VASA-1
微软亚洲研究院开发的一款革命性的 AI 模型，能够将静态照片和音频文件结合生成逼真的说话视频
排序
浪潮海若大模型
浪潮海若大模型定位行业大模型，首批面向政府、交通、应急、制造、医疗、农业六大行业，具备可信赖、易落地、可持续三大核心优势。
Voicebox
AI 声音合成模型
SeedEdit
字节跳动旗下豆包大模型团队推出的一款通用图像编辑模型，旨在通过自然语言指令实现高效、精准的图像编辑操作
Janus-Pro
DeepSeek 推出的一款创新的多模态理解和生成模型
Qwen大模型
阿里巴巴集团Qwen团队研发的大语言模型和大型多模态模型系列
flux1.ai
文本到图像生成模型
商汤商量拟人大模型
一款基于先进人工智能技术开发的对话型AI工具，旨在通过高度拟人化的交互体验，为用户提供丰富的情感陪伴、角色互动和多场景应用能力
Whisper
Whisper 是 OpenAI 开发的一款强大的语音识别模型，具有多语言支持、语音翻译和语言识别等多功能能力。
DDColor
DDColor 是一种由阿里巴巴达摩院研发的先进图像上色技术，旨在通过深度学习技术将黑白或灰度图像转换为逼真且生动的彩色图像。
LivePortrait
LivePortrait是一款由快手科技与中国科学技术大学、复旦大学共同研发的AI驱动肖像动画工具，旨在将静态肖像图像转化为逼真的动态视频。
EchoMimic
EchoMimic 是蚂蚁集团开发的一款基于音频驱动的肖像动画生成工具，旨在通过音频和面部标志点生成逼真的动态视频。
CosyVoice
CosyVoice是一款由阿里巴巴通义实验室开发并开源的多语言语音生成模型，专注于自然语音生成、音色克隆和情感控制。
Goku
Goku视频生成模型是由中国香港大学与字节跳动联合推出的一款AI视频生成工具，能够实现文本到视频、图像到视频以及文本到图像等多种生成方式。
AnchorCrafter
AnchorCrafter 是由中国科学院与腾讯联合推出的一项创新技术，旨在通过人工智能生成高保真度的产品推广视频。
