SAM Audio – Meta开源的音频分割模型
SAM Audio是Meta开源的音频分割模型，能通过文本、视觉和时间片段等多模态提示，从复杂的音频混合中分离出特定的声音。核心技术是Perception Encoder Audiovisual（PE-AV），基于Meta开源的Perception Encoder模型，能融合视听信息并进行精确的时间标注，实现高精度的音频分离。
A2UI – 谷歌开源Agent生成用户界面的声明式协议
A2UI（Agent-to-User Interface）是谷歌开源的基于Agent的接口协议，用于AI与用户界面之间的交互。A2UI通过AI生成的JSON描述，让客户端原生渲染交互界面，无需AI编写前端代码。
混元世界模型1.5 – 腾讯混元开源的实时交互式世界生成模型
腾讯混元世界模型1.5（HY WorldPlay 1.5）是腾讯混元团队开源的实时交互式世界生成模型。用户只需输入文字或图片，模型能快速创建专属的虚拟世界，通过键盘、鼠标或手柄自由探索。
怎么用AI做制作狗狗视频播客，附教程案例
教程主要介绍怎么用JoyPix和AI，把咱家狗狗的萌态照生成超有料的视频播客，让全网都羡慕咱家的“狗界巨星”！
Xiaomi MiMo Studio – 小米推出的在线AI聊天服务平台
Xiaomi MiMo Studio 是小米推出的在线 AI 聊天服务平台，用户可以在其中体验 Xiaomi MiMo-V2-Flash 模型。平台支持深度搜索和联网搜索，降低了用户体验 AI 对话服务的门槛。
MiMo-V2-Flash – 小米开源的高性能语言模型
MiMo-V2-Flash 是小米开源的高性能语言模型，具有3090亿总参数和150亿激活参数。专为智能体AI设计，采用混合注意力架构，结合滑动窗口注意力（SWA）和全局注意力（GA），窗口大小为128个token，通过可学习的注意力下沉偏置（sink bias）技术，在保持长文本性能的同时显著降低KV缓存存储量。
Molmo 2 – Ai2开源的AI视频分析模型
Molmo 2 是艾伦人工智能研究所（Ai2）推出的开源视频分析模型，专注于视频理解、指向和追踪。模型基于 Qwen 3 和 Olmo 架构，具备强大的视频分析能力，能在视频中精准定位事件、追踪多目标，生成详细字幕。
LongCat-Video-Avatar – 美团开源的数字人视频生成模型
LongCat-Video-Avatar 是美团 LongCat 团队推出的音频驱动角色动画模型。模型能生成超逼真、口型同步的长视频，保持人物身份一致性和自然动态。LongCat-Video-Avatar支持多种生成模式，包括音频文本生成视频（AT2V）、音频文本图像生成视频（ATI2V）和视频续写。
Ember AI – AI交互式学习平台，提供全天候AI辅导
Ember AI 是马来西亚首个为 SPM 课程量身定制的交互式学习平台，帮助学生更高效地学习。平台提供 24/7 的 AI 辅导服务，学生可以在任何时间获得即时帮助，无论是深夜复习历史还是准备英语考试，AI 助教能提供详细的解答和指导。
88查 – 阿里巴巴推出的免费AI企业信息查询平台
88查是阿里巴巴推出的免费企业信息查询平台，为企业和个人提供全面、便捷的企业数据查询服务。用户可以通过官网、支付宝或微信小程序，以及1688 App等多种方式访问，输入企业名称即可快速获取工商信息、经营风险、知识产权等多维度数据。
GPT Image 1.5 – OpenAI最新推出的图像生成模型
GPT Image 1.5 是 OpenAI 最新推出的图像生成模型，具有更强的指令遵循能力和精准编辑功能，根据用户要求只修改指定部分，同时保持画面整体一致性。
红烛小说 – 字节跳动推出的首款付费网文应用
红烛小说是字节跳动推出的首款付费网文应用，专注于精品阅读。应用与字节旗下的番茄免费小说形成差异化互补，采用“免费引流 + 会员付费”的模式。
Live Avatar – 阿里联合高校开源的实时数字人模型
Live Avatar 是阿里巴巴联合多所高校推出的实时数字人模型，能通过音视频驱动生成无限时长的数字人视频。
Seedance 1.5 Pro – 字节推出的音画同步多模态视频模型
Seedance 1.5 Pro 是字节跳动 Seed 团队推出的原生音画同步的多模态视频生成模型。模型能根据文本提示生成高质量的视频内容，支持多样人声及音效，覆盖多种语言和方言。
万相2.6 – 阿里通义推出的新一代视频生成系列模型
万相2.6 是阿里通义推出的面向专业影视制作和图像创作的先进视频生成系列模型。模型支持角色扮演功能，可让用户通过上传视频和输入提示词，快速生成具有电影级运镜和叙事的短片。
Banana Slides – 开源AI PPT生成工具，能自然语言修改
Banana Slides 是开源的 AI 演示文稿生成工具，基于 nano banana pro 模型开发。以极简设计和强大的 AI 功能为亮点，帮助用户快速创建高质量的 PPT。用户可以通过输入主题、上传文档或提供大纲等方式启动项目，Banana Slides 会智能生成结构清晰的 PPT 大纲和内容。
通义百聆 – 阿里通义推出的企业级语音基座大模型
通义百聆是阿里通义实验室推出的企业级语音基座大模型，整合 Fun-ASR 语音识别和 Fun-CosyVoice 语音合成两大模型，专为复杂环境下的语音应用设计，通过 Context 增强架构大幅降低幻觉率，解决串语种问题，支持热词动态注入和精准识别行业术语。
Nemotron 3 – 英伟达推出的最新开源AI模型系列
Nemotron 3 是英伟达推出的新型开源模型系列，包括 Nano、Super 和 Ultra 三种尺寸。模型采用突破性的混合专家混合（MoE）架构，专为构建高效、准确的多智能体 AI 应用设计。
Disco – Google Labs推出的实验性AI浏览器
Disco 是 Google 推出的实验性AI浏览器。Disco 核心功能是 GenTabs，用 Gemini 3 模型将用户打开的标签页变成定制化的交互式应用。
LightX2V – 商汤开源的实时视频生成推理框架
LightX2V 是商汤开源的行业首个能实现实时视频生成的推理框架。框架支持多种视频生成任务，如文本到视频（T2V）和图像到视频（I2V），集成多种先进视频生成技术。
AI工具箱收录了国内外数百个不同类型的AI工具，每日更新和添加最新AI工具，AI工具集还推荐了AI学习开发的常用网站、框架和模型，帮助你加入人工智能浪潮，自动化高效完成任务！
Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。
粤公网安备 123456789号