SpatialGen – 群核科技开源的3D场景生成模型，生成具有时空一致性的多视角图像
SpatialGen是一款基于扩散模型架构的多视角图像生成模型，可根据文字、参考图和3D空间布局，生成具有时空一致性的多视角图像。SpatialGen 可根据文字描述、参考图像和3D空间布局，生成具有...
排序
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...
Hunyuan-MT-7B – 腾讯开源的轻量级翻译模型，能快速准确地完成翻译任务
Hunyuan-MT-7B是什么 Hunyuan-MT-7B 是腾讯混元发布的轻量级翻译模型，参数量为70亿，支持33个语种及5种民汉语言/方言的互译，包括粤语、维吾尔语、藏语等。模型采用完整的训练范...
EchoMimicV3 – 蚂蚁集团推出的多模态数字人视频生成框架，实现高效的模型训练和快速的动画生成。
EchoMimicV3 是由蚂蚁集团研发的一款高效、多模态、多任务的数字人视频生成框架。该模型拥有 13 亿参数，采用任务混合与模态混合的创新范式，结合独特的训练与推理策略，能够在多种输入条件下实现快...
VibeVoice – 微软推出的开源文本转语音模型，支持动态对话和交互式应用
近日，微软研究院提出了一种全新的语音生成模型 VibeVoice。它能够将文字脚本直接转化为流畅、自然的长对话音频。创作者无需再为音色匹配、语速调整、对话间隔等细节问题耗费精力，只需提供一份带角色标注...
DeepCode – 港大实验室推出的多Agent代码生成平台，支持扩展且功能丰富的后端代码
DeepCode是一款全新的开源Agentic编程平台，能够将所有应用程序、工具和AI代理集中在一个统一的环境中。可将研究论文与自然语言需求自动转化为可生产部署的前端、后端或完整应用代码。 DeepC...
deepfig重塑企业运营，开启智能自动化新时代
Deepfig是什么？ Deepfig是一款领先的智能自动化工作流平台。它致力于解决企业日常运营中面临的流程碎片化、数据孤岛、人工操作效率低下等核心痛点。通过其强大的集成能力和可视化设计，Deepfi...
Step-Audio 2 mini – 阶跃星辰开源的端到端语音模型，能精准理解各种音频内容
Step-Audio 2 mini是什么 Step-Audio 2 mini是阶跃星辰推出的开源端到端语音模型。突破传统语音模型结构，采用真端到端多模态架构，直接将原始音频输入转化为语音响应输出，时延...
AutoClip – 开源免费AI视频剪辑工具，自动识别高光片段，处理成功率高达95%以上
AutoClip 是一个智能视频剪辑和内容推荐系统，专为内容创作者、视频编辑者和广大视频爱好者设计，工具能自动识别视频中的高光片段，精准切片并生成优化后的标题，提升内容吸引力。工具支持B站视频下载和字...
Elser AI –动漫创作的生成式人工智能平台 ，一键生成高质量动漫内容创作
Elser AI 是一款免费且功能强大的 AI 漫画生成器，旨在帮助用户轻松创作出精美的漫画作品。它支持用户多次免费生成漫画，尤其适用于长篇漫画的创作，并采用技术手段确保人物形象的统一性。只需简单三步...