开源模型

Magic-1-For-1，图像到视频生成模型，1分钟时间可以生成1分钟时长的视频

让我们看看演示视频吧！ Magic-1-For-1，图像到视频生成模型，1分钟时...

On-device-Sora，可以运行在移动设备的文本到视频模型

On-device-Sora，可以运行在移动设备的文本到视频模型。 Github...

InspireMusic，阿里开源的音乐生成模型，可控制文本提示，音乐流派，音乐结构等

InspireMusic，阿里开源的音乐生成模型，可控制文本提示，音乐流派，音乐...

FireRedASR，小红书开源的语音识别模型，擅长识别中英文、方言/歌词等

FireRedASR，小红书开源的语音识别模型，擅长识别中英文、方言/歌词等，分...

Zonos，开源的TTS模型，允许对说话速度、音高变化、音频质量以及快乐、恐惧、悲伤和愤怒等情绪进行精细控制

让我们看看演示视频吧！ Zonos，开源的TTS模型，允许对说话速度、音高变化、...

Lumina-Video，开源的文本生成视频模型

让我们看看演示视频吧！ Lumina-Video，开源的文本生成视频模型，分辨率...

Hibiki，开源的流式语音翻译（也称为同步翻译）的模型

让我们看看演示视频吧！ Hibiki，开源的流式语音翻译（也称为同步翻译）的模型...

Tifa-Deepseek-14b-CoT，基于Deepseek-R1-14B优化的角色扮演能力

Tifa-Deepseek-14b-CoT，基于Deepseek-R1-14B优...

BEN2，开源的背景去除模型，支持图片与视频去除背景

BEN2，开源的背景去除模型，支持图片与视频去除背景。 Github地址：htt...

Lumina-image 2.0，开源的统一和透明的图像生成模型

让我们看看演示视频吧！ Lumina-image 2.0，开源的统一和透明的图像...

Mistral Small 3，MistralAI开源的模型，Llama 3.3 70b或Qwen 32B竞争

Mistral Small 3，MistralAI开源的模型，Llama 3.3...

DiffSplat，开源的从文本提示中生成3D的框架，直接从验证的文本对图像扩散模型中进行微调

让我们看看演示视频吧！ DiffSplat，开源的从文本提示中生成3D的框架，直...