Lightricks出品22B DiT模型，单一模型同时生成同步视频+音频，支持图生视频/文生视频，蒸馏版8步出片

阿里万相2.2图生视频，27B双专家MoE架构激活仅14B，支持480P/720P，电影级画质+复杂运动，Apache 2.0开源

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

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

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

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

Apple Silicon专属：JSON写好剪辑计划直接变剪映原生草稿，Claude Code装上Skill就能驱动剪映出片。

给歌词就能出整首歌，还反超Suno？9月最火开源音乐模型YuE2，加上ACE-Step等6款同类一次看懂

开源文档解析引擎,OpenDataLab 出品 78k Star。PDF/Word/PPT/Excel/图片一键转 LLM 友好的 Markdown/JSON,公式转 LaTeX、表格转 HTML、跨页表格合并、109 语言 OCR;Pipeline 后端纯 CPU 可跑,VLM 后端精度 95+,另有 mineru.net 在线服务免部署

开源AI短剧平台星数之王：一句话生成完整短剧，内置4个AI Agent打通剧本到成片，桌面版开箱即用，Seedance/H3/Wan随便切，15.6k星

蚂蚁集团AGI团队出品，OpenRouter/Kilo限时免费。速度比Claude Sonnet 4.6快6倍，成本低约50倍，专为Agent场景原生设计。

基于SigLIP微调的电商领域专用嵌入模型，vs通用SigLIP提升67%，vs Amazon Titan提升45%，支持文搜图/图搜图/商品去重

Meta出品纯视觉自监督ViT，无需标注数据开箱即用，300M参数86.3% ImageNet线性分类，月下载290万+

收录影视点播、直播、K歌、工具、游戏等 TV 端 APK，18.9k+ Stars，附带 TVBox/影视仓等接口源。

检索式变声框架：10分钟语音训练音色模型，训练推理一体WebUI，37k stars

唯一支持导出剪映工程的AI视频skill：底板按镜头切开可精剪，字幕变原生文本轨，音效BGM分轨——AI出粗片你精修。152张镜头配方卡+209动效预览+完整成片模板，5.9k Stars

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

OCR/版面/表格/公式全流水线跑在显卡上，PDF 进 Markdown 出，单卡 5090 最快 559 图/秒，比传统 OCR 快 15-90 倍

有趣的80后程序员的ComfyUI工作流相册：按日期查换脸、数字人、电商产品图、虚拟试穿流程，照着配节点。

首个开源全能参考视频模型：消费级显卡可跑，效果≈Seedance 2.0 Fast 八成、成本仅十分之一。附Seedance/可灵/万相/LTX/Veo/Grok/FLUX3逐家盘点