-
Audiobox-Meta推出的新一代音频生成模型
Meta Audiobox是什么？ Meta推出的新一代AI音频生成工具，用声音+文字指令就能定制各类音效、人声和环境音。比如录一段自己说话，输入“变成新闻主播腔调，背景加入雨声”，就能生成带场景的播报音频。2025年新增中文支持，个人创作者和影视团队都在用。 https://ai.meta.com/audiobox 核心功能：声音自由定制 1. 语音克隆+风格迁移 上传10秒人声样本→生成相同音… -
Seed-Coder：字节跳动最新推出的开源代码模型
Seed-Coder：字节跳动开源AI编程助手，用自然语言生成高质量代码，支持Python/Java/C++等多种语言。完全免费，提升开发效率，立即体验！ -
Stable Virtual Camera：Stability AI等推出的AI模型 ，2D图像轻松转3D视频
✨ Stable Virtual Camera：让图片动起来的3D视频魔法 Stable Virtual Camera是Stability AI公司推出的一个AI视频生成模型，它能把普通的2D静态图片变成带有逼真3D效果和深度感的动态视频。你只需要提供一张或几张照片，它就能模拟出相机在不同角度移动的效果，生成看起来非常专业的3D视频。 官网地址：https://stable-virtual-cam… -
FLUX.1 Kontext：Stable Diffusion原班人马推出的开源AI图像生成模型
FLUX.1 Kontext：5秒精准修图，设计师的AI助手真的来了！ FLUX.1是由Black Forest Labs推出的全新开源AI图像生成模型，Black Forest Labs由Stable Diffusion原班人马和多位Stability AI前研究员成立。FLUX.1 Kontext或许能终结这些烦恼。这款由Stable Diffusion原班人马打造的AI图像编辑模型，主打“文… -
HunyuanCustom：腾讯混元开源的多模态定制化视频生成工具
视频制作不用摄像机？腾讯混元HunyuanCustom：AI视频生成工具，输入文本/图片即可生成4K视频，解决身份漂移难题，保真度达92%。电商与教育创作者必备，提升10倍制作效率，立即体验高效视频创作。 -
GO-1：智元推出的首个通用具身基座模型
机器人看视频学技能？GO-1大模型通过观看人类视频让机器人快速掌握复杂操作，小样本泛化降低90%训练成本，一脑多形适配多种硬件。提升部署效率，立即了解突破性进展。 -
GLM-Realtime：智谱最新推出的端到端AI模型，支持2分钟记忆和清唱功能
GLM-Realtime：智谱AI端到端多模态模型，支持清唱与毫秒级响应，适配智能硬件/教育/医疗场景，经评测响应速度领先，提升实时交互体验。 -
Open-Sora: Colossal-AI开源的类Sora架构视频生成模型
开源视频生成革命 Open-Sora是由潞晨科技推出的开源视频生成模型，采用扩散Transformer架构，支持文本生成高清视频。最新2.0版本以20万美元低成本训练11B参数模型，性能逼近OpenAI Sora，支持720p/24fps视频生成，显著降低行业技术门槛。 官网与开源地址：https://github.com/hpcaitech/Open-Sora 核心架构与技术突破 1. 高效多模… -
京东言犀大模型
京东言犀大模型：产业智能化的新引擎 京东言犀大模型深度融合供应链与产业场景，专为零售、物流、金融等高知识密度领域打造。2025年升级至720B参数规模，新增多模态理解能力，强化对长文本、复杂逻辑任务的支撑，成为国内首个通过工信部“可信AI”认证的产业大模型。 官网直达：https://yanxi.jd.com 一、技术架构：全栈工具链支撑 1. 数据融合引擎 供应链知识增强：30%独家数据来自京东… -
讯飞星火开源大模型
讯飞星火开源大模型核心解析 讯飞星火开源大模型（iFlytekSpark-13B）是科大讯飞推出的130亿参数开源大语言模型，基于全国产化算力平台“飞星一号”训练，提供基础模型（iFlytekSpark-13B-base）和精调对话模型（iFlytekSpark-13B-chat），支持文本生成、代码编写、数学推理等通用任务，深度优化中文场景及行业应用。 访问官网：星火开源社区 核心能力与评测表现… -
Matrix-Game：昆仑万维开源的交互式世界基础模型
🚀 颠覆想象：Matrix-Game 2.0开启实时交互虚拟世界新纪元 昆仑万维在2025年8月发布的Matrix-Game 2.0，可不是个简单的模型升级，而是真正能“动起来”的开源交互式世界模型。它能以每秒25帧的速度实时生成分钟级的高连贯视频，让你用键盘鼠标就能自由操控虚拟世界，仿佛真的置身于一个物理规则运转正常的平行宇宙里。 官方资源一键直达：项目主页：https://matrix-gam… -
混元TurboS：腾讯混元推出的新一代快思考模型
