UniFluid 是谷歌 DeepMind 和麻省理工學院聯合推出的，統一的自回歸框架，用在聯合視覺生成和理解任務。基于連續視覺標記處理多模態圖像和文本輸入，生成離散...

Multi-Speaker是AudioShake推出的全球首個高分辨率多說話人分離模型。支持將音頻中的多個說話人精準分離到不同軌道，解決傳統音頻工具在處理重疊語音時的難題...

UniAct 是新型的具身基礎模型框架，解決不同機器人之間行為異構性的問題。通過學習通用行為，捕捉不同機器人共享的原子行為特征，消除因物理形態和控制接口差...

ReCamMaster 是浙江大學、快手科技等聯合推出的視頻重渲染框架，能根據新的相機軌跡重新生成視頻內容。通過預訓練模型和幀維度條件機制，結合多相機同步數據...

Stable Virtual Camera 是 Stability AI 推出的 AI 模型，能將 2D 圖像轉換為具有真實深度和透視感的 3D 視頻。用戶可以通過指定相機軌跡和多種動態路徑（如...

Cube 3D 是 Roblox 推出的AI 3D生成大模型，基于 AI 技術高效生成 3D 模型和環境。Cube 3D支持直接從文本描述生成完整的 3D 對象，與游戲引擎兼容。Cube 3D能...

SmolDocling（SmolDocling-256M-preview ）是高效輕量級的多模態文檔處理模型。能將文檔圖像端到端地轉換為結構化文本，支持文本、公式、圖表等多種元素識別...

GR00T N1 是英偉達推出的全球首個開源基礎模型，專為通用人形機器人設計。基于多模態輸入（如語言和圖像）實現多樣化環境中的操作任務。GR00T N1 基于大規模...

LangManus 是 AI 自動化框架，基于分層多智能體系統設計。包含多種智能體，如協調員、規劃員、研究員、程序員等，各司其職，協同完成復雜任務。框架支持多種...

Claude 3.7 Max 是 Cursor 推出的專為復雜代碼任務設計的最新 AI 模型，稱為史上最強代碼助手。基于 Claude 3.7 思考模型，具備 200k 超大上下文窗口，支持處...

Skywork R1V是昆侖萬維開源的首款工業界多模態思維鏈推理模型，具備強大的視覺鏈式推理能力。Skywork R1V能對視覺輸入進行多步邏輯推理，解決復雜的視覺任務...

Chirp 3 是谷歌云推出的高清語音合成模型，專為生成自然、生動的語音而設計。支持 248 種聲音和 31 種語言，能捕捉人類語調的細微差別，語音輸出更加貼近真實...

I2V3D是香港城市大學和微軟 GenAI創新的圖像到視頻生成框架，支持將靜態圖像轉換為動態視頻，基于3D幾何引導實現精確的動畫控制。I2V3D結合傳統計算機圖形學...

OpenBioMed 是清華大學智能產業研究院（AIR）和水木分子共同推出的開源平臺，專注于 AI 驅動的生物醫學研究。是多模態表征學習工具包，能處理分子、蛋白質、...

amis 是百度開源的低代碼前端框架，基于簡單的 JSON 配置快速生成各種后臺頁面，無需編寫復雜前端代碼。amis支持表單、表格、圖表、CRUD 操作等功能，提供豐...