AI大模型

DeepSeek 推出的一款创新的多模态理解和生成模型

一款多模态大模型，旨在通过视觉和语言的深度融合，提升视障人士的生活便利性

CogVideo 是一个由清华大学和北京人工智能研究院（BAAI）联合开发的开源文本到视频生成模型。

Whisper 是 OpenAI 开发的一款强大的语音识别模型，具有多语言支持、语音翻译和语言识别等多功能能力。

MiniMind项目旨在从零开始训练一个轻量级语言模型（LLM），并提供完整的训练、微调、推理和部署流程。

一款高性能文本到语音（TTS）系统，基于流匹配的非自回归生成方法，结合了扩散变换器（DiT）技术。

认知智能大模型

网易伏羲推出的一系列人工智能平台和工具的总称

一款专注于医疗健康领域的大型语言模型，旨在通过先进的AI技术为医疗行业提供高效、精准的智能服务

新一代面向软件工程、竞赛编程的代码大模型系列，该模型聚焦于代码智能领域，具备能读懂、能写、能改代码的综合能力，可用于自动编程、Bug修复和代码解释等多类任务

SadTalker 是一个基于单张图像和音频生成说话人脸视频的模型，其核心功能是通过音频输入使静态图片中的图像动起来，并生成说话的虚拟人物。

专注于语言模型（LLM）SQL 能力评测的专业平台，构建了全面且具实践价值的 SQL 能力排行榜（SCALE），为开发者、数据库管理员及企业技术决策者提供关键参考

IndexTTS2 是一个突破性的自回归语音合成模型，旨在解决大规模文本到语音（TTS）系统在精确时长控制和情感表达方面的挑战。

美图自研，一款懂美学的AI视觉大模型

可以和人类进行自然交流、解答问题、协助创作

建设高效率、低成本、规模化的 AI 云基础设施，打造专业的深度学习平台及算法模型体系，引领AI创新，助力工业界及学术界探索 AI 边界。

一款基于先进人工智能技术开发的对话型AI工具，旨在通过高度拟人化的交互体验，为用户提供丰富的情感陪伴、角色互动和多场景应用能力

Vimi 是商汤科技推出的一款基于可控人物视频生成大模型的 AIGC 产品,是全球首个可控人物视频生成大模型。

心辰Lingo是西湖心辰公司开发的国内首个端到端通用语音大模型，具有多项先进技术和显著优势。

全面收集有明确来源的大模型情况

DDColor 是一种由阿里巴巴达摩院研发的先进图像上色技术，旨在通过深度学习技术将黑白或灰度图像转换为逼真且生动的彩色图像。

新一代多模态大模型

字节跳动推出的一款AI模型分享社区平台，旨在促进AI技术的交流与应用，为研究人员、开发者和爱好者提供一个开放、高效的合作环境

一款多模态大模型，具备高智商和高情商的特点

gpt-oss 是 OpenAI 开发的开源模型，支持推理、代理任务和开发者使用场景。

MuseTalk 是一个实时高质量音频驱动唇形同步模型，旨在解决高分辨率、身份一致性和准确唇形同步的面部视觉配音挑战，尤其适用于实时应用如直播视频 。

一个与人工智能（AI）模型评估和比较相关的平台，其核心功能是通过用户投票和社区参与的方式，对大型语言模型（LLM）进行评测和排名。

浪潮海若大模型定位行业大模型，首批面向政府、交通、应急、制造、医疗、农业六大行业，具备可信赖、易落地、可持续三大核心优势。

EchoMimic 是蚂蚁集团开发的一款基于音频驱动的肖像动画生成工具，旨在通过音频和面部标志点生成逼真的动态视频。

讯飞星辰MaaS平台是科大讯飞推出的一款一站式大模型定制精调平台，旨在为开发者和企业用户提供低门槛、全栈式的大模型应用开发服务。

帮助用户完成特定场景中的多种工作任务

大模型MaaS开放平台

专注于大模型技术的研发和应用

文本到图像生成模型

BuboGPT是字节跳动推出的一款多模态大语言模型（LLM），能够处理文本、图像和音频等多种输入模态，并具备对齐和非对齐理解的能力。

一个全品类AI API供应商，以统一的API Key访问Claude，GPT，Gemini，DeepSeek，Seedance，Z-image等模型API。所有模型均来自原厂，并享受20%的折扣。

由快手AI团队自研打造的视频生成大模型

VideoPoet模型能够处理多种输入类型，包括图像、视频、文本和音频，并支持多种视频生成任务，如文本到视频、图像到视频、视频风格化、视频修复、视频扩展以及视频转音频等。

面壁智能是一家专注于人工智能大模型技术创新与应用的科技公司，致力于构建智能时代的大模型基础设施，加速大模型在典型场景与领域的应用与落地，成为通用智能服务的引领者。

Mistral AI发布了多个版本的大型语言模型，包括Mistral Nemo、Mistral Large、Codestral和Mixtral等。