AI开源项目

Unique3D 是一个由清华大学和 AIUNI AI 团队开发的高效且高质量的单图像 3D 网格生成工具

RMBG v2.0是经过精心的科学研究和在多样化复杂数据集上的训练而成，确保了高精度、灵活性和适应性，以满足各种商业需求。

该框架包含两个创新模型：SenseVoice和CosyVoice。SenseVoice用于高精度的多语言语音识别、情感识别和音频事件检测；CosyVoice则用于自然语音生成，支持多语言、音色和情感控制。

它能够生成AI照片和视频，并支持训练Diffusion Transformer的基线模型和Lora模型。用户可以直接使用预训练的EasyAnimate模型生成不同分辨率、约6秒长（24fps，1~144帧）的视频，未来还将支持更长视频的生成。

CosyVoice 2.0支持多语言语音合成，并能够在单个模型内进行流式和非流式合成，适用于多种合成场景。

EchoMimic是一个用于生成逼真音频驱动肖像动画的工具，它能够通过音频和面部地标单独或两者结合来生成肖像视频。

Deeptranslate是一款免费的AI双语页面翻译浏览器插件，能够将网页、文章和社媒帖子翻译为双语形式

AtomoVideo是一个高保真图像到视频（Image-to-Video, I2V）生成框架，能够从输入图像生成高保真视频。它在运动强度和一致性方面优于现有技术，并且可以兼容各种个性化的文本到图像（T2I）模型，无需特定调整。

该模型由Google DeepMind和MIT的研究人员共同开发，旨在解决视觉领域中自回归模型扩展不如大型语言模型有效的难题。

Swarm是一个由OpenAI解决方案团队管理的教育框架，旨在探索轻量级、易于使用的多智能体编排技术。它目前是一个实验性的样本框架，主要用于探索多智能体系统的用户友好接口，并非用于生产环境，因此没有官方支持。

它专注于通过音频驱动视频生成，能够生成高质量的普通话和英语视频内容。该模型通过结合先进的音频特征嵌入技术和半解耦结构，实现了高效的跨语言视频生成能力。

Motionshop是一个用于将视频中的人物角色替换为3D虚拟形象的框架。它通过视频处理、姿态估计和渲染等技术，将真实人物替换为3D虚拟角色，同时保持视频的自然感和连贯性。

Mochi 1是Genmo发布的一个开源的、高保真度的视频生成模型，能够生成高质量的动态视频，并且严格遵循文本提示。Genmo的目标是通过其技术解锁人工智能的“右脑”，即创意和想象力。

Seaweed-APT是一个基于扩散模型（Diffusion Model）和对抗后训练（Adversarial Post-Training）技术的AI工具，专注于实现单步（One-Step）视频和图像生成。