AI大模型

一款多模态大模型，旨在通过视觉和语言的深度融合，提升视障人士的生活便利性

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

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。

谷歌推出的一款基于扩散模型的虚拟试衣技术，旨在为用户提供高质量、逼真的试衣体验

BuboGPT是字节跳动推出的一款多模态大语言模型（LLM），能够处理文本、图像和音频等多种输入模态，并具备对齐和非对齐理解的能力。

面壁智能是一家专注于人工智能大模型技术创新与应用的科技公司，致力于构建智能时代的大模型基础设施，加速大模型在典型场景与领域的应用与落地，成为通用智能服务的引领者。

MMAudio是一个多模态音频生成模型，旨在通过视频和/或文本输入生成高质量、同步的音频。

IndexTTS2 是一个突破性的自回归语音合成模型，旨在解决大规模文本到语音（TTS）系统在精确时长控制和情感表达方面的挑战。

美图自研，一款懂美学的AI视觉大模型

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。

Aidge 是阿里巴巴国际数字商业集团推出的一款 AI 驱动的综合 AI 工具套件，旨在简化全球商业运营，特别是针对中小企业（SMEs）和跨境电子商务领域的商家。

Veo 3 是 Google DeepMind 推出的新一代视频生成模型，专为电影制作人、故事讲述者和创意工作者设计，将视频与音频无缝结合，开启生成式 AI 的创作新篇章。

MiniMind项目旨在从零开始训练一个轻量级语言模型（LLM），并提供完整的训练、微调、推理和部署流程。

gpt-oss 是 OpenAI 开发的开源模型，支持推理、代理任务和开发者使用场景。

达医智影是阿里巴巴达摩院医疗AI实验室研发的一款创新性AI医疗工具，专注于CT智能读片和癌症筛查领域。