ElevenLabs Text to Sound Effects：AI生成音效，從文本描述到聲音效果的創新工具
Text to Sound Effects是ElevenLabs開發的最新AI音訊模型，能夠根據文本提示生成各種音效、短音樂曲目、音景和角色聲音。它代表了音訊製作領網域的重大創新，為電影電視工作室、影片遊戲開發者和社交媒體內容創作者提供了快速、經濟、大規模生成豐富沉浸式音景的工具。
RB-Modulation：無需訓練的擴散模型個性化定製
RB-Modulation是谷歌釋出的一種基於隨機最優控制的新型訓練免費個性化擴散模型解決方案。它透過終端成本編碼所需屬性，實作風格和內容的精確提取與控制，無需額外訓練，即可生成與參考影象風格一致且遵循給定文本提示的影象。該技術在無需訓練的情況下，透過新穎的注意力特徵聚合(AFA)模組。
Omost：將大型語言模型的編碼能力轉換為影象生成能力
Omost是一個旨在將大型語言模型(LLM)的編碼能力轉化為影象生成（更準確地說是影象組合）能力的專案。它提供了基於Llama3和Phi3變體的預訓練LLM模型，這些模型能夠編寫程式碼以使用Omost的虛擬Canvas代理來組合影象視覺內容。Canvas可以由特定的影象生成器實作來實際生成影象。
Video-MME：首個全面評估多模態大型語言模型在影片分析中的效能基準
Video-MME是一個專注於多模態大型語言模型（MLLMs）在影片分析領網域效能評估的基準測試。它填補了現有評估方法中對MLLMs處理連續視覺資料能力的空白，為研究者提供了一個高質量和全面的評估平臺。該基準測試覆蓋了不同長度的影片，並針對MLLMs的核心能力進行了評估。
Fixie.ai：構建自然人類交流的實時人工智慧
Fixie.ai致力於開發能夠像人類一樣自然交流的人工智慧模型。我們認為，有用的、高效的、易獲取的通用人工智慧（AGI）將需要能夠在快節奏、模糊不清的自然人類交流世界中運作的模型。我們正在解決的問題是構建Ultravox，一個開源的、最先進的語音到語音模型；構建處理WebRTC上LLMs實時通訊的最佳堆疊。
Outlines：強大的結構化文本生成工具
Outlines是一個用於生成結構化文本的開源庫，它支援多種模型整合，如OpenAI、transformers等，並提供了基於Jinja范本引擎的簡單而強大的提示原語。它透過多種方式控制語言模型的生成，使輸出更加可預測，從而提高模型效率並減少所需的示例數量。
Consistent character：建立不同姿勢的給定角色影象
cog-consistent-character 是一個基於 AI 的影象生成模型，允許使用者建立給定角色在不同姿勢下的影象。它利用了 Stable Diffusion 技術，透過 ComfyUI 提供了一個使用者友好的介面，使得即使是沒有程式設計背景的使用者也能輕鬆生成高質量的影象。
FastGPT：基於LLM大模型的開源AI知識庫構建平臺
FastGPT是一個開源的AI知識庫構建平臺，提供資料處理、模型呼叫、RAG檢索、視覺化AI工作流編排等能力，幫助使用者輕鬆構建複雜的AI應用。它支援特定領網域AI客服的構建，自動化資料預處理，工作流編排，以及強大的API整合。
EasyAnimate：生成高解析度和長影片的端到端解決方案
EasyAnimate 是一個基於 transformer 架構的流水線，可以用於生成 AI 照片和影片，訓練基線模型和 Lora 模型以用於 Diffusion Transformer。支援直接從預訓練的 EasyAnimate 模型進行預測，生成不同解析度、約 6 秒（24fps）的影片。
NVIDIA ACE：用於建立數字人類、AI非玩家角色和互動式頭像的生成式AI技術套件
NVIDIA ACE提供了一套先進的生成式AI模型和微服務，易於部署且效能優越。這些AI模型基於商業安全、負責任許可的資料進行訓練，並透過微調和防護措施確保無論使用者輸入如何，都能提供準確、恰當、切題的結果。