SkyReels-V3：昆仑天工开源的全能多模态视频生成模型，覆盖图生视频、音生视频与视频扩展
SkyReels V3是昆仑万维旗下Skywork AI团队自主研发的第三代旗舰多模态视频生成模型，基于统一多模态上下文学习框架与扩散Transformer架构打造，原生集成参考图像生成视频、...
LingBot-World：蚂蚁灵波开源的AI世界模拟器，支持多场景交互与视频生成
LingBot-World是一款面向交互式世界建模的开源世界模拟器，核心源于视频生成技术，由蚂蚁灵波开发并维护，定位为顶级开源世界模型。它通过从大规模游戏环境中学习物理规律与...
SGLang：开源大模型高性能推理框架，原生支持结构化生成与多硬件适配
SGLang是一款开源的大模型高性能推理框架，主打低延迟、高吞吐量的模型推理能力，原生支持结构化生成，创新采用RadixAttention技术实现KV缓存高效复用，兼容主流大模型与多...
D4RT：Google DeepMind开源的的4D动态场景重建框架，单架构贯通建模与跟踪全流程
D4RT是由Google DeepMind主导开发的开源4D重建与跟踪框架，核心是通过一套统一架构，从普通2D视频中精准还原动态场景的3D几何结构与时间维度的运动轨迹（即4D建模）。该框架...
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...
零基础也能部署！Wan2.2-TI2V-5B本地运行全攻略（含模型下载与JSON配置）
手把手教你部署阿里通义万相Wan2.2-TI2V-5B视频生成模型！本教程涵盖Miniconda环境搭建、ComfyUI安装、模型文件下载（wan2.2_ti2v_5B_fp16.safetensors等）、工作流导入及J...
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...
ALwrity：免费开源的全栈 AI 写作工具，支持多平台内容生成与 SEO 优化
ALwrity是一款基于Python和React构建的开源AI驱动数字营销平台，它整合了AI内容生成、SEO分析、多平台适配、事实核查等核心能力，适配博客、LinkedIn、社交媒体等多场景内容...
本地部署IndexTTS2全流程详解：从环境配置到WebUI启动
本文提供B站开源工业级零样本文本转语音模型IndexTTS2的完整本地部署教程，涵盖Ubuntu系统环境搭建、依赖安装、模型下载、国内镜像加速技巧及WebUI可视化界面启动步骤。支持...
Fabric：开源AI增强框架，实现LLM能力与本地工作流的无缝集成
Fabric是由Daniel Miessler开发的开源AI增强框架，主打命令行原生交互，通过Pattern模式实现AI提示词的工程化管理与复用，支持多主流LLM模型与服务商适配，能将AI能力无缝集...