小米开源的图像编辑框架–Lego-Edit ，能完成多种复杂的图像编辑任务
Lego-Edit是一个为通用基于指令的图像编辑设计的框架。它使用Builder（一个MLLM）来调用Bricks（模型级工具）以实现灵活性，并采用强化学习（RL）来增强Builder的推理和工具组合...
排序
混元3D 3.0 – 腾讯混元最新推出的3D生成模型，建模精度提升3倍
在2025腾讯全球数字生态大会上，腾讯混元3D 3.0模型正式发布，混元3D 3.0模型现已集成于混元3D AI创作引擎，面向用户免费开放，并同步上线腾讯云API。混元3D 3.0模型建模精度比上一版...
Colorify AI – AI图像上色工具，上传照片后可立即看到上色效果
ColorifyAI 是一款利用人工智能技术将文本或照片迅速转化为高质量填色页的AI工具。开发者通过 proprietary large-model 技术有效地识别语义或照片轮廓，从而快速生成用户所需...
VLAC – 上海AI实验室开源的具身奖励大模型，支持人机协作模式
VLAC是上海人工智能实验室开源的具身奖励大模型，旨在解决机器人真实世界强化学习中的效率与泛化难题。VLAC模型通过数据驱动的奖励机制和多模态认知架构，初步解决了机器人真实世界学习的效率与泛化难题。其...
HuMo – 清华联合字节推出的多模态视频生成框架，实现最高级别定制和控制。
字节开源的Humo模型支持文生视频、图生视频及音频生成视频，可结合文本、图像与音频多模态输入，并支持多图参考合成。HuMo 框架具备强大的多模态输入处理能力，可以同时利用文本、图像和音频三种信息，协同...
Sidekick – AI流程自动化平台，帮助用户快速实现常见任务的自动化
Sidekick是一款基于AI的智能流程自动化平台，让用户无需安装额外软件即可与本地大语言模型（LLM）对话，并能结合Mac上的文件、文件夹和网站信息生成回应，Sidekick支持文本生成图像，无需额...
comfyui教程（完整版）从零开始教你玩转ComfyUI-保姆级部署教程-手把手带你ComfyUI工作流搭建
第一节：认识ComfyUI并安装 本教程专为初学者设计，详细介绍了 2024 年最新版的SD ComfyUI的使用方法。通过逐步指导，让你无需任何基础，快速学会并使用这一强大的AI绘图工具。 1、什么...
IndexTTS2 – B站开源的最新文本转语音模型，可精准模仿该音频的声线
哔哩哔哩（B 站）Index 团队宣布全面开源其自主研发的文本转语音(TTS)系统 ——IndexTTS-2.0，它支持两种生成模式：一种明确指定生成的标记数量以精确控制语音持续时间；另一种以自回归的...
Qianfan-VL – 百度开源的视觉理解模型，最高支持4K分辨率输入
百度智能云千帆正式推出全新视觉理解模型 ——Qianfan-VL，共推出了3B、8B和70B三个版本，参数量覆盖从小到大的范围，能够灵活适应从边缘计算到云端推理的各类应用场景，并全面开源。 Qianf...
Kotaemon—— 基于 RAG 技术的开源工具，支持多模态检索和复杂推理方法，满足多样化的查询需求
Kotaemon 是什么 Kotaemon是一款基于Retrieval-Augmented Generation (RAG)技术的开源工具，由Cinnamon团队开发。它通过结合信息检索和语言生成技术...