OmniSync – 人民大学联合快手、清华推出的通用对口型框架
OmniSync是中国人民大学、快手科技和清华大学联合推出的...
排序
Mobius – 重庆邮电联合美团等推出的无缝循环视频生成技术
Mobius 是先进的无缝循环 视频生成 技术，能通过人工智...
KeySync – 帝国理工联合弗罗茨瓦夫大学推出的口型同步框架
KeySync 是帝国理工学院和弗罗茨瓦夫大学推出的用在高分...
TimeSuite – 上海AI Lab推出的提升MLLMs在长视频理解处理的设计框架
TimeSuite是上海AI Lab推出的新型框架，能提升多...
SmoothCache – Roblox 和女王大学推出用于DiT的通用推理加速技术
SmoothCache 是用在Diffusion Trans...
Seaweed APT2 – 字节跳动推出的AI视频生成模型
Seaweed APT2是字节跳动推出的创新的 AI视频生成...
NVILA – 英伟达推出的视觉语言大模型
NVILA是NVIDIA推出的系列视觉语言模型，能平衡效率和...
MMBench-Video – 上海AI Lab联合多所高校推出的长视频理解基准测试
MMBench-Video是新颖的长视频多题问答基准测试，是...
StoryTeller – 字节、上海交大、北大共同推出的全自动长视频描述生成一致系统
StoryTeller是字节跳动、上海交通大学和北京大学共同...
sCM – OpenAI推出连续时间一致性模型，两步采样生成高质量图像
sCM是OpenAI推出的连续时间一致性模型，基于扩散模型原...
Perception-as-Control – 阿里通义实验室推出的图像动画框架
Perception-as-Control是阿里巴巴通义实验...
MultiFoley – Adobe 联合密歇根大学推出的音效生成系统
MultiFoley是Adobe Research和密歇根大...
LTXV-13B – Lightricks开源的最新视频生成模型
LTXV-13B 是Lightricks推出的开源 AI 视...
HeyGen
HeyGen是全球领先的 AI数字人 视频创作平台，致力于简...
CogVideoX v1.5 – 智谱最新开源的AI视频生成模型
CogVideoX v1.5是智谱最新开源的AI视频生成模型...
Chinese-LiPS – 智源研究院联合南大开源的中文多模态语音识别数据集
Chinese-LiPS 是智源研究院联合南开大学共同打造的...
AnimateDiff – 扩展文生图模型生成动画的框架
AnimateDiff是由上海人工智能实验室、香港中文大学和...
AIGCPanel- 开源的一站式AI虚拟数字人系统
AIGCPanel是开源 AI数字人 系统，支持 视频合成 ...
VideoGrain – 悉尼科技大学和浙大推出的视频编辑框架
VideoGrain 是悉尼科技大学和浙江大学推出的零样本多...
Pollo AI – 一站式AI图像和视频创作平台
Pollo AI 是新加坡公司 HIX.AI 推出的一站式A...
PhysGen3D – 清华等高校联合推出的单图创建交互式 3D 场景
PhysGen3D 是创新的框架，能将单张图像转换为交互式的...
OmAgent – Om AI联合浙大开源的多模态语言代理框架
OmAgent是Om AI和浙江大学滨江研究院联合开源的多模...
mPLUG-Owl3 – 阿里巴巴推出的通用多模态AI模型
mPLUG-Owl3是阿里巴巴推出的通用多模态AI模型，专为...
Heygem – 硅基智能推出的开源数字人模型
Heygem 是硅基智能推出的开源 数字人模型 ，专为 Wi...
CoGenAV – 通义联合深圳技术大学推出的多模态语音表征模型
CoGenAV（Contrastive-Generative...
CAVIA – 苹果、得克萨斯、谷歌联合推出的多视角视频生成框架
CAVIA是苹果公司、得克萨斯大学奥斯汀分校、谷歌联合推出的...
StableV2V – 中国科技大学开源的视频编辑项目
StableV2V是中国科技大学推出的开源视频编辑项目，基于...
PoseTalk – 文本和音频驱动的生成会说话的头部动画开源项目
PoseTalk 是基于文本和音频的姿势控制和运动细化方法的...
A2A – 谷歌开源的首个标准智能体交互协议
A2A（Agent2Agent Protocol）是谷歌开源...
X-Dancer – 字节等机构推出音乐驱动的人像舞蹈视频生成框架
X-Dancer 是字节跳动联合加州大学圣地亚哥分校和南加州...