可灵O1 – 可灵AI推出全球首个统一多模态视频生成模型，轻松生成和编辑视频内容。
全球首个大一统的多模态视频、图片创作工具“可灵O1”正式上线。模型通过创新的多模态视觉语言（MVL）架构，实现视频生成、编辑与理解的无缝融合。可灵O1基于全新的视频和图像模型，以自然语言作为语义骨架...
排序
Vidi2 – 字节跳动推出的多模态视频理解与生成模型，自动剪辑、智能分镜、智能字幕等多种功能
字节跳动推出的视频理解模型Vidi2，通过精准捕捉与识别，在基准测试中取得了显著领先成绩，尤其适用于长视频处理。Vidi2引入了新的基准测试VUE-STG和VUE-TR-V2，以更好地评估STG能力...
Talo – AI实时语音翻译工具，打破语言障碍，增强沟通效果
Talo是一款专为视频通话设计的实时AI翻译工具，旨在打破语言障碍，让全球范围内的无障碍沟通。它利用先进的AI技术，提供即时、准确的语音翻译，用户只需将会议链接粘贴到Talo界面并选择所需语言，即可开...
StepAudio R1 – 阶跃星辰推出的全球首个开源原生音频推理模型，真正实现深度推理。
StepAudio R1 是阶跃星辰团队推出的全球首个开源原生音频推理模型。模型通过创新的模态锚定推理蒸馏（MGRD）框架，解决了传统音频模型在复杂推理中性能下降的问题，真正实现基于声学特征的深度推理...
Temvideo.ai – AI视频制作Agent，一键生成营销视频
Temvideo.ai 是一款专为跨境电商营销设计的AI视频制作工具，旨在帮助电商商家高效生成高转化率的营销视频。通过智能算法帮助用户快速生成高质量的营销视频。用户只需提供想法和素材，一键批量生成营...
DeepSeek-Math-V2 – DeepSeek开源的数学推理模型，能实现自我验证和修正推理过程
DeepSeek上线全新数学专用模型DeepSeekMath-V2，该模型基于DeepSeek-V3.2-Exp-Base构建，参数规模达685B。它最大的亮点是能像数学家一样自我验证和修正推理过程...
讯飞输入法 – 科大讯飞推出的AI语音输入法工具，支持语音、拼音、手写、拍照等多种输入方式，
科大讯飞语音输入法app是科大讯飞推出的一款手机语音输入法软件，语音准确，输入流畅，手写快捷，还有海量键盘皮肤、表情包、颜文字，1分钟400字，更智能更好用，讯飞语音输入法需要联网才能使用，软件拥有语...
Depth Anything 3 – 字节跳动推出的视觉空间重建模型，可重建完整3D场景
自字节跳动（ByteDance Seed）的研究团队推出—Depth Anything 3 (DA3)视觉空间重建模型，旨在打破3D视觉任务之间的壁垒，实现一个“大一统”的视觉几何模型。DA3的核心思...
Z-Image – 阿里通义推出的图像生成模型，能快速生成高质量的逼真图像
随着AI大模型的快速发展，越来越多的用户使用AI来辅助工作、提高效率。阿里通义大模型官方最新发布的生图模型 Z-Image 上线后迅速登顶 Hugging Face 趋势榜双榜第一，模型发布首日下载量...
ViMax – 港大开源的多智能体视频生成框架，导演、编剧、制片人和视频生成器
ViMax 是一个多智能体视频生成框架，支持自动化多镜头视频生成，并确保角色与场景的一致性。该框架集导演、编剧、制片人和视频生成器功能于一体，支持多种模式生成分钟级长视频，保持人物与场景一致性。ViM...