MODEL-ZOO
Flash 3.1 TTS:用提示控制声音
Gemini 3.1 Flash TTS 携200+音频标签、30种声音预设和让ElevenLabs紧张的控制力重磅登场。
MODEL-ZOO
Gemini 3.1 Flash TTS 携200+音频标签、30种声音预设和让ElevenLabs紧张的控制力重磅登场。
MODEL-ZOO
一周的真实 Python 工作。不是基准测试。以下是实际发生的情况。
MODEL-ZOO
一个来自布鲁克林初创公司的4B参数模型正在90种语言上击败GPT-4o和Gemini。虽然OCR不是我的专业领域,但这个模型让我着迷。
MODEL-ZOO
Google今天发布了Gemini 3.1 Flash TTS,这是一种可以使用提示来引导的新型文本转语音模型。
MODEL-ZOO
经过数月的实际使用,这是我对1比特LLM推理的客观评价。
MODEL-ZOO
LinkedIn上一次意外的成功,让我决定系统地测试 Nano Banana,尝试各种提示策略,从简单到复杂,有不同的背景信息和迭代次数。
MODEL-ZOO
我花了48小时将Google的新Nano Banana AI推向极限,发现了隐藏的技巧,使其在图像编辑方面比ChatGPT好10倍…
MODEL-ZOO
在智能体AI时代,这改变了一切。Google开源的Magika,一个3MB的神经网络能在5毫秒内识别214种文件类型
MODEL-ZOO
Google Nano Banana Pro是一个非凡的模型,它在智能提示理解、高级文本渲染和上下文感知创意推理方面表现出色。
MODEL-ZOO
GLM-5.1击败了GPT-5.4和Claude Opus 4.6,且便宜7.8倍
MODEL-ZOO
我们与 Google 和社区合作,使它们可以在任何地方使用:transformers、llama.cpp、MLX、WebGPU、Rust;你能想到的都有。
MODEL-ZOO
Meta今天发布了Muse Spark,这是他们自Llama 4几乎整整一年前以来的首个模型发布。