MineWorld – 微软研究院开源的实时交互式世界模型
MineWorld是微软研究院开源的基于《我的世界》（Min...
排序
InternVideo2.5 – 上海 AI Lab 联合南大、中科院开源的视频多模态大模型
InternVideo2.5是上海人工智能实验室联合南京大学...
HunyuanCustom – 腾讯混元开源的多模态定制视频生成框架
HunyuanCustom是腾讯混元团队推出的多模态驱动的定...
Follow Your Pose – 开源的姿态全可控视频生成框架
Follow Your Pose是由清华大学、香港科技大学...
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...
TrackGo – 先进的可控AI视频生成技术
TrackGo是一种先进的可控AI视频生成技术，通过用自由形...
TrajectoryCrafter – 腾讯和港中文推出的单目视频自由运镜技术
TrajectoryCrafter 是腾讯PCG ARC L...
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...
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...
Seed-TTS – 字节跳动推出的高质量文本到语音生成模型
Seed-TTS是由字节跳动开发的高级 文本到语音 （Tex...
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...
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...
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...
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...
YouMind
YouMind 是前阿里员工玉伯推出的专注提升创作效率和信息...
VideoWorld – 字节联合交大等机构推出的自回归视频生成模型
VideoWorld是北京交通大学、中国科学技术大学和字节跳...
TEN Agent – 开源的实时多模态 AI 代理框架
TEN Agent是集成OpenAI Realtime AP...
脸猫 – AI照片编辑应用，支持一键换装、AI换脸等多功能快速变装
脸猫是集成换装、AI换脸和风格写真的创新应用，让用户轻松拍出...
JoyGen – 京东和港大推出音频驱动的3D说话人脸视频生成框架
JoyGen是京东科技和香港大学推出的，音频驱动的3D说话人...
GR00T N1 – 英伟达开源的人形机器人基础模型
GR00T N1 是英伟达推出的全球首个开源基础模型，专为通...
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...
XMusic – 腾讯多媒体实验室自主研发的AI通用作曲框架
XMusic是腾讯多媒体实验室自主研发的AI通用作曲框架。用...
Vidu 1.5 – 生数科技推出支持多主体一致性的多模态大模型
Vidu 1.5是生数科技推出的AI视频生成平台最新版本，致...
VideoFusion – AI视频剪辑工具，自动去除视频黑边、水印和字幕
VideoFusion 是开源的短视频拼接与处理软件，专为高...
VE-Bench – 北京大学开源首个针对视频编辑质量评估的新指标
VE-Bench 是北京大学的研究团队 MMCAL 最近发布...
Uni-AdaFocus – 清华大学推出通用的高效视频理解框架
Uni-AdaFocus是清华大学自动化系的研究团队推出的通...
T2V-Turbo – 谷歌开源的文本到视频生成模型
T2V-Turbo是一种先进的文本到视频生成模型，由Goog...
Still-Moving – DeepMind推出的AI视频生成框架
Still-Moving是DeepMind推出的AI视频生成...
SadTalker – 开源AI数字人项目，一键让照片说话
SadTalker是西安交通大学、腾讯AI实验室和蚂蚁集团联...
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...