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...
HunyuanVideo本地部署教程｜Ubuntu+CUDA12.4+Gradio全指南
腾讯开源视频大模型HunyuanVideo（130B参数）从零部署实战：环境配置、HF模型下载、LLaVA/CLIP文本编码器预处理、Gradio服务启动，附避坑清单与性能实测。
Step 3.5 Flash：阶跃星辰推出的开源稀疏 MoE 智能体基座大模型
Step 3.5 Flash是阶跃星辰（StepFun）发布的面向智能体（Agent）场景的开源基座大语言模型，采用稀疏混合专家（MoE）架构，总参数量196.81B，每token仅激活约11B参数，在保...
Moltbot/Clawdbot 搭建部署完整攻略：新手从零配置多模型 AI 助手框架
零基础也能会！Moltbot/Clawdbot 安装教程涵盖 Windows/Mac 系统部署、多模型（Claude/GLM/GPT）配置、多平台集成，附常用指令 + 故障排除，手把手搭建 AI 助手。
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...