AI开源项目

全球首款实现电影级人景互动的AI视频生成解决方案

CosyVoice 2.0突破性实现150ms超低延迟语音合成，支持多语种混合生成与精准情感控制，重塑AI语音交互体验

革命性图像背景去除工具，专业设计团队和电商卖家的生产力倍增器

开源多模态训练领域的里程碑式资源库

支持多源翻译的离线OCR解决方案

Google VideoPoet突破传统视频制作流程，用大语言模型技术实现多模态零样本生成。

北京人工智能研究院多任务扩散模型开创者，支持文本/图像/指令混合输入的跨模态创作引擎

突破传统三维重建技术瓶颈的多模态肖像编辑神器

全量级开源的多轮交互式代码生成与优化平台

一款无需窃听内容即可识破语音伪造的跨时代安全工具

清华THUDM开源的多模态视频理解模型，为视频内容提供专家级文本描述

Draw an Audio通过多模态指令系统实现精准的视频到音频合成，开创音效创作新模式

全栈开源的AI大模型框架，推动技术民主化的关键基石

阿里巴巴最新推出的图像转视频AI系统，通过级联扩散模型实现高清动态画面生成

端到端OCR模型革新文字识别全流程

一款开源的跨语言语音克隆工具，支持5秒样本实时合成，无需编程即可通过WebUI实现专业级语音克隆

站在技术前线说句公道话，SFR-RAG把RAG技术的faithfulness（忠实度）指标提升到了新高度。虽然参数规模不算顶流，但这种以精度换规模的做法，倒是给吃算力吃到吐的AI行业吹来一阵清风。

嘿，你见过能考57门专业课的AI吗？MMMLU这个神奇的数据集就能让语言模型参加"多国联考"，而且还是用14种语言！作为开放科学社区最火爆的测评工具，它正在帮全球研究者突破AI的认知边界。

IP-Adapter：无需代码就能实现的跨模态AI图像生成方案

通过Coze API快速搭建微信AI聊天机器人的一键部署方案

基于Transformer架构的扩散模型在图像生成质量与运算效率上实现双重突破

用AI重新定义视频创作流程的视频智能剪辑神器

用AI重塑视频创作的动态美学

全球首个支持个性化数字分身定制的开源AI写真平台

Llama 3.2革命性整合文本推理与多模态处理，首次实现手机端本地运行视觉大模型

一句话总结：阿里研究院出品的免费视频人物替换工具，分钟级生成电影级3D特效。

通答AI打造的企业级人工智能应用生态闭环

StarCoder2正在重新定义开发者生产力

免调优视频编辑框架开创者，支持文字驱动运动与外观修改

将扩散模型转化为实时游戏引擎的革命性突破