Hunyuan3D-Part：腾讯混元开源的 3D 形状部件分割与生成框架
Hunyuan3D-Part是腾讯混元团队开源的3D形状部件分割与生成框架，包含P3-SAM和X-Part两个核心组件，实现从3D模型到语义部件分割和高保真结构分解的完整流程。该项目适用于3D...
Onyx：开源自托管 Chat UI 平台，连接任意 LLM 实现本地化 AI 交互
Onyx 是一个功能丰富的自托管 Chat UI 平台，可与任何大型语言模型 (LLM) 配合使用。它提供了强大的代理系统、检索增强生成 (RAG)、网络搜索、代码解释器等功能，支持私有化...
LongCat-Flash-Chat：美团推出的高性能大语言模型聊天系统
LongCat-Flash-Chat 是美团开源的一款高性能大语言模型聊天系统，基于 LongCat-Flash 大模型架构构建。该项目旨在提供一个高性能、低延迟、可扩展的大语言模型聊天解决方案...
HumanLayer：开源 AI 智能体人类监督工具集，实现高风险操作管控与多场景协同
HumanLayer 是一款开源的 API 与 SDK 工具集，旨在为 AI 智能体（Agent）提供人类监督能力，支持 AI 在执行高风险操作（如发送邮件、修改私人数据等）时触发人类审批、获取...
AudioFly：科大讯飞开源的高性能文本到音频生成模型
AudioFly是由科大讯飞开源的文本驱动音频生成模型，基于Latent Diffusion Model架构构建，具备10亿参数规模。该模型可依据文本描述合成采样率为44.1kHz的高质量音效，在单事...
FLM-Audio：原生全双工音语融合模型，支持中英文低延迟对话交互
FLM-Audio 是一款开源的音频 - 语言融合模型，作为 RoboEgo/FLM-Ego 的子版本，具备原生全双工能力，可同时实现监听、说话与内部独白构建，支持中英文双语言环境下的低延迟...
Spark-TTS：开源的文本到语音合成(TTS)系统，支持高质量语音克隆与多语言合成
Spark-TTS 是一个基于大语言模型（LLM）架构的高效文本到语音（TTS）系统，由 SparkAudio 团队开发并开源。该项目最大的特点是不依赖额外的声码器，直接通过 LLM 预测语音的...
MeloTTS：MyShell AI 推出的开源多语言文本转语音引擎
MeloTTS 是由 MyShell AI 开发的开源文本转语音（TTS）项目，基于先进的深度学习技术，提供高质量、多语言的语音合成能力。该项目支持英语、中文、日语、韩语等多种语言，可...
Audio2Face-3D：NVIDIA 开源的音频驱动 3D 面部动画生成框架
Audio2Face-3D 是 NVIDIA 开源的音频驱动 3D 面部动画生成项目，能够从语音音频实时生成高精度的 3D 面部动画，包括精确的唇形同步、表情变化和情感驱动。该项目提供了从训...
CWM (Code World Model) ：Meta 开源的 320B 参数代码世界模型
CWM (Code World Model) 是 Meta 发布的一个 320 亿参数的开源大语言模型，专为代码生成和代码状态推理而设计。它不仅能理解和生成代码，还能通过工具调用与容器化环境交互...