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...
排序
Gemma 3n – 谷歌推出的端侧多模态AI模型
Gemma 3n 是谷歌 I/O 开发者大会推出的端侧多模态...
ExVideo – 阿里和华东师大推出的AI视频长度扩展调优技术
ExVideo是由阿里巴巴和华东师大的研究人员推出的一种视频...
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...
众影AI – AI动画生成工具，自动分析剧本和音频生成动画作品
众影AI是 AI视频生成工具 ，专注于轻动画创作。基于自研的...
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...
Subtitle Edit – 免费开源的多功能字幕编辑器
Subtitle Edit是一款免费开源的多功能字幕编辑器...
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...
Pixel Reasoner – 滑铁卢联合港科大等高校推出的视觉语言模型
Pixel Reasoner是滑铁卢大学、香港科技大学、中国...
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...
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...
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...
Movie Gen – Meta推出文本驱动的AI视频生成与编辑工具
Movie Gen 是 Meta 推出的 AI视频生成工具 ...
MobileVD – 首个针对移动设备优化的视频扩散模型
MobileVD（Mobile Video Diffusio...
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...
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...
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...
HourVideo – 李飞飞和吴佳俊团队推出的长视频理解基准数据集
HourVideo是斯坦福大学李飞飞和吴佳俊团队推出的长视频...
FlexTok – Apple 联合 EPFL 推出的图像处理技术
FlexTok 是瑞士洛桑联邦理工学院（EPFL）和苹果公司...
EMO – 阿里推出的AI肖像视频生成框架
EMO（Emote Portrait Alive）是一个由阿...
CausVid – Adobe 联合 MIT 推出的自回归实时视频生成技术
CausVid是Adobe和MIT共同推出的自回归实时视频生...
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...
StoryDiffusion – 生成一致性图像和视频序列的开源AI框架
StoryDiffusion是一个先进的AI图像和视频生成框...
Sa2VA – 字节跳动等机构开源的多模态大语言模型
Sa2VA是字节跳动联合加州大学默塞德分校、武汉大学和北京大...
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...
Pyramid-Flow – 北大、快手、北邮联合开源的AI视频生成模型
Pyramid-Flow是一种先进的视频生成模型，由北京大学...
Product Avatar – Topview AI推出全球首个支持生成手拿产品的数字人工具
Product Avatar 是 TopView 推出的 A...
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...
Mobvoi MCP Server – 出门问问推出的多模态MCP服务工具
Mobvoi MCP Server 是出门问问推出的一站式集...