LivePortrait图像检测API
LivePortrait-detect模型，用于确认输入的人物肖像图片是否符合LivePortrait模型的输入规范。本文档介绍了该模型提供的图像检测能力的API调用方法。
别让创意卡在工具链！MiniMax MCP Server：MiniMax 开源 MCP 服务打通多模态生成能力，视频语音图像一键全搞定
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！ AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 "别让创意卡在工具链！这个中间件让多模态生成像发微信一...
还在手写SVG？OmniSVG：复旦团队开源多模态矢量生成神器，文本图像秒变可编辑SVG！
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！ AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 「设计师集体解放！复旦开源模型把矢量生成变成填空题」 ...
Gemma3：Google开源多模态神器，轻量高效，精通140+语言，解锁文本与图像任务
00.引言 在当今快速发展的 AI 领域，多模态模型正逐渐成为推动技术革新的重要力量。Google 最新推出的 Gemma 3 模型，凭借其轻量级、多模态的特性，为文本生成和图像理解任务带来了全新的可能性。它不仅支持文本和图像输入，还具备强大的语言处理能力，覆盖超过 140 种语言，并且能够在资源有限的设备上高效运行。从问答到摘要，从推理到图像分析，Gemma 3 正在重新定义 AI 模...
背景生成，图像背景生成
通义万相-图像背景生成模型专为商品换背景而设计。您可以选择文本引导（通过输入中英文描述生成背景）、图像引导（使用现有图片作为背景参考），或同时结合这两种方式。此外，模型还支持使用边缘引导元素（即图像的增强边缘特征），可以指定前景和背景内容。借助边缘引导元素，前景和背景在生成时能更自然地与商品融合。该模型适合电商和海报场景，助您快速生成高质量的商品图像。
TEN Agent：开源的实时多模态 AI 代理框架，支持语音、文本和图像的实时通信交互
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！ 微信公众号｜搜一搜：蚝油菜花 快速阅读 多模态交互：支持语音、文本和图像的交互，提供自然的人机沟通方式。 实时通信：集成 RTC 技术，实现低延迟的语音和视频交互。 模块化设计：开发者可以轻松扩展功能，支持多语言和...
Qwen2VL-Flux：开源的多模态图像生成模型，支持多种生成模式
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！ 微信公众号｜搜一搜：蚝油菜花 快速阅读 生成模式：支持变体生成、图像到图像转换、智能修复、ControlNet 引导生成等多种模式。 多模态理解：结合 Qwen2VL 模型，实现图像和文本的深度融合，提供高级文本到图...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
通义大模型
阿里云自主研发的通义大模型，凭借万亿级超大规模数据训练和领先的算法框架，实现全模态高效精准的模型服务调用。https://www.aliyun.com/product/tongyi
+关注