Chatterbox：开源的高性能TTS模型，支持23种语言零样本克隆与情感语音合成
Chatterbox是由Resemble AI团队打造的一款开源生产级文本转语音（TTS）模型家族，并非单一模型，而是三款针对性优化的先进TTS模型组合，整体以轻量化架构实现了媲美商业闭源...
PaCoRe：阶跃星辰推出的开源AI推理框架，8B小模型性能超越GPT-5
PaCoRe 全称Parallel Coordinated Reasoning，中文译为并行协同推理，是由阶跃星辰（stepfun-ai）团队开源的一款全新AI推理框架，核心定位是解决传统大模型推理时的两大核心...
Qwen-Image-Layered：阿里通义千问开源的AI图像分层编辑模型
Qwen-Image-Layered是阿里巴巴通义千问团队（QwenLM）开源的一款专注于图像分层与精准编辑的AI模型，是当前业内首个实现“原生图层解耦”的开源扩散模型，核心定位是让AI具...
NitroGen：英伟达联合多所高校开源的通用游戏AI基础模型
NitroGen是由英伟达联合多所高校开源的通用游戏AI基础模型，核心定位是打造“通杀多类型游戏”的AI智能体，无需针对单款游戏定制训练，仅通过像素级游戏画面输入，就能精准...
Fun-Audio-Chat：阿里通义开源的低延迟大音频语言模型
Fun-Audio-Chat是由阿里通义实验室开源的一款面向自然、低延迟语音交互场景设计的大型音频语言模型（Large Audio Language Model）。该模型创新性引入双分辨率语音表示架构...
A2UI：谷歌开源的一款专注于代理生成用户界面的声明式框架
A2UI的全称是Agent-to-User Interface，是由谷歌开源的一款面向生成式AI代理的声明式用户界面框架，它并非一个传统意义上的UI组件库，而是一套“UI意图描述标准+多框架渲染...
Molmo2：AllenAI开源的先进多模态语言模型，支持单图/多图/视频输入与深度语义理解
Molmo2是由艾伦人工智能研究所（AllenAI） 研发并开源的一款先进多模态开放语言模型，旨在打破文本与视觉模态之间的壁垒，实现对图像、视频与文本信息的联合理解与处理。Mo...
MiMo-V2-Flash：小米开源的千亿级混合专家语言模型，高速推理与长上下文处理兼备
MiMo-V2-Flash 是小米公司开源的千亿级混合专家（MoE）架构语言模型，总参数规模达3090亿，活跃参数仅150亿，实现了高性能与低推理成本的平衡。该模型创新采用混合注意力架...
LongCat-Video-Avatar：美团开源的多任务音频驱动动画生成模型
LongCat-Video-Avatar 是美团开源的统一音频驱动角色动画模型，支持音频 - 文本到视频、音频 - 文本 - 图像到视频及视频续播三大核心任务，兼容单流与多流音频输入。该模型...
SAM-Audio：Meta 研究院推出的开源多模态音频分离基础模型
SAM-Audio是Meta研究院推出一款能够通过多模态提示实现通用音频分离的开源基础模型。SAM-Audio的核心理念是“提示即指令”，用户无需编写复杂的代码或调整繁琐的参数，只需...