迪士尼旧版米老鼠版权过期，AI开发者推出基于Stable-Diffusion-xl的Mickey-1928SD模型，用于生成符合1928年设计风格的米老鼠、米妮和皮特的图像。
这个工具解决了我在使用AI辅助开发时面临的最大问题——在进行新请求时给现有应用程序源代码提供上下文。通过PR将输出交付的功能是一个不错的附加功能。我已经使用这个工具提交了一些PR。当然，在合并之前我不得不手动进行一些微小的调整，但它确实为我节省了半个多小时的时间。
该编码器具有多项功能。首先，它能够增强视觉感知能力，通过提供额外的视觉编码器，使MLLM能够更好地理解和分析图像内容。其次，VCoder能够处理特殊类型的图像，例如分割图和深度图。分割图能够帮助模型识别和理解图像中不同物体的边界和形状，而深度图则提供了物体距离相机远近的信息。最后，VCoder改善了对象感知任务的表现。通过提供额外的感知模态输入，如分割图或深度图，它显著提高了MLLM的对象感知能力，包括更准确地识别和计数图像中的对象。
CogAgent还提供了可视化代理的能力，能够返回任何给定任务的计划、下一步行动和带有坐标的具体操作。它还增强了与图形用户界面相关的问题解答功能，可以处理与网页、PC应用程序、移动应用程序等任何图形用户界面截图相关的问题。另外，通过改进预培训和微调，CogAgent还增强了OCR相关任务的能力。这些功能的提升使得CogAgent在多个基准测试上实现了最先进的通用性能。
M2UGen展示了其出色的音乐生成、理解和编辑能力，用户可以通过交互式的演示视频和文本生成演示体验到模型的强大潜力。从生成摇滚音乐到对图像进行音乐创作，M2UGen满足了用户的多样化需求。