字节ICCV 2025开源模型：喂几张产品图，生成视频里你的商品全程不跑偏，电商带货视频复刻的换主体神器，权重直接部署

292000子龙•2个月前

复旦OpenMOSS开源11B实时视频理解模型：边看边答、主动沉默、动态纠错，NF4版单卡24G可跑

180000子龙•2个月前

要同时读画面+声音分析快手/抖音短视频，实测硅基流动 Qwen3-Omni、DashScope Qwen3.5-Omni flash/plus、本地抽帧+ASR 五条链路，给出选型建议和避坑点。

152000子龙•2个月前

Whisper转写+LLM语义分析，用自然语言从长视频里找片段、选段、导出成片，检索到剪辑全流程一个Web界面闭环

207000子龙•2个月前

甩一段视频进去，画面内容、背景音乐、音效、对白全给你分析出来——阿里原生全模态模型，30B只激活3B，还能直接用语音回答你，Apache 2.0

327000子龙•2个月前

IEEE TCSVT 收录的 Vid-LLM 综述配套清单:论文+代码+数据集+基准全整理,选型与研究必备

186000子龙•2个月前

上传视频自动语音转写，选中文字段落就剪出对应片段，还支持按说话人剪辑和 LLM 辅助选段

196000子龙•2个月前

扔一段视频进去，自动出带章节配图的 Markdown 报告，网课笔记/会议纪要/内容素材一站搞定

312000子龙•2个月前

车里正经用笔记本的终点方案:北美警车标配,座椅螺栓固定不打孔,终身质保;路虎无专用底座,附通用款两个货号选型+测量方法

105000子龙•2个月前

真正开源的 AI 数字人克隆工具，15K Stars。支持外观+声音克隆、文本/语音驱动生成视频，完全离线运行，Docker 一键部署

265000子龙•2个月前

5秒样本零样本TTS，1分钟数据微调即可克隆声音。支持中英日韩粤跨语言推理，集成WebUI工具链，58k Stars

224001子龙•5个月前

语音识别+大模型+语音合成+虚拟形象全链路打包,开箱即用,直播带货/客服场景首选

229000子龙•2个月前

一张照片实时驱动表情/姿态,4090 上毫秒级推理,配口型模型可组完整数字人,开源 MIT

290000子龙•2个月前

实时交互流式数字人引擎，9.3K Stars。支持 Wav2Lip/MuseTalk/Ernerf 多模型，WebRTC/RTMP/虚拟摄像头输出，已广泛商用

222000子龙•2个月前

开源语音交互 AI 虚拟伴侣，13.5K Stars。支持实时语音对话、视觉感知、Live2D 形象，桌面宠物模式可完全离线运行

245000子龙•2个月前

生成快过播放：5秒768p约2.5秒出片带原生音效，不注册每天免费5条，API促销价今天截止

180000子龙•2个月前

Windows 上跑 Linux 的亲儿子方案，不用双系统不用虚拟机，Docker/VS Code/GPU CUDA 无缝衔接，装完就回不去了

95000子龙•2个月前

8.8寸 2.5K 144Hz，Ryzen AI 9 HX 370，770g 极致便携，模块化 RS-232/KVM/LTE，车载出差一台搞定

510000子龙•2个月前

2K/5秒视频47秒生成，RTX3060可跑，Mac MLX原生支持，多镜头+立体声，免费商用（年入<0M）

497000子龙•2个月前

83 万下载的开源视频模型天花板——文生视频/图生视频/音视频同步/4K 20 秒，8GB 显存量化可跑

270101子龙•2个月前