从一个关键词开始
搜名称,也可以搜场景,比如“AI 写作”“视频剪辑”或“编程助手”。
开源项目 11
UniRL:统一多模态模型强化学习框架开源项目分层可组合的 RL 后训练框架,用同一套生成、打分、优势计算、策略更新流程覆盖多类多模态模型。查看
omni-tools:自托管的在线工具集合开源项目自托管 Web 应用,提供图片/视频/PDF/文本/日期/数学/数据等常用工具,文件全部在浏览器本地处理。查看
Qwen3-Omni:多模态全模态基础模型开源项目Qwen3-Omni 是端到端多语言全模态基础模型,处理文本、图像、音频、视频并流式输出文本与语音。查看
Ming-flash-omni 2.0:开源全模态多模态大模型开源项目Ming-flash-omni 2.0 是基于 Ling-2.0 MoE 架构的开源全模态 MLLM,支持图像、文本、视频、音频输入与图像、文本、音频输出。查看
LongCat-Flash-Omni:全模态开源模型开源项目5600 亿参数(激活 270 亿)的开源全模态模型,支持实时音视频交互与流式语音生成。查看
Z-Image:6B 参数单流扩散图像生成模型开源项目提供 Z-Image、Turbo、Omni-Base、Edit 四个变体的图像生成与编辑模型,Turbo 仅需 8 步采样。查看
VoxCPM:无离散token的文本转语音模型开源项目基于扩散自回归架构的开源TTS系统,支持30种语言、声音设计、可控声音克隆与48kHz输出。查看
Qwen-Image-Layered:图像分层分解模型开源项目将图像分解为多个RGBA图层的模型,每层可独立编辑,支持变层数与递归分解,附Gradio部署脚本。查看
SimpleMem:LLM Agent 的长期记忆系统开源项目面向 LLM Agent 的长期记忆系统,通过语义压缩存储与检索文本及图像、音频、视频多模态记忆。查看
JoyAI-VL-Interaction:实时视频语言交互模型与系统开源项目8B 视觉语言交互模型,配套训练配方、数据与实时流式部署系统。查看
MOSS-TTS Family:语音与声音生成模型家族开源项目开源语音与声音生成模型家族,覆盖长篇语音、多说话人对话、音色设计、环境音效与实时流式 TTS。查看