FLUX：Black Forest Labs 推出的开源多模态图像生成与编辑工具
FLUX是由Black Forest Labs开发的开源图像生成与编辑模型系列，涵盖文本驱动图像生成、图像填充、结构控制等多元功能。该项目通过模块化设计提供高效推理代码，支持开发者与...
Hunyuan-MT - 腾讯开源的高性能多语言翻译模型，支持 33 种语言互译与集成优化
Hunyuan-MT是腾讯开源的高性能多语言翻译项目，包含Hunyuan-MT-7B基础模型与Hunyuan-MT-Chimera-7B集成模型，支持33种语言互译（含5种中国少数民族语言）。项目提供完整的训...
Qianfan-VL：百度开源的多模态理解模型，强化企业级文档理解与复杂推理
Qianfan-VL是百度智能云千帆推出的开源领域增强多模态理解模型系列，涵盖3B、8B、70B三种参数规模，专注于企业级应用场景。该模型系列在保持通用能力的同时，特别强化了文档...
Presentation-AI：开源 AI PPT 生成工具，快速制作精美演示文稿
Presentation-AI是一款开源的AI驱动PPT生成工具，旨在帮助用户摆脱传统PPT制作的繁琐流程——无需专业设计能力，只需输入主题、数量等基础信息，AI即可自动生成完整大纲、内...
Fooocus：开源免费的离线AI图片生成工具，轻松实现文本到图像的创意转化
Fooocus是一款基于Stable Diffusion XL架构的离线开源免费图片生成软件，通过Gradio构建交互界面，以简化操作为设计理念，让用户无需复杂参数调整即可专注于提示词和图片生...
TrafficVLM：基于视觉语言模型的交通视频智能字幕生成工具
TrafficVLM 是一个专注于交通场景的可控视觉语言模型，主要用于交通视频的字幕生成任务。该模型融合了多粒度视觉特征（全局、子全局、局部）与时间编码机制，能够精准理解交...
SpikingBrain-7B：融合脉冲编码与 MoE 架构的高效能大语言模型
SpikingBrain-7B是一个受大脑神经机制启发的大型语言模型项目，该项目的核心目标是通过创新的架构设计和技术整合，解决传统大语言模型在计算效率、能耗和长序列处理方面的局...
Stable Diffusion WebUI：开源Stable Diffusion模型可视化工具，降低AI图像创作门槛
Stable Diffusion WebUI 是一款针对 Stable Diffusion 模型开发的开源可视化工具，核心目标是 “降低 AI 图像创作门槛”。它通过 Gradio 构建的友好网页界面，将原生 Stabl...
Deep Chat：开源可定制的 AI 聊天界面组件，支持多模态交互与跨平台集成
Deep Chat 是一个开源的 AI 聊天组件，旨在为开发者提供高度可定制、功能丰富的聊天界面解决方案。该组件支持文本、语音、文件等多模态交互，可轻松集成 OpenAI、HuggingFa...
OM1：OpenMind 推出的开源多模态 AI 代理开发部署框架
OM1是由OpenMind开源的一个模块化的AI运行时系统，专为开发者打造，用于创建和部署能够跨数字环境和物理机器人工作的多模态AI代理。它采用Python设计，具有高度的灵活性和可...