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...
排序
Genmoai-smol – 对单GPU设备优化的开源AI视频生成模型
Genmoai-smol是开源视频生成模型，是Genmoai...
AI Chinese – AI双语教中文应用，模拟中国真人老师在线授课
AI Chinese是嗨你好教育推出的AI双语教学中文学习平...
VideoChat – 开源的实时数字人对话系统，首包延迟低至3秒
VideoChat是开源的实时数字人对话系统，支持语音输入和...
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...
MobileVD – 首个针对移动设备优化的视频扩散模型
MobileVD（Mobile Video Diffusio...
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...
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...
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...
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...
拍我AI – 爱诗科技推出的AI视频生成平台，PixVerse国内版
拍我AI是爱诗科技推出的 PixVerse 的国内版，是强大...
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 ...
MIMO – 阿里智能研究院推出的可控角色AI视频合成框架
MIMO是阿里巴巴集团智能计算研究所推出的可控角色视频合成的...
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...
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...
CustomVideoX – 中科大联合浙大等推出的个性化视频生成框架
CustomVideoX 是中科大和浙大等联合提出的创新的个...
Agno – 用于构建多模态智能体的轻量级框架
Agno是构建智能代理（Agents）的轻量级框架。Agno...
VideoAnydoor – 港大联合阿里达摩院等机构推出的零样本视频对象插入框架
VideoAnydoor是香港大学、阿里巴巴集团达摩院、湖畔...
Video-XL – 智源联合多所高校推出的开源超长视觉理解模型
Video-XL是北京智源人工智能研究院联合上海交大、中国人...
VACE – 阿里通义推出的视频生成与编辑框架
VACE（Video Creation and Editin...
SkyReels-A1 – 昆仑万维开源的表情动作可控算法
SkyReels-A1是昆仑万维开源的中国首个SOTA（St...
MotionCanvas – 港中文和 Adobe 等机构推出的可控图像到视频生成方法
MotionCanvas是香港中文大学、Adobe 研究院和...
LongVU – Meta AI开源的长视频理解模型
LongVU是Meta AI团队推出的长视频理解模型，基于时...
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...
Gemma 3 – 谷歌最新推出的开源多模态 AI 模型
Gemma 3 是谷歌最新推出的开源人工智能模型，专为开发者...
谷歌DeepMind推出V2A技术，可为无声视频添加逼真音效
在人工智能领域，谷歌旗下的DeepMind公司再次取得突破性...
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...
VideoTuna – AI视频生成应用代码库，支持多模型和全面的视频生成流程
VideoTuna是集成多种AI视频生成模型的代码库，支持文...
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...