VideoLLaMA3 – 阿里达摩院推出的多模态基础模型
VideoLLaMA3 是阿里巴巴开源的前沿多模态基础模型...
video-analyzer 是开源的视频分析工具，结合Llama的11B视觉模型和OpenAI的Whisper模型来提取视频关键帧、转录音频内容，并生成视频的详细描述。工具支持完全本地运行，无需云服务或API密钥，或用OpenRouter的LLM服务提高处理速度和扩展性。video-analyzer 支持用户对视频内容进行深入分析，能应用于多种场景，包括监控、广告分析，以及内容分类等。
数据统计
相关导航
Magic 1-For-1 – 北大、英伟达等推出的高效视频生成模型
Magic 1-For-1是北京大学、Hedra Inc. ...
JoyHallo – 京东推出的音频驱动视频生成AI数字人模型
JoyHallo 是京东开源的 AI数字人 模型，专为普通话...
MultiFoley – Adobe 联合密歇根大学推出的音效生成系统
MultiFoley是Adobe Research和密歇根大...
KuaiFormer – 快手推出的检索框架，基于Transformer
KuaiFormer是快手技术团队推出的基于Transfor...
VXlive – AI语音社交应用，通过AI语音识别进行个性化互动
VXlive是以语音社交为核心的创新应用，主打语音聊天、直播...
Buzz – 免费开源的AI语音转文字工具
Buzz是一款基于OpenAI Whisper模型构建的离线...
面试猫 – AI面试辅助工具，实时语音识别面试官问题
面试猫是 AI面试辅助工具 ，基于实时语音识别和大语言模型...