多模态AI归档

Qwen-VLo: Um grande lançamento em IA multimodal da AliCloud

Deixar um comentário / Sem categoria / Por IvesFeng666

A AliCloud lançou recentemente o seu mais recente modelo de IA multimodal, o Qwen-VLo, cujas capacidades de geração e edição de imagens foram muito bem avaliadas pelos utilizadores, ultrapassando mesmo o GPT-4o. O modelo tem as vantagens de uma captura de detalhes melhorada, edição de imagens com um único comando, suporte multilingue e adaptação flexível da resolução, e tem um bom desempenho no reconhecimento de imagens, substituição de objectos e geração progressiva. Está agora disponível gratuitamente através da plataforma Qwen Chat.

Qwen-VLo: Um grande lançamento em IA multimodal da AliCloud Ler mais "

OmniGen2: um avanço na IA multimodal da próxima geração

Deixar um comentário / AI Daily. / Por IvesFeng666

O OmniGen2 é um modelo generativo multimodal baseado na arquitetura Qwen-VL-2.5 com 7 mil milhões de parâmetros, dos quais 3 mil milhões são utilizados para o processamento de texto e 4 mil milhões para a geração de difusão de imagens. As suas principais capacidades incluem a conversão inteligente de texto em imagem, a edição consciente do contexto e a compreensão multimodal. Foi adicionado um novo mecanismo de autorreflexão para otimizar de forma autónoma a qualidade do resultado. Com a integração baseada em nós da ComfyUI, os utilizadores podem operá-la intuitivamente e reduzir o limiar de utilização. A geração de imagens profissionais e os efeitos de edição foram demonstrados em vários cenários.

OmniGen2: um avanço na IA multimodal da próxima geração Ler mais "

Google Gemini 2.5 Pro: uma evolução multimodal do vídeo para aplicações interactivas

Deixar um comentário / blogue (palavra emprestada) / Por IvesFeng666

A Google lança a versão 2.5 Pro do Gemini, uma grande conquista no domínio da compreensão multimodal e da geração de código. O modelo supera o concorrente Cl 3.7 Sonnet em termos de capacidades de programação e é particularmente hábil na transformação de conteúdos de vídeo e esboços desenhados à mão em redes totalmente funcionais, melhorando significativamente a eficiência do desenvolvimento. Demonstra uma revolução em áreas como o desenvolvimento Web, a otimização de revisões e a tecnologia educativa, criando um novo paradigma para o desenvolvimento assistido por IA.

Google Gemini 2.5 Pro: uma evolução multimodal do vídeo para aplicações interactivas Ler mais "