Wav2Lip – 开源的高保真唇形同步工具，自动生成与语音同步的口型动画
Wav2Lip 是一个 口型同步技术开源项目，可以在任意语音对任意说话的脸部视频进行口型同步。旨在提升视频中唇部同步的保真度。此项目通过 Wav2Lip 实现精确的唇动匹配，再利用 Real-ESRG...
排序
VibePPT – AI PPT制作工具，能快速生成具有专业设计感的演示文稿
VibePPT是一款AI驱动的在线智能PPT生成平台，支持通过自然语言 Prompt 一键生成结构完整、视觉专业的演示文稿，内置多种商务、教育、科技、营销等主题模板，自动匹配配色与排版，并可智能配图...
CombatVLA - 淘天集团推出的3D游戏专用视觉-语言-动作模型，决策速度比传统模型快50倍
淘天集团未来生活实验室团队提出 CombatVLA，这是首个专门针对 3D 动作角色扮演游戏战斗任务的视觉-语言-动作（VLA）模型，模型在动作角色扮演游戏的战斗任务中，成功率超越了人类玩家和GPT...
OpenAI推出的–ChatGPT Study 学习助手模式，引导用户主动思考，促进深度学习。
OpenAI推出ChatGPT Study学习模式。相比ChatGPT此前的模式，学习模式能够帮助和引导用户一步步解决问题，而非直接给出答案。ChatGPT Study采用四种核心教学方法。交互式提示...
AudioStory – 腾讯ARC推出的音频生成模型，自动分析视频内容并生成匹配的背景音轨
腾讯ARC实验室刚刚发布的AudioStory技术，核心在于其统一的理解与生成框架。该模型能够处理视频配音、音频延续和长篇叙事音频合成等多种任务。通过将大语言模型与音频生成系统结合，AudioStor...
Deepfig一全球领先的通用人工智能（AGI） 底层模型
DeepFig是什么？ DeepFig是一家致力于开发和研究全球领先的通用人工智能（AGI） 底层模型与技术的尖端科技公司。其核心使命是挑战人工智能领域最前沿的基础性难题，旨在构建具有强大性能、卓越...
WhisperLiveKit – 开源AI语音识别工具，支持多种语言，能将语音实时转录为文字
WhisperLiveKit是一款本地部署的AI会议工具，能够实现语音实时转录并识别不同说话人，解决了传统语音转写工具的非实时性、隐私风险和说话人混淆问题。支持实时语音转文字和说话人识别功能，适用于会...
字节跳动开源的大语言系列模型–Seed-OSS ，能高效解决推理难题
Seed-OSS 是字节跳动 Seed 团队发布的开源大语言模型系列，专为长上下文、推理、智能体和通用能力而设计。该模型系列包含三个版本： Seed-OSS-36B-Base：基础模型（包含合成指令数...
Qwen3-Next - 阿里通义推出的新一代混合架构大模型，实现高效自动化操作
Qwen3-Next是什么 Qwen3-Next是阿里通义推出的新一代混合架构大模型，具有强大的长文本处理能力和高效的推理速度。模型融合Gated DeltaNet和Gated Attention技术...
ToonComposer – 腾讯联合港中文、北大推出的AI动画制作工具，能生成高质量的动画视频
香港中文大学、腾讯和北京大学联合开发了一款名为ToonComposer的AI动画制作系统，能够通过一张彩色参考图片和几张简单的线稿草图，自动生成完整的高质量卡通动画视频。ToonComposer的核心...