Helios：北大开源的实时长视频生成模型，单卡19.5FPS实现分钟级高质量无漂移创作
Helios是北京大学YuanGroup开源的140亿参数实时长视频生成模型，无需传统抗漂移与加速技巧，即可在单张H100显卡实现19.5FPS端到端推理，支持文本/图像/视频驱动的分钟级高质...
RynnBrain：阿里巴巴达摩院推出的开源具身智能基础模型
RynnBrain是阿里巴巴达摩院开源的具身基础模型，以物理现实为锚点，面向机器人操作、视觉-语言导航、复杂任务规划等具身智能场景设计，具备时空定位、物理空间交错推理、物...
Anima：CircleStone Labs 与 Comfy Org 联合开源的20 亿参数动漫风格 AI 绘画模型
Anima是一款面向动漫与非写实艺术创作的20亿参数开源文本到图像（Text-to-Image）模型，由CircleStone Labs与Comfy Org联合研发，基于NVIDIA Cosmos架构构建，托管于Huggin...
ACE-Step 1.5：ACE Studio与StepFun联合开源的AI音乐生成模型，4GB显存即可生成专业级音频
ACE-Step 1.5是一款由ACE Studio与StepFun联合开发的开源音乐生成基础模型，主打在消费级硬件上实现商用级别的音乐生成能力，仅需4GB显存即可本地运行，兼具极速生成、多语...
SoulX-FlashTalk：Soul AI Lab开源的实时音频驱动数字人模型
SoulX-FlashTalk是由Soul AI Lab（Soul App人工智能实验室）联合东华大学研发并开源的实时音频驱动数字人无限流式生成模型，核心定位是解决传统数字人生成技术中“高画质必...
Qwen3-ASR：通义千问开源的多语言语音识别套件，覆盖52种语种方言与高精度强制对齐
Qwen3-ASR是由阿里云通义千问（QwenLM）团队完全开源的一站式语音识别（ASR）与语音-文本强制对齐解决方案，基于Qwen3-Omni多模态大模型基座研发，是一套集语音转写、语言自...
MOVA：开源音视频同步生成基础模型，原生双模态同生与高精度唇形对齐
MOVA是由OpenMOSS团队研发的开源音视频同步生成基础模型，其采用非对称双塔架构与双向交叉注意力机制，在多语言唇形同步、环境音效匹配上达到领先水平，全栈开放模型权重、...
HeartMuLa：开源多语言音乐基础模型，一站式实现音乐生成与音文处理
HeartMuLa 是一套开源的多语言音乐基础模型项目，核心目标是构建全链路的音乐生成与音视频文本处理能力，为开发者、研究者和普通用户提供开箱即用的音乐 AI 工具集。它是首...
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...
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...
Chroma 1.0：FlashLabs 推出的开源实时语音 AI 模型，实现低延迟对话与语音克隆
Chroma 1.0是由FlashLabs开源的全球首款开源、实时、端到端口语对话模型，核心定位是解决传统语音交互系统“先转文字再生成语音”的繁琐流程，以及语音克隆效果差、延迟高的...
Being-H：BeingBeyond 推出的开源跨体化 VLA 基础模型
Being-H 是由BeingBeyond 团队开源的以人为中心的跨体化视觉 - 语言 - 动作（VLA）基础模型，核心聚焦于解决机器人学习中 “形态异构、数据稀缺、泛化能力弱” 的行业痛点，...
GLM-Image：智谱AI与华为联合开源的国产全栈算力支撑多模态图像生成模型
GLM-Image是由智谱AI与华为联合开源的工业级多模态图像生成模型，也是国内首个全程基于国产昇腾算力完成训练的SOTA级图像生成模型。该模型采用“90亿参数自回归生成器+70亿...
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...
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...