Takin AudioLLM是喜马拉雅Everest团队推出的一系列高质量零样本语音生成模型，包括Takin TTS、Takin VC和Takin Morphing。模型用最新的大型语言模型技术，专注于有声书制作，能生成接近...

ACE（All-round Creator and Editor）是阿里巴巴集团Tongyi Lab推出的基于扩散变换器的全能图像生成和编辑模型。ACE引入长上下文条件单元（LCU）和统一条件格式，能理解和执行自然语言指令，...

AutoTrain（AutoTrain Advanced）是Hugging Face推出的开源无代码平台，能简化最先进模型的训练过程。支持用户无需编写代码即可创建、微调和部署自己的AI模型，只需上传数据即可训练自定义机器学习...

SongCreator是清华大学深圳国际研究生院、香港中文大学等机构推出的歌曲生成系统，能从歌词出发生成包含声乐和伴奏的完整歌曲。基于双序列语言模型（DSLM）和注意力掩码策略，理解和生成各种相关的歌曲生成任务，包括编辑和生...

ViewExtrapolator是南洋理工大学、UCAS研究团队共同推出的新视角外推方法，基于稳定视频扩散（Stable Video Diffusion, SVD）的生成先验合成远超出训练视图范围的新视角。这种方法基于重新设...

DynaSaur是Adobe Research推出的大型语言模型（LLM）代理框架，突破传统LLM代理系统受限于预定义动作集合的限制。框架支持代理动态创建和组合动作，基于生成和执行Python代码与环境互动，实现更灵活的问题...

Edify 3D 是 NVIDIA 推出的先进3D资产生成方案，能从文本提示或参考图像快速合成高质量的3D模型。Edify 3D能在两分钟内生成具有详细几何形状、清晰拓扑结构、高分辨率纹理和PBR材质的3D资产，支持视频游戏...

XGrammar是由陈天奇团队推出的开源软件库，能为大型语言模型（LLM）提供高效、灵活且可移植的结构化数据生成能力。基于上下文无关语法（CFG）定义结构，支持递归组合以表示复杂结构，适合生成JSON、SQL等格式数据。XG...

LongRAG是清华大学、中国科学院和智谱的研究团队推出的，面向长文本问答（LCQA）的双视角鲁棒检索增强生成（RAG）框架。基于混合检索器、LLM增强信息提取器、CoT引导过滤器和LLM增强生成器四个组件，有效解决长文本问...

Illustrious是开源的文本到图像动漫图像生成模型，是Onoma AI Research推出的。基于优化批量大小、dropout控制、训练图像分辨率和多级标题等关键方法，实现高分辨率、动态色域和高还原能力的图像生成。模...