AI网站

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

AI 声音合成模型

一个基于Step系列千亿参数模型研发而成的开放平台

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 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 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 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。

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

全面收集有明确来源的大模型情况

Mistral AI发布了多个版本的大型语言模型，包括Mistral Nemo、Mistral Large、Codestral和Mixtral等。

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。

学而思九章大模型（MathGPT）是好未来教育集团自主研发的一款专注于数学问题解决和教学的人工智能应用。

CogVideo 是一个由清华大学和北京人工智能研究院（BAAI）联合开发的开源文本到视频生成模型。

NineF AI是一站式免费主流AI大模型集成平台，集成了GPT、Claude、Llama等全球顶尖AI模型，提供多角度智能解答，助您提升工作效率和决策准确性。

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。

Vimi 是商汤科技推出的一款基于可控人物视频生成大模型的 AIGC 产品,是全球首个可控人物视频生成大模型。

一款多模态大模型，具备高智商和高情商的特点

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。

心辰Lingo是西湖心辰公司开发的国内首个端到端通用语音大模型，具有多项先进技术和显著优势。

VideoPoet模型能够处理多种输入类型，包括图像、视频、文本和音频，并支持多种视频生成任务，如文本到视频、图像到视频、视频风格化、视频修复、视频扩展以及视频转音频等。

美团自主研发的生成式AI大模型，模型具备强大的多模态能力，能处理文本、图像等多种数据类型

Kimi K2 是北京月之暗面科技有限公司于 2025 年 7 月 11 日推出的开源大语言模型。

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。

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。

Hallo 是一个由复旦大学（Fudan University）开发的开源项目，专注于音频驱动的视觉合成技术，特别是用于人像动画生成。

字节跳动开发的AI视频生成模型，模型能够根据文本或图像生成高质量的视频内容，支持多镜头切换、稳定运动轨迹和风格化控制，适用于创意内容创作、广告制作和教育演示等场景。

SadTalker 是一个基于单张图像和音频生成说话人脸视频的模型，其核心功能是通过音频输入使静态图片中的图像动起来，并生成说话的虚拟人物。