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

轻量级端到端文本到语音模型

基于MaskGCT模型的文本到语音演示

音乐生成模型，通过控制网络进行微调。

开源的音乐生成模型

AI云平台，为所有人服务

提升户外虚拟试穿效果的模型训练代码库

视觉语言模型增强工具，结合生成式视觉编码器和深度广度融合技术。

从单张图片创建全身动态说话头像

深度推理翻译模型，通过长思考链优化神经机器翻译。

从零开始学习深度学习，实现GPT模型，zero_to_gpt官网入口网址

开源文本到图像生成模型，AuraFlow v0.3官网入口网址

开源视频生成模型，支持多种生成任务。

强大的语言模型，支持多种自然语言处理任务。

一款通过生成模型提升图像生成一致性的工具。

在视频扩散变换器中合成任何内容的框架。

实现灵活且高保真度的图像生成，同时保持身份特征。

Inductive Moment Matching 是一种新型的生成模型，用于高质量图像生成。

VLM-R1 是一个稳定且通用的强化视觉语言模型，专注于视觉理解任务。

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。

基于 PyTorch 的音乐、歌曲和音频生成工具包，支持高质量音频生成

VideoJAM 是一种用于增强视频生成模型运动连贯性的框架。

行业领先的人工智能基础架构解决方案商，思腾合力官网入口网址

VideoLLaMA3是前沿的多模态基础模型，专注于图像和视频理解。

Janus-Pro-1B 是一个统一多模态理解和生成的自回归框架。

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。

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。

革新服装商业摄影的智能编辑工具 图应AI致力于服装行业，专门为商业摄影提供智能化的图片编辑服务，图应AI官网入口网址

高质量身份保留的人像动画合成工具。

使用Llama模型的语音合成工具

零样本风格化情侣肖像创作