半身人体动画生成框架 EchoMimicV2：利用参考图像、音频剪辑和一系列手部姿势来生成高质量的动画视频
随着计算机图形学和人工智能的发展，生成高质量的人类动画变得越来越重要。特别是，当涉及到创建生动、自然的动画时，音频、姿势或运动图等条件的引入大大提升了动画的真实性和表现力。然而，这些增强的方法也带来了...
排序
Anzhc 开源系列 YOLO 模型：专注细粒度图像分割与分类任务
在图像检测与分割领域，高质量的专用模型往往能显著提升下游任务的表现。开发者 Anzhc 基于自建标注数据集，训练并开源了一系列面向特定视觉任务的 YOLO 模型，涵盖面部、眼部、头部、胸部等细粒度目标...
Yamato-e style：基于FLUX.1-dev的日本浮世绘风格LoRA
Yamato-e style是一款基于FLUX.1-dev的日本浮世绘风格LoRA，适合生成风景图，当你描述角色和背景场景时，它效果最好。 模型：https://civitai.com/models...
阿里通义千问推出机器翻译模型Qwen-MT：92种语言互译，打造高效智能翻译新体验
阿里通义千问团队近日通过Qwen API平台正式发布机器翻译模型Qwen-MT的最新升级版本——qwen-mt-turbo。该模型基于强大的Qwen3架构，结合超大规模多语言翻译数据与强化学习技术，在...
字节跳动与浙大联合发布轻量高效TTS模型MegaTTS3
字节跳动和浙江大学的研究人员推出的一款轻量级TTS模型：MegaTTS3，0.45B，高质量语音克隆，支持中英文以及中英文混合，支持口音强度控制，后面会支持更细粒度的发音和时长调整。 GitHub：h...
字节跳动推出基于修正流Transformer 架构的新型图像和视频生成模型家族Goku
香港大学和字节跳动的研究人员推出新型图像和视频生成模型家族Goku，它基于修正流Transformer 架构，实现了行业领先的图像和视频联合生成性能。Goku 的目标是通过高质量的视觉内容生成，推动媒...
Gemstone Crafter：宝石风格的FLUX.1-dev LoRA
Gemstone Crafter是一个宝石风格的FLUX.1-dev LoRA，与之前介绍的Digital Abstraction是一个作者。 地址：https://civitai.com/model...
StableAvatar：首个端到端生成无限长度虚拟人视频的扩散模型
你是否曾想过，仅凭一张静态照片和一段语音，就能让照片中的人物“开口说话”，并持续数分钟自然表达？这正是音频驱动虚拟人视频生成（Audio-Driven Talking Head Generation...
Stability AI推出其最新的图像生成模型系列Stable Diffusion 3.5（SD3.5）：更具可定制性和多功能性，同时在性能上也有所提升
在经历了一系列由技术故障和许可变更引发的争议后，Stability AI宣布了其最新的图像生成模型系列—Stable Diffusion 3.5（SD3.5），新的Stable Diffusion 3...
Digital Abstraction：FLUX.1-dev的数字风格LoRA
Digital Abstraction是一款受到SD3.5生成图像启发而制作的FLUX.1-dev的数字风格LoRA。 地址：https://civitai.com/models/891762/dig...
腾讯微信视觉团队发布 Stand-In：轻量级身份保持视频生成新框架
在文本到视频（T2V）生成领域，一个长期存在的难题是：如何让生成的视频中的人物始终“长成你想要的样子”？ 尽管现有模型能生成流畅、高质量的视频，但在身份一致性（identity-preserving...
新型框架HumanDreamer-X：用于从单张图像重建逼真的可动画化三维人类虚拟形象（avatar）
GigaAI、中国科学院自动化研究所和北京大学的研究人员推出新型框架HumanDreamer-X，用于从单张图像重建逼真的可动画化三维人类虚拟形象（avatar）。该框架通过结合三维重建和视频修复技术...
