Lipsync-2 是 Sync Labs 推出的全球首個零-shot 嘴型同步模型。無需針對特定演講者進行預訓練，能即時學習并生成符合獨特說話風格的嘴型同步效果。

Llama Nemotron是NVIDIA推出的一系列推理模型，專注于推理和多種智能代理（agentic AI）任務。模型基于Llama開源模型，經過NVIDIA的后訓練，加入推理能力，在...

Dream-7B是香港大學和華為諾亞方舟實驗室聯合推出的擴散式推理模型，是目前最強大的開源擴散大語言模型。Dream-7B訓練數據涵蓋文本、數學和代碼，預訓練使用5...

Miracle F1 是美圖 WHEE 推出的全新AI圖像生成模型。具備強大的圖像生成能力，能像攝影師、建筑師和畫家一樣精準地處理光影、空間和材質效果，生成的圖像真實...

DeepCoder-14B-Preview 是 Agentica 和 Together AI 聯合開源的大型代碼生成模型，基于 Deepseek-R1-Distilled-Qwen-14B 微調而成。DeepCoder-14B-Preview基...

GitHub MCP Server 是GitHub 官方推出的基于 Model Context Protocol (MCP) 的服務器工具，GitHub MCP Server能無縫集成 GitHub API，為開發者提供高級自動化...

Nova Sonic 是亞馬遜推出的新型生成式 AI 語音模型。將語音理解與生成能力整合到一個模型中，能根據說話者的語調、風格等聲學上下文調整生成的語音響應，對話...

Step-R1-V-Mini 是階躍星辰最新推出的多模態推理模型。支持圖文輸入和文字輸出，具備良好的指令遵循和通用能力，能高精度感知圖像完成復雜推理任務。模型在視...

SeniorTalk 是智源研究院聯合南開大學計算機學院人類語言技術實驗室（HLT Lab）推出的全球首個中文超高齡老年人對話語音數據集。數據集包含202位75歲及以上超...

ChildMandarin 是智源研究院聯合南開大學計算機學院人類語言技術實驗室（HLT Lab）共同推出的，針對3-5歲兒童的普通話語音數據集。數據集包含41.25小時的語音...

SkyReels-A2是昆侖萬維推出的可控視頻生成框架，支持根據文本提示將任意視覺元素（如人物、物體、背景）組合成合成視頻，嚴格保持與每個元素的參考圖像的一致...

ACTalker 是用于生成逼真說話人頭部視頻的端到端視頻擴散框架。支持單信號或多信號控制，如音頻、表情等。核心架構包括并行 Mamba 結構，通過多個分支利用不...

Seedream 3.0是字節跳動豆包大模型團隊推出的AI繪圖模型，在中文文字生成和設計感方面表現出色，解決小字生成的穩定性問題，能精準生成復雜的中文內容，提供...

Quasar Alpha 是 OpenRouter 發布的預發布版 AI 模型。擁有 100 萬 token 的超大上下文窗口，可處理超長文本和復雜文檔。代碼生成能力出色，生成速度快，延遲...

OmniCam 是先進的多模態視頻生成框架，通過攝像機控制實現高質量的視頻生成。支持多種輸入模態組合，用戶可以提供文本描述、視頻中的軌跡或圖像作為參考，精...