FreeScale – 无需微调的推理框架，提升扩散模型生成能力首次实现8K分辨率图像
FreeScale是南洋理工大学、阿里巴巴集团和复旦大学推出...
排序
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...
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...
AtomoVideo – 阿里推出的高保真图像到视频生成框架
AtomoVideo是由阿里巴巴的研究团队提出的一个高保真图...
VideoRAG – 用于长视频理解的检索增强生成技术
VideoRAG是用于长视频理解的检索增强生成（Retrie...
VACE – 阿里通义推出的视频生成与编辑框架
VACE（Video Creation and Editin...
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...
Skywork – 昆仑万维面向全球推出的天工超级智能体
Skywork 是昆仑万维推出的天工超级智能体（Skywor...
SketchVideo – 快手联合多所高校推出基于草图的视频生成与编辑框架
SketchVideo 是中国科学院大学，香港科技大学和快手...
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...
ReCapture – 谷歌和新加坡国立大学共同推出的视频处理技术
ReCapture是谷歌和新加坡国立大学推出的视频处理技术...
Mubert
Mubert 是 AI音乐生成平台 ，通过简单易用的方式为用...
Hallo3 – 复旦联合百度开源的高动态与真实感肖像动画生成框架
Hallo3是复旦大学和百度公司联合推出的，基于扩散变换器网...
GenXD – 新加坡国立和微软共同推出的通用3D和4D联合生成框架
GenXD是新加坡国立大学和微软公司共同推出的3D-4D联合...
Follow-Your-Click – 腾讯等开源的图像到视频模型，可生成局部动画
Follow-Your-Click是一个由来自腾讯公司（混元...
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...
DreamVideo-2 – 复旦和阿里联合多机构推出的零样本视频定制生成框架
DreamVideo-2是创新的零样本视频定制框架，复旦大学...
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...
Voice-Pro – 开源AI音频处理工具，集成转录、翻译、TTS等一站式服务
Voice-Pro是开源的多功能音频处理工具，集成语音转文字...
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...
VideoRefer – 浙大联合阿里达摩学院推出的视频对象感知与推理技术
VideoRefer是浙江大学和阿里达摩学院联合推出的，专门...
SpatialLM – 群核科技开源的空间理解多模态模型
SpatialLM 是群核科技开源的空间理解多模态模型，赋予...
OmniHuman – 字节跳动推出的单张照片生成全身动态视频生成框架
OmniHuman是字节跳动推出的端到端多模态条件化人类 视...
HumanOmni – 阿里通义等推出专注人类中心场景的多模态大模型
HumanOmni 是专注于人类中心场景的多模态大模型，视觉...
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...
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...
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...
VXlive – AI语音社交应用，通过AI语音识别进行个性化互动
VXlive是以语音社交为核心的创新应用，主打语音聊天、直播...
VidTok – 微软开源的视频分词器，支持连续和离散分词化
VidTok（Video Tokenizer）是微软开源的先...