一个强大的图生视频模型，它通过先进的技术实现了从静态图片到动态视频的转变。这款模型不仅能够提供高质量的视频输出，还具有广泛的应用前景，包括娱乐、教育、电影制作等多个领域，CogVideoX-5B-I2V官网入口网址

多模态原生混合专家模型

ComfyUI中集成的最新视频生成模型

开源的全双工音频生成基础模型

开源文本到图像生成模型，AuraFlow v0.3官网入口网址

文本到视频的生成模型，CogVideoX官网入口网址

CSM 1B 是一个由 Sesame 开发的文本到语音生成模型，可生成高质量的音频。

Wan2.1-T2V-14B 是一款高性能的文本到视频生成模型，支持多种视频生成任务。

Lumina-Video 是一个用于视频生成的初步尝试项目，支持文本到视频的生成。

BEN2是一个基于深度学习的图像分割模型，专注于背景擦除和前景提取。

在图像理解和文本处理任务上展现出卓越的性能，并通过定制化微调和本地部署，推动了AI技术的开放性和可访问性，Llama 3.2官网入口网址

一个拥有8200万参数的前沿文本到语音（TTS）模型。

Qwen2.5-Coder系列中的1.5B参数代码生成模型

Qwen2.5-Coder系列中的1.5B参数代码生成模型

开源AI辅助编程模型系列

开源幻觉评估模型

SkyReels-V1 是首个开源的人类中心视频基础模型，专注于高质量视频生成。

DeepFloyd IF是一个强大的文本到图像生成模型，能够生成高分辨率和逼真度的图像。它结合了先进的语言理解和图像生成技术，提供了多种功能，如超分辨率、风格迁移和零样本学习，DeepFloyd官网入口网址

Qwen2.5-Coder系列中的3B参数量指令调优模型

一个开源的视频生成模型，用于创造生动的视频内容。CogVideoX-2B官网入口网址

一款具有 17 亿参数的开源图像生成基础模型。

PIKE-RAG 是一种专注于领域知识和推理增强生成的模型。

提供高级 AI 聊天体验，完全私密。

用于理解任意视频中的相机运动的工具。