Opensource

Ming-UniAudio 是一款由蚂蚁集团旗下 Inclusion AI 团队 开发的 统一语音语言模型（Speech Large Language Model, Speech LLM）。 它的目标是实现一个能够 理解、生成、以及编辑语音的统一系统——这意味着模型不仅能“听懂”和“说话”，还可以“

DeepSeek 推出其最新实验性语言模型 DeepSeek-V3.2-Exp，这是基于前代 V3.1-Terminus 构建的新版本。此次更新的最大亮点是引入了 DeepSeek Sparse Attention（DSA）机制，该技术可在长上下文处理中实现稀疏注意力分配，显著提升了推理效率并降低了

小米研究团队发布MiMo-Audio ，一个统一的语音理解与生成大模型，支持从语音识别到语音生成、风格迁移、对话、唱歌的全能力，并具备强大的少样本学习与涌现能力。 - MiMo-Audio 集成了 Instruct TTS（指令驱动的语音合成） 功能，并加入了 Thinking Mode（思考

Wan2.2-Animate 是 Wan2.2 系列中专注于 角色动画生成与替换 的子模型。 现有 角色动画方法： - 多数只解决单一问题：要么控制动作，要么驱动表情，很少能同时处理 身体+表情+环境。 - 多基于 UNet+Diffusion，缺乏时序建模，视频不够流畅。 -

👉 IndexTTS2 是由BiliBili一个新一代的语音合成模型，它能： - 精准控制语音时长（适合视频配音，嘴型同步）。 - 自由切换情绪（开心、生气、悲伤等），甚至能用文字告诉模型“我想让声音听起来愤怒”。 - 保持说话人音色不变，同时注入其他音频或文字里的情感。 -

Moonshot AI （月之暗面）发布最新的 Mixture-of-Experts（专家混合）模型：Kimi K2，总参数量达 1 万亿，激活参数 320 亿。 它在 知识问答、数学、编程 等领域表现达到开源和部分专有模型的最优水平。 与传统大模型不同，不仅是回答问题的“大模型”，更是具备

它是一个为中国开发者定制的 AI 编程工具包，让你用中文和 Claude AI 对话来写代码、优化架构、查资料。 为什么它特别？ - 不需要翻墙，直接接入 Claude 的服务 - 所有交互都支持中文，更适合国内开发者 - 提供文档、咨询、音效、上下文管理等全套功能 ![i

Hunyuan-MT 是 腾讯混元团队推出的一套 开源机器翻译大模型，目前包括两个版本： - Hunyuan-MT-7B：一个 70 亿参数的多语言翻译模型 - Hunyuan-MT-Chimera-7B：一个“融合型”翻译模型，可以在推理时结合多个翻译候选，生成更优的结果 它专门

USO 是字节跳动提出的一个统一图像生成模型，全称为： > Unified Style-Subject Optimized 模型 它融合了风格驱动生成与主体驱动生成两个任务，并通过创新的训练机制将它们整合在一个统一框架中，解决了二者长期以来分离、互相影响的问题。 可以完成： -

Magenta RealTime（Magenta RT）是 Google Magenta 项目推出的开源权重实时音乐生成模型，可让用户在创作、演奏时实时互动生成音乐。 它是 Lyria RealTime（驱动 MusicFX DJ 模式与 Google AI Studio 实时音乐 API）的“开