AI开源

Hallo2，百度开源的音频驱动生成说话视频，最长可生成1小时

让我们看看演示视频吧！ Hallo2，百度开源的音频驱动生成说话视频，最长可生成...

Fluxtapoz，Flux角色参考和风格参考，可以保持角色一致和风格一致

Fluxtapoz，Flux角色参考和风格参考，可以保持角色一致和风格一致，类似...

Mistral发布Ministral 3B和Ministral 8B开源模型，128K上下文

Mistral发布Ministral 3B和Ministral 8B开源模型，1...

DisEnvisioner，角色和风格一致新方法，对参考图做了分层处理，把主体和背景区分开，效果更佳

DisEnvisioner，角色和风格一致新方法，对参考图做了分层处理，把主体和...

RF-Inversion，可实现主体一致和风格一致，适用于Flux的角色和风格一致性方法

RF-Inversion，可实现主体一致和风格一致，适用于Flux的角色和风格一...

Animate-X，阿里开源的让角色图片动起来项目，类似AnimateAnyone

让我们看看演示视频吧！ Animate-X，阿里开源的让角色图片动起来项目，类似...

Zamba2-7B，Mamba+Transformer组合架构的LLM

Zamba2-7B，Mamba+Transformer组合架构的LLM，仅3T训...

TANGO，开源的口型同步模型，专门用来解决人物对话和手势的同步

让我们看看演示视频吧！ TANGO，开源的口型同步模型，专门用来解决人物对话和手...

Meissonic，开源可商用的非自回归AI绘画模型

Meissonic是开源可商用的非自回归AI绘画模型，高分辨率文本到图像合成。 ...

CogView3-Plus-3B，智谱开源DiT AI绘画模型

CogView3-Plus-3B是智谱开源DiT AI绘画模型，3B参数。 Gi...

Surya，文档 OCR 工具，支持 90 多种语言的 OCR

Surya，文档 OCR 工具，支持 90 多种语言的 OCR，布局分析（表格、...

F5-TTS，上交大/剑桥开源的TTS，零样本声音克隆，支持控制语音速度

让我们听听演示音频吧！ F5-TTS，上交大/剑桥开源的TTS，零样本声音克隆，...