使用 Unsloth 微调 Qwen3.8-27B 的完整教程：SFT、视觉微调、强化学习、导出

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

字节跳动蒸馏版视频理解模型，DREAM-1K描述F1超越GPT-4o，8.3B参数低门槛部署

三家最新开源MoE视觉大模型，全部30B级只激活3B，定位完全不同

语雀之父玉伯新作：Board看板剪藏素材+AI对话式研究+可改写初稿，把'看过'变成'产出'的AI创作闭环工具

不是单个AI画页面，而是自己组建Agent设计团队：需求分析/线框/UI审查/视觉基因分工协作，调研驱动，一张画布走到代码交付

从0.8B到397B全覆盖，编程/视觉/推理/端侧一张表选对模型

像跟剪辑师说话一样下指令：文字稿删字即剪片、去口水词、MG动画配乐一体，还能挂进ChatGPT/Codex当插件，剪辑技能可复用

FLUX 1/2 团队新作：图像/视频/音频联合训练的世界模型，视频+原生音频最长 20 秒，Early Access 已开放

64GB 统一内存本地跑 27B，252 次请求零报错。低并发看响应，高并发看总量，甜蜜区在 N≤4

字级配音同步、七层反PPT镜头系统、三重验收自动返工，把Claude Code/Codex变成口播视频动效工作室

生成快过播放：5秒768p约2.5秒出片带原生音效，不注册每天免费5条，API促销价今天截止

开源语音交互 AI 虚拟伴侣，13.5K Stars。支持实时语音对话、视觉感知、Live2D 形象，桌面宠物模式可完全离线运行

实时交互流式数字人引擎，9.3K Stars。支持 Wav2Lip/MuseTalk/Ernerf 多模型，WebRTC/RTMP/虚拟摄像头输出，已广泛商用

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

语音识别+大模型+语音合成+虚拟形象全链路打包,开箱即用,直播带货/客服场景首选

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

扔一段视频进去，自动出带章节配图的 Markdown 报告，网课笔记/会议纪要/内容素材一站搞定

上传视频自动语音转写，选中文字段落就剪出对应片段，还支持按说话人剪辑和 LLM 辅助选段

IEEE TCSVT 收录的 Vid-LLM 综述配套清单:论文+代码+数据集+基准全整理,选型与研究必备