FlowAct-R1：字节跳动推出的开源实时交互式数字人视频生成框架
FlowAct-R1是字节跳动开源的实时交互式数字人视频生成框架，基于MMDiT架构构建，其通过分块扩散强制策略、结构化记忆库与多阶段蒸馏技术，实现25FPS@480p分辨率、首帧1.5秒...
OpenJudge：开源AI应用评估与优化框架
OpenJudge是一款专为AI应用设计的开源评估框架，基于Python开发，核心定位是为AI智能体、聊天机器人、多模态应用、代码生成系统等各类AI应用提供标准化、自动化、全维度的质...
Prompt-Master：开源AI提示词管理浏览器扩展，键盘+鼠标双友好高效管理
Prompt-Master是一款开源的Chrome浏览器扩展，专为解决AI提示词管理痛点而生，主打键盘+鼠标双友好操作体验，采用卡片式布局实现提示词快速查找、复制与管理，支持JSON格式...
Agentation：React前端视觉标注工具，精准传递页面元素给AI编程助手
Agentation是一款专为React 18+项目设计的agent-agnostic视觉反馈工具，通过可视化标注页面元素生成精准CSS选择器与结构化Markdown，解决AI编程助手定位代码模糊问题，提升...
AgentCPM-Report：开源离线AI深度研究报告生成工具，本地部署生成专业长文报告
AgentCPM-Report是一款聚焦于深度研究报告生成的开源大语言模型代理（LLM Agent），由清华大学自然语言处理实验室（THUNLP）、中国人民大学RUCBM实验室与ModelBest联合研发...
VibeVoice-ASR：微软开源的AI语音转文本工具，单遍处理60分钟长音频
VibeVoice-ASR是微软推出的开源语音转文本（ASR）模型，支持英语和中文双语言输入，具备单遍处理60分钟长音频的核心能力。该模型融合ASR、说话人分离与时间戳标注功能，可直...
Qwen3-TTS：通义千问开源的AI语音合成模型，实现多语种语音生成与定制化音色创作
Qwen3-TTS是通义千问开源的一站式多语言语音生成模型全家桶，基于自研Qwen3大模型体系构建，采用离散多码本LM架构与Dual-Track双轨流式生成技术，实现语音克隆、语音设计、...
Step3-VL-10B：阶跃星辰开源的10B参数轻量多模态基础模型
STEP3-VL-10B是阶跃星辰（StepFun AI）开源的轻量级多模态基础大模型，核心定位是在10B（100亿）参数的紧凑规模下，实现高效性与前沿多模态智能的极致平衡，打破“参数越大...
GLM-4.7-Flash：智谱开源的 30B 级轻量化混合专家模型，支持本地部署与多场景应用
GLM-4.7-Flash 是由智谱科技开源的轻量化混合专家（MoE）大语言模型，总参数量达 30B，推理时仅激活 3B 参数，实现了高性能与低资源消耗的平衡。该模型支持 200K 长上下文窗...
PersonaPlex：英伟达开源的全双工实时语音对话模型，支持角色定制与自然打断交互
PersonaPlex是NVIDIA研究团队于2026年1月开源的全双工实时语音对语音对话模型，基于Kyutai的Moshi架构与Helium语言模型构建，核心解决传统语音助手“听一次、答一次”的僵化...