InstantCharacter – 腾讯混元开源的定制化图像生成插件
InstantCharacter是什么 InstantCharacter 是腾讯混元开源的定制化图像生成插件。基于扩散 Transformer（DiT）框架，引入可扩展的适配器（包含多个 Transf...
排序
MAI-DS-R1 – 微软开源的 AI 模型，基于 DeepSeek R1 改进版
MAI-DS-R1是什么 MAI-DS-R1 是微软基于 DeepSeek R1 改进的AI模型。MAI-DS-R1基于后训练优化，支持响应 99.3% 的敏感话题提示，比原版提升 2 倍，将有害内容...
FramePack – 斯坦福开源的AI视频生成模型
FramePack是什么 FramePack 是斯坦福大学开源的AI视频生成模型。基于压缩输入帧的上下文长度，解决视频生成中的“遗忘”和“漂移”问题，让模型能高效处理大量帧，保持较低的计算复杂度。Fr...
FastAPI-MCP – 一键将 FastAPI 转换为 MCP 服务器的开源工具
FastAPI-MCP是什么 FastAPI-MCP 是将 FastAPI 应用的端点自动转换为符合模型上下文协议（MCP）的开源工具。具有零配置的特点，只需简单指向 FastAPI 应用可自动发现并...
MineWorld – 微软研究院开源的实时交互式世界模型
MineWorld是什么 MineWorld是微软研究院开源的基于《我的世界》（Minecraft）的实时交互式世界模型，基于视觉-动作自回归Transformer架构，将游戏场景和动作转化为离散的t...
HumanRig – 阿里高德推出的3D人形角色自动绑定任务数据集
HumanRig是什么 HumanRig 是阿里巴巴团队开发的 3D 人形角色自动绑定研究项目。解决现有绑定技术因缺乏高质量数据集而发展受限的问题，通过提供大规模、高质量的数据集和创新的自动绑定框架...
GigaTok – 港大联合字节推出用于自回归图像生成的视觉分词器
GigaTok是什么 GigaTok 是用于自回归图像生成的视觉分词器，参数量达 30 亿。通过语义正则化技术，将分词器特征与预训练视觉编码器（如 DINOv2）的语义特征对齐，有效约束潜在空间复杂度...
SkyReels-V2 – 昆仑万维开源的无限时长电影生成模型
SkyReels-V2是什么 SkyReels-V2是昆仑万维SkyReels团队推出的无限时长电影生成模型，基于扩散强迫（Diffusion-forcing）框架，结合多模态大语言模型（MLLM...
OpenUtau – 开源的AI歌声合成工具，自动适配系统语言
OpenUtau是什么 OpenUtau 是开源的歌声合成工具，兼容 UTAU 音源库和重采样器，支持 VSQX 导入、多语言界面及预渲染功能，帮助创作者快速预览作品节省时间。OpenUtau现代化的...
Gemma 3 QAT – 谷歌推出的最新开源模型，Gemma 3 量化版
Gemma 3 QAT是什么 Gemma 3 QAT（Quantization-Aware Training）是谷歌推出的最新一代开源模型，是Gemma 3 的量化优化版本。通过量化感知训练技术，Ge...