StableAvatar：音频驱动的无限长度虚拟人视频生成框架
StableAvatar 是一个专注于音频驱动的无限长度虚拟人视频生成的开源项目，能够基于参考图像和音频，合成具有身份一致性、自然音频同步的长视频，无需依赖人脸交换或修复等后...
Context7 MCP：实时代码文档增强与上下文注入的开源MCP服务器
Context7 MCP 是一个开源的 Model Context Protocol 服务器，旨在解决大语言模型(LLM)在生成代码时面临的信息过时和上下文不足问题。它为 AI 编程工具提供实时、版本特定的...
让GPT写出“人话”：15个反AI痕迹提示词实战手册
在人工智能内容生成领域，用户对“AI味”的敏感度持续攀升。机械化的转折词、堆砌的术语、生硬的逻辑框架，已成为阻碍内容传播的三大痛点。本文AI铺子提炼出15个可直接复用...
Hunyuan3D-Omni：腾讯混元开源的多模态条件控制 3D 资产生成框架
Hunyuan3D-Omni是腾讯混元团队推出的开源3D资产生成框架，该框架通过统一的控制编码器，能够接收多种不同类型的控制信号，实现对3D资产生成过程的精确引导。。它不仅能根据...
一文读懂 5 种 AI Agent 模式：技术原理 + 典型案例深度解析
在大模型技术持续突破的当下，AI Agent（人工智能代理）正从实验室走向产业落地，成为串联技术能力与实际场景的关键纽带。它不止是效率工具，更在重塑复杂任务的解决路径。...
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...
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...
让AI为你“开口说话”！B站黑科技IndexTTS2本地部署全攻略
B站最新开源的语音合成项目IndexTTS2正在掀起一场AI配音革命!它支持高精度音视频同步、多情感语调切换和本地化部署，是打造虚拟主播、数字人、AI客服的理想选择。本文将手把...
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...