1000+图像视频音频3D模型一行API调用，自研推理引擎比竞品快10倍，H100低至$1.2/小时，SOC2企业合规

Black Forest Labs出品，4步出图，质量接近Midjourney，Apache 2.0开源可商用

一个库在Apple Silicon上原生跑LTX-2.3和Wan2.2两大视频模型，纯MLX加速，CLI一行出片，比PyTorch MPS快1.7倍

百度出品，基于DeepSeek-OCR改进，支持一次性解析超长文档、多页PDF，单图640切片+多页1024两种模式，SGLang部署兼容OpenAI API

想自己组装机器在本地跑顶级AI大模型，不依赖任何API？这份攻略从硬件选型到系统配置到模型推荐全讲清楚了，2千美元起步。

微软研究院 4B 参数 image-to-3D 模型：O-Voxel 表示搞定任意拓扑+完整 PBR 材质，512³ 仅 3 秒，24GB 显存可本地跑，MIT 协议全开源

详解抖音视频隐式水印的嵌入原理、检测方法和去除方案，含开源工具推荐与批量处理脚本

7 引擎 TTS + 语音克隆 + 全局语音输入，本地运行零隐私泄露

CVPR 2023 论文项目，一张照片+一段音频即可生成逼真的数字人/虚拟主播视频，支持口型同步和表情控制

CVPR 2025 Highlight，通过智能缓存跳过冗余时间步，无需重训模型即可大幅加速扩散模型推理。支持Wan2.1/FLUX/HunyuanVideo等20+主流模型

Google DeepMind 开源多模态模型，11.95B参数支持文本+图像+音频，256K上下文，原生函数调用，Apache 2.0免费商用

6个免审查模型，OpenAI兼容API，按量付费，最低$0.16/M tokens

字节 Seedance 2.5 正式上线，Higgsfield 同步启动 100万美元 AI 电影竞赛，比赛期间不限量免费用