

A collection of 297 posts

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。

MODEL-ZOO

用Nano Banana API编辑图像

如果我们把最好的免费 API AI 提供商和最新的 Google 图像生成模型结合起来会怎样？

MODEL-ZOO

Nano Banana真正的重要性

Google在Gemini中使用扩散模型是一个非常重要的事情。

MODEL-ZOO

Nano Banana：超越图像生成

Nano 不仅仅是一个图像生成器；它是一个创意工作室，拥有丰富的功能，能够提供全新的工作方式。

MODEL-ZOO

Gemma 3微调指南

Google 发布了 Gemma 3 270M，这是一款紧凑的指令调优模型，可在本地运行。

MODEL-ZOO

Nano Banana 的22个酷炫用法

在这篇文章中，我将带你了解 50 多种使用 Nano Banana 的疯狂方法。

MODEL-ZOO

5个顶级视觉语言模型的简单测试

聊天模型正在以惊人的速度发展，它们的能力每天都在提高。然而，基于视觉的任务仍然是许多AI模型的重大挑战。

MODEL-ZOO

MiniCPM-V 4.5：最佳边缘LLM

MiniCPM-V 4.5是MiniCPM-V系列中的最新模型。尽管体积小，但它在视觉语言任务、视频理解和OCR/文档解析方面的性能有了显著提升。

MODEL-ZOO

Nano Banana 系统提示(泄露)

Google Nano Banana 的系统提示泄露了。

MODEL-ZOO

Wan S2V开源视频生成模型

WAN-S2V不是AI视频的最终答案，但它显然走在正确的方向上。它能够处理长视频，保持身份不变，并且实际上感觉它“理解”了场景，是的，这是一个巨大的转变。

MODEL-ZOO

VibeVoice vs. NotebookLM

微软刚刚发布了 VibeVoice，它看起来像是对 Google NotebookLM 的严重威胁，而 NotebookLM 目前仍是 AI 播客生成领域的霸主。

MODEL-ZOO

Gemini 2.5 Flash Image

Google悄然发布了Gemini 2.5 Flash Image（之前被称为Nano Banana），它只做一件事：你输入你想看到的内容，它生成的图像不会看起来像一场糟糕的迷幻药之旅。

MODEL-ZOO

VibeVoice：超长输出TTS

VibeVoice是一个免费的NotebookLM替代品，其模型形式覆盖了非常长的演讲和多轮对话。

MODEL-ZOO

探索本地Gemma 3 270M

在本文中，我将使用 Ollama 探索 Google DeepMind 的这款紧凑但强大的模型的功能。通过 Ollama，即使在低端个人电脑上，你也可以非常快速地运行这个紧凑的模型。

MODEL-ZOO

Gemma 3 270M本地微调指南

Gemma 3 270M是一个超高效的本地AI模型。今天，让我们学习如何微调这个模型，让它在下棋和预测下一步动作方面变得非常聪明。

MODEL-ZOO

Nano Banana

在 AI 图像生成领域发生了一些奇怪的事情。一个奇怪的名字 Nano Banana 开始在论坛、Discord 和 AI 测试网站上出现。

MODEL-ZOO

Matrix Game：交互式世界生成AI

Matrix-Game 2.0只有180万个参数，也可以生成像GTA6这样的游戏。

MODEL-ZOO

Qwen-Image-Edit快速指南

Qwen-Image-Edit将Qwen-Image独特的文本渲染能力扩展到图像编辑任务，实现了前所未有的精确文本编辑功能。

MODEL-ZOO

Meta Dino-V3：终极视觉AI

如果你想探索自监督视觉，或者构建一个在不脆弱于领域变化的情况下运行良好的东西，开始研究DINOv3吧。它不仅仅是另一个ViT，而是当ViT真正理解空间时的样子。

MODEL-ZOO

Gemma3 270M：最小通用LLM

Gemma 3 270M是Google Gemma 3家族中最小的成员，可能是迄今为止最实用的一个。这不仅仅是一个轻量级模型，它是一个高效完成实际工作的工具，不会耗尽你的设备或钱包。

MODEL-ZOO

GLM-4.5V最佳开源视觉语言模型

如果你还在痴迷于LLaVA或Qwen-VL，那你已经落后了。GLM-4.5V比它们强得多。

MODEL-ZOO

Dots.ocr：迄今最好的小型OCR

与其他模型使用YOLO风格的检测器加上语言模型不同，dots.ocr只使用一个VLM来处理布局检测、文本解析、阅读顺序，甚至公式。

MODEL-ZOO

Kitten-TTS：CPU可运行的TTS

Kitten TTS是目前最小的听起来不错的TTS。总大小不到25MB，不需要GPU就可以运行。

MODEL-ZOO

如何免费使用OpenAI GPT-OSS？

如何免费使用GPT-OSS？有很多方法，不只是一个。

MODEL-ZOO

GPT-5：一次性构建整个应用

OpenAI发布了GPT-5，它可以从一行指令中构建完整的应用、游戏和工具。