站内搜索「音视频」共 22 条结果
推荐模型
短视频音视频联合分析：Qwen3.5-Omni 五条链路实测与选型要同时读画面+声音分析快手/抖音短视频，实测硅基流动 Qwen3-Omni、DashScope Qwen3.5-Omni flash/plus、本地抽帧+ASR 五条链路，给出选型建议和避坑点。
26天前
推荐模型
Omniparse — 将任意文档/图片/音视频解析为LLM友好格式Ingest, parse, and optimize any data format：PDF/Word/PPT/Excel、图片、音频、视频一键转结构化Markdown，专为GenAI框架优化
4个月前
推荐模型
LTX-2.5 - Lightricks 开源视频生成模型，22B 参数音视频同步83 万下载的开源视频模型天花板——文生视频/图生视频/音视频同步/4K 20 秒，8GB 显存量化可跑
1个月前
推荐程序员
用 AI Agent 下载抖音无水印视频 — 纯终端方案无需浏览器、无需登录、无需 cookies，一条命令下载抖音无水印视频到本地。基于 iesdouyin 移动端 SSR 解析，纯 Python 实现。
5个月前
推荐MacOS
mlx-video - Mac原生MLX视频生成库(LTX-2.3+Wan2.2)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
3个月前
推荐源码
LiveTalking - 实时流式数字人引擎，文本/语音驱动虚拟形象对话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
27天前
推荐随笔
MiniMax H3 开源后，视频模型格局要重洗了（主流模型大盘点）首个开源全能参考视频模型：消费级显卡可跑，效果≈Seedance 2.0 Fast 八成、成本仅十分之一。附Seedance/可灵/万相/LTX/Veo/Grok/FLUX3逐家盘点
1个月前
推荐模型
Qwen3-Omni - 30B原生全模态，能看能听还能说甩一段视频进去，画面内容、背景音乐、音效、对白全给你分析出来——阿里原生全模态模型，30B只激活3B，还能直接用语音回答你，Apache 2.0
26天前