Визуальный анализ данных с ИИ от Microsoft: описываете нужную диаграмму словами — инструмент пишет и исполняет трансформации данных.
Открытый ИИ-носимый девайс: записывает разговоры, расшифровывает, структурирует и отвечает — с полностью открытым кодом и приложением.
Открытый VTuber с локальной LLM: живой анимированный аватар, голосовой диалог, распознавание эмоций и зрительный контакт — всё на вашем железе.
Улучшенный Whisper со стабильными таймкодами: точные границы слов и сегментов без «плавания» времени.
Модель speech-to-speech без промежуточного текста: отвечает на голос сразу голосом, быстрее классических каскадов.
Открытый TTS с контролем эмоций и эмфазы: копирует голос диктора и точно воспроизводит интонации и паузы.
Открытая модель понимания и генерации речи: понимает эмоции, разговаривает и клонирует голоса.
Компактная открытая модель генерации видео: всего 3 миллиарда параметров и качество крупных систем.
Открытая платформа аудио-генерации от OpenMMLab: TTS, клонирование голоса, преобразование голоса и восстановление аудио.
Открытая коллекция паттернов промптов с CLI: суммаризация, анализ, вывод мыслей — сотни готовых сценариев сообщества.
Мгновенная персонализация генерации изображений: одно фото лица — и любые генерации Stable Diffusion с этим лицом, без обучения.
Создание персонализированных изображений людей: несколько фото — и модель генерирует новые портреты в разных стилях и локациях.
Открытая генерация 3D-моделей: изображение превращается в детализированную трёхмерную сетку с текстурами.
Генерация длинных видео на видеокартах с 6 ГБ памяти: автор ControlNet сжимает контекст, сохраняя качество движений.
Открытая модель генерации видео от Genmo: гладкое движение, физика и превосходное следование промпту при полностью открытых весах.
Сверхбыстрая генерация видео: модель нового поколения, создающая плавные ролики в реальном времени на одном GPU.
Открытая модель генерации видео от Alibaba: текст и изображения в видео, эффекты, транзиции и озвучка — с открытыми весами.
Открытая генерация видео от Zhipu AI: модели до 5 миллиардов параметров, текст и изображения в видео через Diffusers.
Готовые компактные модели речи: STT на десятках языков и TTS — всё работает на CPU быстрее реального времени.
Универсальный переводчик Meta: речь в речь, текст и речь в текст между сотней языков — сохраняет голос и эмоции говорящего.