AI大模型

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

文本到图像生成模型

阿里巴巴集团Qwen团队研发的大语言模型和大型多模态模型系列

DeepSeek 推出的一款创新的多模态理解和生成模型

字节跳动旗下豆包大模型团队推出的一款通用图像编辑模型，旨在通过自然语言指令实现高效、精准的图像编辑操作

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。

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。

一款多模态大模型，具备高智商和高情商的特点

Aidge 是阿里巴巴国际数字商业集团推出的一款 AI 驱动的综合 AI 工具套件，旨在简化全球商业运营，特别是针对中小企业（SMEs）和跨境电子商务领域的商家。

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。

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。

NineF AI是一站式免费主流AI大模型集成平台，集成了GPT、Claude、Llama等全球顶尖AI模型，提供多角度智能解答，助您提升工作效率和决策准确性。

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。

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。

学而思九章大模型（MathGPT）是好未来教育集团自主研发的一款专注于数学问题解决和教学的人工智能应用。

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。

全面收集有明确来源的大模型情况

谷歌推出的一款基于扩散模型的虚拟试衣技术，旨在为用户提供高质量、逼真的试衣体验

Goku视频生成模型是由中国香港大学与字节跳动联合推出的一款AI视频生成工具，能够实现文本到视频、图像到视频以及文本到图像等多种生成方式。

AnchorCrafter 是由中国科学院与腾讯联合推出的一项创新技术，旨在通过人工智能生成高保真度的产品推广视频。

CosyVoice是一款由阿里巴巴通义实验室开发并开源的多语言语音生成模型，专注于自然语音生成、音色克隆和情感控制。

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。

LivePortrait是一款由快手科技与中国科学技术大学、复旦大学共同研发的AI驱动肖像动画工具，旨在将静态肖像图像转化为逼真的动态视频。

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。

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。

FaceChain 是一个基于深度学习技术的个性化数字形象生成工具，利用生成对抗网络（GANs）和 Stable Diffusion 模型，通过少量照片生成高度个性化的数字形象。

53AI企业大模型应用平台是大中型企业广泛采用大模型落地应用平台，系统实现对全部主流大模型的统一纳管，包括DeepSeeK、OpenAI、Azure OpenAI、文心一言、讯飞星火、零一、LlaMa

达医智影是阿里巴巴达摩院医疗AI实验室研发的一款创新性AI医疗工具，专注于CT智能读片和癌症筛查领域。

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。

元象大模型XChat是一款由元象科技自主研发的高性能通用人工智能大模型，旨在降低开发门槛与推理成本，满足多任务需求。

“林哥的大模型野榜”是一个专注于中国用户需求的大模型产品排行榜，旨在帮助用户更好地了解和选择适合的大模型产品。

Moondream 是一个开源的轻量级视觉语言模型，由开发者 vikhyatk 推出，旨在提供高效、灵活的图像理解和文本生成能力。

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。

Qwen-Image 是阿里通义千问团队于2025年8月5日开源的200亿参数图像生成基础模型，采用MMDiT架构，专为复杂文本渲染与高精度图像生成设计。

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。

Seed-TTS 是由字节跳动开发的高级文本到语音（TTS）模型系列，旨在生成高质量、几乎无法与人类语音区分的语音。

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。

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。

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 。

Hallo 是一个由复旦大学（Fudan University）开发的开源项目，专注于音频驱动的视觉合成技术，特别是用于人像动画生成。