HoloCine：开源电影级多镜头长视频叙事生成框架，实现跨镜头视觉与叙事双一致性
HoloCine是由香港科技大学、蚂蚁集团等机构联合推出的开源文本到视频（T2V）项目，该项目以整体生成为核心理念，通过窗口交叉注意、稀疏镜头间自注意两大核心机制，实现电影...
vLLM：高性能开源LLM推理库，低延迟高吞吐且兼容多生态部署解决方案
vLLM是一款高性能开源大语言模型（LLM）推理与服务库，核心依托PagedAttention分页注意力机制、连续批处理等技术创新，解决传统LLM推理中显存利用率低、延迟高、吞吐量低的...
一句话生成书法字？Calligrapher 开源模型实测指南（免部署+青春版A100直连）
Calligrapher是蚂蚁×港科大推出的基于扩散模型的书法风格化AI工具，支持英文文本定制、多参考模式与字符级笔画控制。本文提供Ubuntu+PyTorch2.5+CUDA12.1完整部署教程，详...
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...
AgentCPM-Report：开源离线AI深度研究报告生成工具，本地部署生成专业长文报告
AgentCPM-Report是一款聚焦于深度研究报告生成的开源大语言模型代理（LLM Agent），由清华大学自然语言处理实验室（THUNLP）、中国人民大学RUCBM实验室与ModelBest联合研发...
VerseCrafter：复旦、港大&腾讯联合开源的 4D 几何可控的动态真实视频世界模型
VerseCrafter是由复旦大学、香港大学与腾讯ARC Lab联合研发的开源动态真实视频世界模型，核心突破传统视频生成的几何不可控瓶颈，实现对相机运动、多目标3D轨迹及二者协同关...
Voice-Pro：轻量型开源语音工具集，集成识别、克隆与多语言配音
Voice-Pro是一款基于Python开发的AI驱动型语音处理网页应用，集成Whisper、F5-TTS、Demucs等主流模型，提供语音识别、零样本语音克隆、多语言文本转语音、音频分离、YouTub...
从零部署 EchoMimicV3：蚂蚁集团开源多模态数字人生成框架实战指南
本文提供EchoMimicV3完整部署教程，涵盖Ubuntu + CUDA环境配置、Python虚拟环境搭建、模型权重下载与路径修改、app_mm.py运行等全流程步骤，助你快速实现蚂蚁集团开源的高效...
PromptX：开源多端适配型AI提示词管理工具
PromptX（Prompt Manager）是一款面向AI时代的轻量级开源提示词管理工具，其具备智能分类、版本追踪、快速检索、跨平台适配等专业能力的管理系统，适配个人开发者、AI创作爱...
qqr：阿里巴巴开源的开放式智能体强化学习训练工具
qqr（也称作hilichurl）是由阿里巴巴自然语言处理（NLP）团队开源的一款轻量级、非侵入式的开放式智能体训练扩展工具，核心开发语言为Python。该工具以slime为基础进行构建...