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...
排序
3DV-TON – 阿里达摩院联合浙大等推出的视频虚拟试穿框架
3DV-TON（Textured 3D-Guided Con...
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...
SignLLM – 多语言手语生成模型，文字输入生成对应的手语视频
SignLLM 是创新的多语言手语生成模型，通过文字输入生成...
MobileVD – 首个针对移动设备优化的视频扩散模型
MobileVD（Mobile Video Diffusio...
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...
MM1.5 – 苹果推出的升级版多模态大模型
MM1.5是苹果公司推出的多模态大型语言模型，旨在增强文本丰...
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. ...
HeyGen
HeyGen是全球领先的 AI数字人 视频创作平台，致力于简...
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...
Tarsier2 – 字节跳动推出的视觉理解大模型
Tarsier2是字节跳动推出的先进的大规模视觉语言模型（L...
声动视界 – AI视频工具，面向带货短视频领域的视频翻译、配音等功能
声动视界（ SoundView ）是面向带货短视频的AI视频...
MultiTalk – 音频驱动的多人对话视频生成框架
MultiTalk 是中山大学深圳校区、美团和香港科技大学联...
MemFree – 开源的混合AI搜索引擎，支持多模态搜索和提问
MemFree是一款开源的混合AI搜索引擎，通过整合多种AI...
LLIA – 美团推出的音频驱动肖像视频生成框架
LLIA（Low-Latency Interactive A...
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...
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...
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 ...
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...
VideoPoet – 谷歌推出的AI视频生成模型
VideoPoet是由谷歌的研究团队开发的一种基于大模型的A...
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...
TIP-I2V – 超170万大规模真实文本和图像提示数据集
TIP-I2V是大规模真实文V本和图像提示数据集，用在图像到...
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...
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...
Open-Sora – 开源的类Sora架构的视频生成模型和复现方案
Open-Sora是由Colossal-AI团队开源的视频生...
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...
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...
LosslessCut – 开源的AI视频编辑工具，无损精准剪辑与合并音视频文件
LosslessCut是一款开源的视频编辑工具，用于快速且无...
Goku – 港大和字节联合推出的最新视频生成模型
Goku是香港大学和字节跳动联合发布的最新 视频生成 模型...