视频生成控制模型

Open ASR 排行榜 对 Hugging Face Hub 上的语音识别模型进行排名和评估。我们报告平均 WER（字错误率）（⬇️ 越低越好）和 RTFx（实时因子）（⬆️ 越高越好），模型根据其平均 WER 从低到高进行排名。

Google AI Studio 是一个功能齐全的工具，特别适合希望快速构建和试验 AI 应用的开发者。其多模态支持、提示库和与 Gemini API 的无缝集成使其成为生成 AI 开发的有力平台。

Reve Image在人像和设计排版方面表现尤为出色，能够精准地根据用户输入的文本生成高质量的图像，同时也支持图生图功能，为创意工作者和普通用户提供了强大的工具。

Krisp的AI口音转换功能为跨语言沟通提供了一种新的解决方案。通过实时将说话者的口音转换为美国英语，该工具能够有效减少沟通障碍，提高沟通效率。尽管目前该技术主要针对印度英语口音，但其未来扩展计划显示了其巨大的应用潜力。

通义万象是阿里云旗下的图像及视频生成平台，凭借其强大的多模态生成能力，正在引领生成式 AI 的发展。除了传统的文生图能力，通义万象现已支持文生视频、图生视频等多种功能，并在插画设计、涂鸦作画、局部重绘、短片创作、配乐生成等场景化应用中表现出色。

Qwen Chat是阿里通义团队在海外市场推出了一款全新的AI助手，可以看作是通义千问的海外版，这款助手基于开源的Open WebUI框架开发而成。