YuE是一个开源的音乐生成模型，能够将歌词转化为完整的歌曲。

一个基于文本生成图像的预训练模型，具有80亿参数和Apache 2.0开源许可。

统一的开放命名实体和语音识别模型

一个高效的语音合成模型，支持中英文及语音克隆。

QwQ-32B 是一款强大的推理模型，专为复杂问题解决和文本生成设计，性能卓越。

开源项目，用于估算模型训练或推理所需的显存。

基于MaskGCT模型的文本到语音演示

使用文本生成音乐的模型

先进的多模态图像生成模型，结合文本提示和视觉参考生成高质量图像。

一种通过视觉上下文学习的通用图像生成框架。

VideoJAM 是一种用于增强视频生成模型运动连贯性的框架。

MatAnyone 是一个支持目标指定的稳定视频抠像框架，适用于复杂背景。

MNN 是阿里巴巴开源的轻量级高性能推理引擎，支持多种主流模型格式。

通过多样化合成数据和全局到局部自适应感知增强文档布局分析

开源自回归视觉生成模型项目

革命性深度学习工具，用于面部转换和视频生成。

快速因果视频生成器，实现即时视频生成。

微软开源的视频分词器家族

基于深度学习的高质量文本到语音合成模型

高精度视频唇形同步技术

AI云平台，为所有人服务

多功能文本到多模态内容生成框架，Alpha-VLLM官网入口网址

快速且内存高效的精确注意力机制

一款通过生成模型提升图像生成一致性的工具。

UniTok是一个用于视觉生成和理解的统一视觉分词器。

Frames 是 Runway 推出的高级图像生成基础模型，提供前所未有的风格控制和视觉保真度。

轻量级端到端文本到语音模型

从单张图片创建全身动态说话头像

零样本风格化情侣肖像创作

基于文本生成服装图像的AI模型

一个社区驱动的深度研究框架，结合语言模型与多种工具。

用于理解任意视频中的相机运动的工具。