三花AI

ComfyUI 子工作流功能：一次编辑全局更新 ComfyUI 即将推出革命性的子工作流功能，让复杂的工作流管理变得前所未有的简单。 通过将常用工作流封装为可重复使用的节点...

OpenAudio S1：支持多语言情感控制的专业级 TTS 模型 OpenAudio S1 是由 OpenAudio 团队开发的文本转语音（TTS）模型，它能像专业配音演...

谷歌 SignGemma 实现手语与文本实时互译 谷歌最新发布 SignGemma 手语翻译模型，基于 Gemma，专用于美国手语(ASL)与英语的实时双向互译。目前只开放...

DeepSeek R1 完成 0528 版本迭代升级，性能比肩 o3 DeepSeek 在官方微信群发布消息称，其 R1 模型已完成小版本迭代升级（版本号 DeepSeek...

MMaDA 多模态扩散模型实现文本推理+视觉理解+文生图 MMaDA[1] 是一款开源的多模态扩散模型，同时具有文字推理、图片理解、文字生成图片的能力。 感兴趣的佬们可以通...

Mistral AI 发布高精度 Document AI：支持公式手写多语言解析 Mistral AI[1] 最新推出企业级 Document AI 解决方案，基于 OCR...

Head AI：全球首个 AI 市场营销专家 Head AI[1] 是全球首位人工智能营销专家，其官网号称在过去一个月内已为超过 50,000 个品牌提供服务，覆盖电商、科...

谷歌 I/O 2025 开发者大会内容总结 下面是今年的谷歌I/O上发布的所有产品和更新，主要聚焦AI方向大发力： Gemini 2.5 模型更新 Gemini 2.5：G...

Insert Anything：开源图片无缝插入编辑框架 Insert Anything[1] 是一个开源的图片编辑框架，能够将参考图中的人物、物体和服装等元素无缝插入到目...

谷歌发布 Gemini 2.5 Pro I/O 特别版：编程双榜第一 谷歌正式发布 Gemini 2.5 Pro "I/O 特别版"技术预览。作为 2.5 Pro 的重大升...

Cobra 开源 AI 上色模型：支持颜色提示与多角色参考 Cobra[1] 是一款专注于线稿上色的开源模型，其特色在于支持颜色提示（color hint）和多角色参考功能...

阿里通义 Qwen3 重磅发布：小模型吊打大模型，MoE 架构效率惊人 阿里通义 Qwen3 系列大模型[1]正式推出，本次开源了 2 个 MoE 模型和 6 个密集模型。...

FramePackLoop：开源无缝循环视频生成工具 FramePackLoop[1]是一个基于 FramePack 的开源工具，专门用于生成无缝循环视频。 这下可以轻松搞...

LemonAI 推出 Slice Live：照片秒变实时数字人 Lemon Slice Live[10] 是一款实时音视频 AI 数字人模型。 仅需上传一张照片，就能与任意...

Tavus 发布 SOTA 唇形同步模型 Hummingbird-0 Tavus 公司最新发布的 Hummingbird-0[1] 是一款 SOTA 唇形同步模型，目前仅在...

OpenAI 发布 GPT Image API：支持文生图/图生图/局部重绘/透明背景 OpenAI 正式发布 GPT Image API[1] (模型 ID: gpt-i...

SkyReels-V2：支持无限长度视频生成的多模态模型 SkyReels V2[1] 号称能够无限长度视频生成的开源模型，支持多模态生成能力，包括文生视频和图生视频。 在...

Vidu Q1 视频模型发布 Vidu 发布了 Vidu Q1 视频模型，现在有更好的画质，支持生成视频音效，优化了动漫风视频的表现。 目前官方正在推特搞活动[1]送积分，...

小视频宝发布AI语法讲解视频模板 小视频宝[2]最新推出了又一款小红书爆款语法讲解视频模板。能够自动生成语法题目，并完成语音讲解视频。 Midjourney 更新图片编辑器...