🚀 AI全自动短视频引擎

最强大且模块化的扩散模型图形用户界面、应用程序接口及后端，提供基于图或节点的交互界面。

实时互动流媒体数字人

专为从事大语言模型、多模态和语音人工智能（自动语音识别与文本转语音）的研究人员和开发者打造的可扩展生成式AI框架

全球首个开源智能体视频制作系统，集成12条流水线、52种工具及500余项智能体技能，可将您的AI编程助手转变为完整的视频制作工作室。

为创作者和开发者打造的Gradio WebUI，具备核心TTS功能（Edge-TTS、kokoro）和零样本声音克隆（E2与F5-TTS、CosyVoice），并集成Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。

ViMax：全能型智能体视频生成系统（集成导演、编剧、制片与视频生成功能）

顶尖开源文本转语音系统

一个可扩展的生成式 AI 框架，专为从事大语言模型、多模态及语音 AI（自动语音识别与文本转语音）的研究人员和开发者构建。

LTX-Video 官方代码库

Stable Diffusion网页界面

1分钟的语音数据也可以用来训练一个好的TTS模型！ （几张声音克隆镜头）

从电子书生成有声书，支持语音克隆及1107种以上语言！

论文《结构化三维潜空间：可扩展与多功能三维生成》（CVPR'25焦点论文）官方代码库。

VoxCPM：面向上下文感知语音生成与逼真音色克隆的无分词器文本转语音系统

您的AI第二大脑。支持自托管。从网络或文档中获取答案。构建自定义智能体、调度自动化任务、进行深度研究。将任何在线或本地大语言模型转化为您的个人自主AI（支持GPT、Claude、Gemini、Llama、Qwen、Mistral）。立即开始——免费使用。

大语言模型微调与强化学习 🦥 以2倍速度训练OpenAI gpt-oss、Qwen3、Llama 4、DeepSeek-R1、Gemma 3，节省70%显存

Stream 推出的开放视觉智能体平台。使用任意模型或视频提供商快速构建视觉智能体。利用 Stream 的边缘网络实现超低延迟。

MIT与MyShell联合开发的即时语音克隆技术

SANA：基于线性扩散 Transformer 的高效高分辨率图像合成