公共资源速递 This Weekly Snapshots ！
7 个公共教程：
* HealthGPT：AI医疗助手
* Magenta RT：实时音乐生成
* Ovis-U1-3B：多模态理解与生成模型
* Holo1-7B：自然语言精准定位 UI元素
* PlayDiffusion：开源音频局部编辑模型
* Gemma-3n-E4B-it：先进的轻量级开放模型
* 用 Ollama 和 Open WebU 部署 Kimi-Dev-72B-GGUF
访问官网立即使用：openbayes.com
公共教程
1. HealthGPT：AI 医疗助手
HealthGPT 采用创新的异构低秩适应（H-LoRA）技术，将视觉理解与生成任务的知识存储在独立的插件中，避免任务间的冲突。HealthGPT 提供两种版本：HealthGPT-M3（38 亿参数）和 HealthGPT-L14（140 亿参数），分别基于 Phi-3-mini 和 Phi-4 预训练语言模型。模型引入了分层视觉感知（HVP）和三阶段学习策略（TLS），优化视觉特征的学习和任务适应能力。
* 在线运行：
项目示例
2. Magenta RT：实时音乐生成
Magenta RT 采用了 MusicLM 的分阶段训练管道，并集成了一个名为 MusicCoCa 的新模块，能够实现实时的语义控制，涵盖音乐流派、乐器选择和风格演变。生成速度达到每 2 秒音频只需要 1.25 秒，实现了接近实时的数据生成（RTF 约为 0.625）。这一突破性发布标志着 Google 在 AI 音乐创作领域的又一重要进展，为音乐创作者和开发者提供了全新的创作工具。
* 在线运行：
3. Ovis-U1-3B：多模态理解与生成模型
Ovis-U1-3B 模型集成多模态理解、文本到图像生成和图像编辑三种核心能力，基于先进的架构和协同统一训练方式，实现高保真图像合成和高效的文本视觉交互。在多模态理解、生成和编辑等多个学术基准测试中，Ovis-U1 均取得领先的成绩，展现出强大的泛化能力和出色的性能表现。
* 在线运行：
项目示例
4. Holo1-7B：自然语言精准定位 UI 元素
Holo1-7B 旨在像人类用户一样与 Web 界面交互。作为更广泛的代理架构的一部分，Holo1 可以充当策略模型、定位模型或验证模型，帮助代理理解和操作数字环境。
* 在线运行：
项目示例
5. PlayDiffusion：开源音频局部编辑模型
PlayDiffusion 模型将音频编码为离散的标记序列，对需要修改的部分进行掩码处理，用扩散模型在给定更新文本的条件下对掩码区域进行去噪，实现高质量的音频编辑。模型能无缝保留上下文，确保语音的连贯性和自然性，同时支持高效的文本到语音合成。PlayDiffusion 的非自回归特性在生成速度和质量上优于传统的自回归模型，为音频编辑和语音合成领域带来新的突破。
* 在线运行：
项目示例
6. Gemma-3n-E4B-it：先进的轻量级开放模型
Gemma-3n-E4B-it 旨在为移动设备和边缘计算场景提供高性能、低资源消耗的本地化 AI 能力。能够处理多模态输入，包括文本、图像、视频和音频输入，并生成文本输出。
* 在线运行：
项目示例
7. 用 Ollama 和 Open WebU 部署 Kimi-Dev-72B-GGUF
Kimi-Dev-72B 在 SWE-bench Verified 编程基准测试中达到 60.4% 的性能，凭借其仅 72 亿的参数量，一举夺魁，超越了近期发布、参数量高达 671 亿的新版 DeepSeek-R1，成为当前开源模型中的 SOTA。
* 在线运行：
项目示例