AI响应太慢？腾讯混元TurboS：毫秒级推理引擎，首字延迟220ms，成本仅GPT-4-turbo的1/4。支持高并发处理，提升代码生成与智能客服效率。企业级应用首选，立即体验极致速度与性价比。 -
Gemini-谷歌发布的多模态AI大模型
谷歌Gemini多模态AI：全能模型矩阵覆盖全场景，跨模态理解生成能力领先，开发者低门槛接入，性能超越GPT-4o。不点就亏！掌握三大版本核心功能，解锁科研生活新可能。 -
Genesis：生成式物理引擎，一句话生成完整精确的模拟物理世界
Genesis生成式物理引擎：顶尖机构联研，支持多物理耦合仿真与语言驱动场景生成，单卡4300万帧/秒性能突破，适配科研级精度需求，经百度算法认证赋能工业机器人训练场景。 -
-
Hailuo 02：MiniMax最新推出的AI视频生成模型
🌊 Hailuo 02：一键生成高清视频的AI魔法师 Hailuo 02（海螺02）是上海人工智能企业MiniMax（稀宇科技）在2025年6月18日推出的新一代AI视频生成模型，被誉为"全球首个能生成体操等高度复杂场景的视频大模型"。它不仅能根据文字描述生成1080P高清视频，还能处理极端复杂的物理场景，让普通人也能轻松制作专业级视频内容，真正实现了"人人都是导演&… -
Gemma 3-谷歌发布的开源AI模型，小尺寸可商用
Gemma 3：谷歌开源多模态AI模型，支持128K长文本处理，适配PC/移动端，经LMArena评测STEM准确率提升35%，适合科研与多语言场景。 -
文心大模型X1：百度推出的新一代深度思考模型
🧠 文心大模型X1：百度出的“最强大脑”，中文AI终于站起来了！ 想让AI帮你写报告、做分析、甚至生成短视频脚本？百度最新推出的文心大模型X1，可能就是你在找的“全能智能助手”。这不是普通的聊天机器人，而是专注复杂推理和多模态任务的高性能模型——它能理解128K超长文本，逻辑推理能力比前代提升32%，中文长文本理解甚至超越了DeepSeek-R1。 访问文心大模型官网 ✨ 核心功能：不只是聊天，更… -
ThinkSound – 阿里通义开源的AI音频生成模型
🔍 ThinkSound是什么？ ThinkSound是阿里巴巴通义实验室在2025年7月正式开源的音频生成模型，它不仅是阿里在音频AI领域的一次重大突破，更是全球首个将思维链（CoT）技术应用于音频生成的开源模型。简单来说，它能让AI像专业音效师一样“看懂”画面内容，“理解”事件逻辑，并生成高度匹配、精准同步的高保真空间音频，彻底告别传统“看图配音”的机械感和错位尴尬。 ThinkSound的官… -
M2UGen-腾讯发布的多模态音乐生成模型
核心功能解析（2025最新版） 文字→音乐输入“赛博朋克雨夜”等描述，20秒生成带鼓点、合成器的电子乐，支持MP3/WAV格式下载。 图片→音乐上传风景照自动生成氛围音乐，山水图匹配古筝笛声，城市夜景触发电子律动。 视频→配乐分析视频内容生成适配BGM，如战斗场景生成急促鼓点，浪漫片段生成钢琴旋律。 智能音乐编辑一键移除人声、替换乐器（如吉他转琵琶）、调整节奏（80BPM→120BPM）。 官网体… -
dots.llm1：小红书开源的 MoE 架构大语言模型
✨ dots.llm1：小红书出品的高效AI语言模型 dots.llm1是小红书旗下人文智能实验室（hi lab） 在2025年6月开源的一款大型语言模型。它采用了先进的MoE（混合专家）架构，虽然模型总参数量高达1420亿，但在实际推理时每次只激活140亿参数。这种设计让它既能保持强大的性能，又显著降低了计算成本和响应时间，是一个非常“聪明”且“经济”的AI模型。 它基于11.2万亿高质量的真实… -
gpt-realtime – OpenAI最新推出的语音模型
OpenAI GPT-Realtime语音AI：实现自然实时对话，支持情感识别和多语言无缝切换。提升智能客服与语言学习体验，立即了解革命性语音技术。 -
Seaweed-APT：AI视频生成模型，单步生成2秒钟的1280×720 24fps视频
🚀 字节跳动Seaweed-APT：单步生成720P高清视频的AI黑科技 用AI生成视频就像拍照一样简单？字节跳动推出的Seaweed-APT模型让这成为现实。这个突破性AI视频生成工具，只需单次计算就能产出1280×720分辨率、24帧/秒的2秒高清视频，彻底改变了传统逐帧生成的繁琐流程，让影视制作、游戏开发和广告创意领域的动态内容创作变得前所未有的高效。 官网：https://seaweed-… -
CoDi-多模态 AI 大模型
🌈 CoDi是什么？ CoDi（Composable Diffusion）是微软推出的跨模态生成模型黑科技，能像“AI魔术师”一样自由组合输入输出——你给它文字、图片、音频甚至视频中的任意组合，它就能生成同步对齐的多模态内容！比如输入一段海浪文字+钢琴曲片段，直接输出带海浪声的治愈系视频，彻底打破传统AI“单线程创作”的局限。 官网直达：https://codi-gen.github.io/ ✨ …
