AI大模型

gpt-oss 是 OpenAI 开发的开源模型，支持推理、代理任务和开发者使用场景。

Qwen-Image 是阿里通义千问团队于2025年8月5日开源的200亿参数图像生成基础模型，采用MMDiT架构，专为复杂文本渲染与高精度图像生成设计。

MiniMind项目旨在从零开始训练一个轻量级语言模型（LLM），并提供完整的训练、微调、推理和部署流程。

Seed-TTS 是由字节跳动开发的高级文本到语音（TTS）模型系列，旨在生成高质量、几乎无法与人类语音区分的语音。

一款高性能文本到语音（TTS）系统，基于流匹配的非自回归生成方法，结合了扩散变换器（DiT）技术。

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。

MuseTalk 是一个实时高质量音频驱动唇形同步模型，旨在解决高分辨率、身份一致性和准确唇形同步的面部视觉配音挑战，尤其适用于实时应用如直播视频 。

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。

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。

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。

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

专注于语言模型（LLM）SQL 能力评测的专业平台，构建了全面且具实践价值的 SQL 能力排行榜（SCALE），为开发者、数据库管理员及企业技术决策者提供关键参考

IndexTTS2 是一个突破性的自回归语音合成模型，旨在解决大规模文本到语音（TTS）系统在精确时长控制和情感表达方面的挑战。

MonkeyOCR是一款开源文档解析模型，专注于高效、精准地解析复杂结构化文档。

AI Ping是面向大模型使用者，提供全面、客观、真实的大模型服务评测与信息汇总平台。提供长周期、高频率、多时段评测数据,助力您高效完成大模型服务的选型与供应商评估

一个与人工智能（AI）模型评估和比较相关的平台，其核心功能是通过用户投票和社区参与的方式，对大型语言模型（LLM）进行评测和排名。