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...
排序
Magic 1-For-1 – 北大、英伟达等推出的高效视频生成模型
Magic 1-For-1是北京大学、Hedra Inc. ...
LLIA – 美团推出的音频驱动肖像视频生成框架
LLIA（Low-Latency Interactive A...
I2VGen-XL：阿里推出的图像到视频生成模型
I2VGen-XL 是阿里巴巴达摩院推出的一款开源的图像到视...
FlagevalMM – 智源开源的多模态模型评测框架
FlagEvalMM是北京智源人工智能研究院开源的多模态模型...
DynVFX – AI视频增强技术，将新动态内容与原始视频无缝融合
DynVFX是创新的视频增强技术，能根据简单的文本指令将动态...
Adobe Firefly – Adobe推出的系列创意生成式AI模型
Adobe Firefly 是 Adobe 推出的一系列创意...
X-Prompt – 用于多模态视频目标分割的通用框架
X-Prompt是用于多模态视频目标分割的通用框架，解决传统...
VideoPhy – UCLA 联合谷歌推出评估视频生成模型物理常识能力的基准测试
VideoPhy是UCLA和谷歌研究研究院联合推出的，首个评...
StreamBridge – 苹果联合复旦推出的端侧视频大语言模型框架
StreamBridge 是苹果公司与复旦大学联合推出的端侧...
STAR – 南大、字节、西南大学联合开源的现实世界视频超分辨率框架
STAR是南京大学、字节跳动、西南大学联合推出的，创新的现实...
Qwen2.5-Omni-3B – 阿里 Qwen 团队推出的轻量级多模态 AI 模型
Qwen2.5-Omni-3B 是阿里巴巴 Qwen 团队推...
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...
HunyuanVideo-Avatar – 腾讯混元推出的语音数字人模型
HunyuanVideo-Avatar是腾讯混元团队与腾讯音...
Follow-Your-Canvas – 腾讯与清华合作推出的高分辨率视频扩展技术
Follow-Your-Canvas 是由腾讯混元团队与清华...
AnimateAnything – 浙江大学联合北航推出的统一可控视频生成技术
AnimateAnything是浙江大学和北京航空航天大学研...
VideoReward – 港中文、清华、快手等联合推出的视频生成偏好数据集及奖励模型
VideoReward 是香港中文大学、清华大学、快手科技等...
VideoMaker – 浙大联合腾讯和华为推出的零样本定制视频生成框架
VideoMaker是浙江大学、腾讯和华为诺亚方舟实验室共同...
Valley – 字节跳动推出的多模态大模型
Valley是字节跳动推出的多模态大模型，用于处理涉及文本...
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...
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...
MILS – Meta AI 推出的零样本生成高质量多模态描述方法
MILS（Multimodal Iterative LLM ...
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...
FlowDirector – 西湖大学联合中南大学推出的视频编辑框架
FlowDirector是西湖大学AGI Lab团队联合中南...
Deepfake Defenders – 中科院开发的识别Deepfake伪造内容的AI模型
Deepfake Defenders是由中国科学院自动化研究...
Chat Nio – 一站式LLM管理平台，支持各种主流模型和服务
Chat Nio是一站式AI服务管理平台，提供面向个人用户...
UniReal – 港大联合 Adobe 推出的通用图像生成和编辑框架
UniReal是香港大学和Adobe研究院共同推出的框架，专...
Seaweed-7B – 字节推出的视频生成模型
Seaweed-7B 是字节跳动团队推出的 视频生成 模型...
Ovis2 – 阿里国际推出的多模态大语言系列模型
Ovis2 是阿里巴巴国际团队推出的新型多模态大语言模型，基...
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...