Meta AI发布Pixio图像模型，通过改进MAE框架，证明简单训练路径在深度估计和3D重建等任务中性能卓越，挑战了MAE逊于DINOv2等复杂算法的传统认知。
Beatoven.ai推出AI音乐模型Maestro，通过与版权方合作确保创作合法性，为艺术家和权利人提供版税收入，推动音乐AI在尊重版权前提下的创新发展。
最近，Meta正在测试一种新型的聊天机器人，这些机器人将主动向用户发送消息，而不仅仅是在用户发起对话后进行回应。想象一下，你正在 Facebook Messenger 或 WhatsApp 上与朋友聊天，突然间，一个名为 “The Maestro of Movie Magic” 的 AI 聊天机器人给你发来了一条消息:“希望你今天过得愉快!我想知道你最近有没有发现什么新的电影原声带或作曲家?或者，是否需要我为你推荐一些下一个电影之夜的好片呢?”据泄露的文件显示，Meta 与数据标注公司 Alignerr 合作，开发出这些可定制的聊天机器人。用
["抖音博主“Mae”创作的AI视频《大多数普通女孩的一生》引起轰动。","视频将女孩一生浓缩为一分钟，获得353.8万点赞，触动了众多网友。","尽管AI无法还原生活中的酸甜苦辣，但视频表现出AI技术的发展。","其他博主也使用AI制作类似视频，拓展了AI在视频创作领域的应用。","AI工具的不断更新让图文视频生成更大众化，吸引了越来越多的创作者。"]
Maestro是一个简单的端到端测试工具，适用于移动应用和Web应用。
智能协调子代理的框架
更有效的提示大型多模态模型，释放潜能
Maestro Cloud上的AI自动化QA和测试
Alibaba
$4
输入tokens/百万
$16
输出tokens/百万
1k
上下文长度
$2
$20
-
$6
$24
256
Moonshot
Bytedance
$0.8
128
Xai
$1.4
$10.5
Tencent
$1
32
Deepseek
$12
$1.6
Openai
$0.4
$0.75
64
24
Chatglm
$8
maerong3
这是一个基于Mistral架构的24B参数大型语言模型，通过llama.cpp转换为GGUF格式。模型支持多语言交互，特别优化了指令跟随能力，适用于各种文本生成和理解任务。
mii-llm
基于 Mistral-7b 的意大利语聊天模型，经过大规模意大利语语料库预训练和微调
基于Mistral-7b的意大利语对话模型，经过三阶段监督微调和KTO对齐
namangarg110
Hiera是一种高效的分层式Transformer架构，通过MAE训练优化空间偏置特性，显著提升参数利用效率
RedRocket
这是一个基于stabilityai/sd-vae-ft-mse微调的VAE解码器，专门针对e621图像数据进行优化，采用MAE和MSE混合损失函数，在Oklab色彩空间中计算损失，以提升图像重建质量。
gaunernst
基于视觉变换器(ViT)的音频处理模型，通过自监督掩码自编码器(MAE)方法在AudioSet-2M上预训练并在AudioSet-20k上微调
Natooz
这是一个基于Byte Pair Encoding (BPE)技术的古典钢琴音乐生成模型，在Maestro数据集上训练得到。该模型采用GPT2架构的自回归Transformer，能够根据音乐提示生成后续的古典钢琴音乐内容。
mtg-upf
MAEST是基于PASST的Transformer模型系列，专注于音乐分析应用，特别擅长音乐风格分类任务。
MAEST是基于PASST的Transformer模型系列，专注于音乐分析应用，可对400种音乐风格进行分类
MAEST是基于PASST的Transformer模型系列，专注于音乐分析应用，特别是音乐风格分类任务。
MAEST是基于PASST的Transformer模型家族，专注于音乐分析应用，特别擅长音乐风格分类任务。
timm
基于视觉变换器(ViT)的大型图像特征提取模型，采用自监督掩码自编码器(MAE)方法在ImageNet-1k数据集上预训练
基于视觉Transformer(ViT)的大规模图像特征提取模型，采用自监督掩码自编码器(MAE)方法在ImageNet-1k数据集上预训练
基于视觉Transformer(ViT)的图像特征提取模型，采用自监督掩码自编码器(MAE)方法在ImageNet-1k数据集上预训练
MCG-NJU
VideoMAE是基于掩码自编码器(MAE)的视频自监督预训练模型，在Something-Something V2数据集上微调用于视频分类任务。
VideoMAE是基于掩码自编码器(MAE)的视频预训练模型，通过自监督学习在Kinetics-400数据集上微调，适用于视频分类任务。
VideoMAE是基于掩码自编码器(MAE)的视频自监督预训练模型，通过预测被掩码视频块的像素值学习视频内部表示。
VideoMAE是基于掩码自编码器(MAE)的视频自监督预训练模型，在Something-Something-v2数据集上微调用于视频分类任务。
VideoMAE是基于掩码自编码器(MAE)的视频自监督预训练模型，在Something-Something-v2数据集上进行了800轮预训练。
VideoMAE是基于掩码自编码器(MAE)的视频自监督预训练模型，通过预测掩码视频块的像素值学习视频表征
Maestro MCP Server是一个基于Maestro API平台的比特币区块链交互工具，提供区块、交易、地址等区块链数据的查询功能。
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)
