FlashVideo 是一个高效的高分辨率视频生成模型，专注于细节和保真度的流动。

706课时帮助学生打下坚实的基础，为进一步学习人工智能和深度学习做好准备，AI算法工程师-必备基础与机器学习官网入口网址

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。

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。

开源项目，用于估算模型训练或推理所需的显存。

Pyramid-Flow的ComfyUI包装节点，用于高效视觉生成。

革命性深度学习工具，用于面部转换和视频生成。

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

基于MaskGCT模型的文本到语音演示

人脸匿名化技术，保留关键细节同时有效保护隐私。

FLUX.1的最小且通用的控制器

基于文本生成服装图像的AI模型

开源文本到图像生成模型，AuraFlow v0.3官网入口网址

多功能文本到多模态内容生成框架，Alpha-VLLM官网入口网址

在视频扩散变换器中合成任何内容的框架。

百度旗下AI算力、学习和实训平台，飞桨AI Studio星河社区官网入口网址

LLaSA： 扩展基于 LLaMA 的语音合成的训练时间和测试时间计算量

31课时掌握神经网络的基本原理和实现方法，以及卷积神经网络、递归神经网络和词向量等经典模型的原理和应用技巧，打下深度学习领域的坚实基础，【新】AI算法工程师-深度学习入门官网入口网址

一种新颖的图像到视频采样技术，基于Hunyuan模型实现高质量视频生成。

Janus-Pro-7B 是一个新型的自回归框架，统一多模态理解和生成。

开源自回归视觉生成模型项目

微软开源的视频分词器家族

轻量级端到端文本到语音模型

使用文本生成音乐的模型

开源的音乐生成模型

从单张图片创建全身动态说话头像

轻松在远程GPU上运行本地笔记本，Moonglow官网入口网址

一个高效的语音合成模型，支持中英文及语音克隆。

通过测试时间缩放显著提升视频生成质量。

业界首个超大规模混合 Mamba 推理模型，强推理能力。

Pruna 是一个模型优化框架，帮助开发者快速高效交付模型。