MAGREF（MaskedGuidanceforAny‑ReferenceVideoGenerati...

MaskSearch是什么MaskSearch是由阿里巴巴通义实验室开发的一种全新通用预训练框架，旨...

PlayDiffusion是什么PlayDiffusion是PlayAI推出的新型音频编辑模型，基于...

OmniAudio是什么OmniAudio是阿里巴巴通义实验室语音团队推出的从360视频生成空间音...

MagicTryOn简介MagicTryOn是由浙江大学计算机科学与技术学院、vivo移动通信等单位...

3DTown是什么3DTown是哥伦比亚大学联合CybeverAI等机构推出的从单张俯视图生成3D城...

MT-Color是什么MT-Color是由上海交通大学与哔哩哔哩共同研发的一种基于扩散模型的可控图像...

D-DiT（双重扩散变换器）是由卡内基梅隆大学、耶鲁大学和字节跳动Seed实验室共同开发的一种多模态...

RepText是由ShakkerLabs和LiblibAI开发的多语言视觉文本渲染框架，通过复制字形...

万相首尾帧模型（Wan2.1-FLF2V-14B）是一款开源的14B参数规模的首尾帧生成视频模型。该...

AgentPrune是什么AgentPrune是同济大学、香港中文大学等机构联合提出的针对大型语言模...

FantasyTalking是什么FantasyTalking是阿里巴巴AMAP团队和北京邮电大学联...