Meta AI發佈Pixio圖像模型，通過改進MAE框架，證明簡單訓練路徑在深度估計和3D重建等任務中性能卓越，挑戰了MAE遜於DINOv2等複雜算法的傳統認知。
Beatoven.ai推出AI音樂模型Maestro，通過與版權方合作確保創作合法性，爲藝術家和權利人提供版稅收入，推動音樂AI在尊重版權前提下的創新發展。
最近，Meta正在測試一種新型的聊天機器人，這些機器人將主動向用戶發送消息，而不僅僅是在用戶發起對話後進行迴應。想象一下，你正在 Facebook Messenger 或 WhatsApp 上與朋友聊天，突然間，一個名爲 “The Maestro of Movie Magic” 的 AI 聊天機器人給你發來了一條消息:“希望你今天過得愉快!我想知道你最近有沒有發現什麼新的電影原聲帶或作曲家?或者，是否需要我爲你推薦一些下一個電影之夜的好片呢?”據泄露的文件顯示，Meta 與數據標註公司 Alignerr 合作，開發出這些可定製的聊天機器人。用
["抖音博主“Mae”創作的AI視頻《大多數普通女孩的一生》引起轟動。","視頻將女孩一生濃縮爲一分鐘，獲得353.8萬點贊，觸動了衆多網友。","儘管AI無法還原生活中的酸甜苦辣，但視頻表現出AI技術的發展。","其他博主也使用AI製作類似視頻，拓展了AI在視頻創作領域的應用。","AI工具的不斷更新讓圖文視頻生成更大衆化，吸引了越來越多的創作者。"]
Maestro是一個簡單的端到端測試工具，適用於移動應用和Web應用。
智能協調子代理的框架
更有效的提示大型多模態模型，釋放潛能
Maestro Cloud上的AI自動化QA和測試
Alibaba
$6
輸入tokens/百萬
$24
輸出tokens/百萬
256
上下文長度
$4
$16
1k
$2
$20
-
Moonshot
Bytedance
$0.8
128
Xai
$1.4
$10.5
Deepseek
$12
Tencent
$1
32
$1.6
Openai
$0.4
$0.75
64
24
Chatglm
$8
maerong3
這是一個基於Mistral架構的24B參數大型語言模型，通過llama.cpp轉換為GGUF格式。模型支持多語言交互，特別優化了指令跟隨能力，適用於各種文本生成和理解任務。
mii-llm
基於 Mistral-7b 的意大利語聊天模型，經過大規模意大利語語料庫預訓練和微調
基於Mistral-7b的意大利語對話模型，經過三階段監督微調和KTO對齊
namangarg110
Hiera是一種高效的分層式Transformer架構，通過MAE訓練優化空間偏置特性，顯著提升參數利用效率
RedRocket
這是一個基於stabilityai/sd-vae-ft-mse微調的VAE解碼器，專門針對e621圖像數據進行優化，採用MAE和MSE混合損失函數，在Oklab色彩空間中計算損失，以提升圖像重建質量。
gaunernst
基於視覺變換器(ViT)的音頻處理模型，通過自監督掩碼自編碼器(MAE)方法在AudioSet-2M上預訓練並在AudioSet-20k上微調
Natooz
這是一個基於Byte Pair Encoding (BPE)技術的古典鋼琴音樂生成模型，在Maestro數據集上訓練得到。該模型採用GPT2架構的自迴歸Transformer，能夠根據音樂提示生成後續的古典鋼琴音樂內容。
mtg-upf
MAEST是基於PASST的Transformer模型系列，專注於音樂分析應用，特別擅長音樂風格分類任務。
MAEST是基於PASST的Transformer模型系列，專注於音樂分析應用，可對400種音樂風格進行分類
MAEST是基於PASST的Transformer模型系列，專注於音樂分析應用，特別是音樂風格分類任務。
MAEST是基於PASST的Transformer模型家族，專注於音樂分析應用，特別擅長音樂風格分類任務。
timm
基於視覺變換器(ViT)的大型圖像特徵提取模型，採用自監督掩碼自編碼器(MAE)方法在ImageNet-1k數據集上預訓練
基於視覺Transformer(ViT)的大規模圖像特徵提取模型，採用自監督掩碼自編碼器(MAE)方法在ImageNet-1k數據集上預訓練
基於視覺Transformer(ViT)的圖像特徵提取模型，採用自監督掩碼自編碼器(MAE)方法在ImageNet-1k數據集上預訓練
MCG-NJU
VideoMAE是基於掩碼自編碼器(MAE)的視頻自監督預訓練模型，在Something-Something V2數據集上微調用於視頻分類任務。
VideoMAE是基於掩碼自編碼器(MAE)的視頻預訓練模型，通過自監督學習在Kinetics-400數據集上微調，適用於視頻分類任務。
VideoMAE是基於掩碼自編碼器(MAE)的視頻自監督預訓練模型，通過預測被掩碼視頻塊的像素值學習視頻內部表示。
VideoMAE是基於掩碼自編碼器(MAE)的視頻自監督預訓練模型，在Something-Something-v2數據集上微調用於視頻分類任務。
VideoMAE是基於掩碼自編碼器(MAE)的視頻自監督預訓練模型，在Something-Something-v2數據集上進行了800輪預訓練。
VideoMAE是基於掩碼自編碼器(MAE)的視頻自監督預訓練模型，通過預測掩碼視頻塊的像素值學習視頻表徵
Maestro MCP Server是一個基於Maestro API平臺的比特幣區塊鏈交互工具，提供區塊、交易、地址等區塊鏈數據的查詢功能。
Maestro MCP的Python包
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
