OmniAudio – 阿里通义推出的空间音频生成模型
OmniAudio 是阿里巴巴通义实验室语音团队推出的从36...
排序
OmniCam – 浙大联合上海交大等高校推出的多模态视频生成框架
OmniCam 是先进的多模态 视频生成 框架，通过摄像机控...
OmniCorpus – 百亿级多模态数据集，支持中英双语
OmniCorpus是一个大规模多模态数据集，包含86亿张图...
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...
Ola – 清华联合腾讯等推出的全模态语言模型
Ola是清华大学、腾讯 Hunyuan 研究团队和新加坡国立...
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...
面试猫 – AI面试辅助工具，实时语音识别面试官问题
面试猫是 AI面试辅助工具 ，基于实时语音识别和大语言模型...
Oasis – Decart联合Etched推出首款AI实时生成的游戏系统
Oasis是世界上首款AI实时生成的游戏，由Decart和E...
ObjectMover – 港大联合 Adobe 推出的新型图像编辑模型
ObjectMover 是香港大学和 Adobe Resea...
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...
NutWorld – 新加坡国立、南洋理工和Skywork AI推出的视频处理框架
NutWorld是新加坡国立大学、南洋理工大学和Skywor...
NSFW Detector – 开源 AI 不适宜内容检测工具，支持识别图像、PDF、视频文件
NSFW Detector（Not Safe For Wor...
Notato – AI笔记应用，自动生成结构化笔记内容
Notato 是AI笔记应用，专为高效学习和工作设计。能将音...
Next-Frame Diffusion – 北大联合微软推出的自回归视频生成模型
Next-Frame Diffusion（NFD）是北京大学...
NEXUS-O – 多模态AI模型，实现对语言、音频和视觉全方位感知与交互
NEXUS-O 是HiThink 研究院、英国帝国理工学院...
MyTimeMachine – AI个性化面部年龄转换技术，实现20至40年的时间跨度
MyTimeMachine（MyTM）是先进的个性化面部年龄...
MultiFoley – Adobe 联合密歇根大学推出的音效生成系统
MultiFoley是Adobe Research和密歇根大...
Multimodal Live API – 谷歌推出支持多模态交互、低延迟实时互动的AI接口
Multimodal Live API 是谷歌推出的低延迟...
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...
Mubert
Mubert 是 AI音乐生成平台 ，通过简单易用的方式为用...
MoviiGen 1.1 – AI视频生成模型，支持生成电影级画质
MoviiGen 1.1 是ZulutionAI 推出的专注...
mPLUG-Owl3 – 阿里巴巴推出的通用多模态AI模型
mPLUG-Owl3是阿里巴巴推出的通用多模态AI模型，专为...
MTVCrafter – 中科院联合中国电信等机构推出的人像动画生成框架
MTVCrafter是中国科学院深圳先进技术研究院计算机视觉...
Mora – 微软等推出的可生成12秒视频的多AI智能体框架
Mora是由来自微软和理海大学的研究人员推出的一个多智能体...
Morphik – 开源的多模态检索增强生成工具
Morphik 是开源的多模态检索增强生成（RAG）工具，专...
Motion Dreamer – 香港科技大学推出的运动合理视频生成框架
Motion Dreamer是香港科技大学（广州）研究者提出...
Motion Prompting – 谷歌联合密歇根和布朗大学推出的运动轨迹控制视频生成模型
Motion Prompting是 Google DeepM...
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...
MotionCtrl – 腾讯等推出的视频生成模型的运动控制器
MotionCtrl是由来自腾讯、香港大学、上海AI实验室...
Motionshop – 阿里推出的AI角色动画项目，可替换视频人物为3D
Motionshop是阿里巴巴智能计算研究院（XR实验室和T...