开源项目

阿里开源的SmartResume是一款基于OCR与轻量化大模型的高精度简历解析系统，可秒级将PDF/图片等12种格式简历转化为结构化数据，准确率达93.1%。

阿里巴巴推出的高效视频生成模型，能够精准模拟复杂场景与动作，支持中英文特效，引领AI视频创作新时代。

百度推出的轻量级多模态文档解析模型，0.9B 参数实现 109 种语言复杂文档精准识别与结构化输出，性能全球领先。

腾讯AI Lab等联合研发的开源歌曲生成模型，10秒音频+歌词秒变2分30秒高质音乐，媲美商业水准。

腾讯开源的中文文本到图像提示词增强框架，可优化用户输入的 prompt，提高生成模型的图像质量和语义准确性。

腾讯推出的开源生图模型，原生支持2K高清生图，精准解析复杂语义，可高效生成中英文融合的高质量图像。

腾讯推出的业界首个支持原生3D重建与超长漫游的开源世界模型，可基于单图或文本快速生成可交互的沉浸式3D场景。

Waver 1.0是款开源全功能视频生成模型，能轻松实现文本/图像到高清视频的创作，高效便捷且质量出众。

字节跳动开源的 360 亿参数长上下文大语言模型，支持 512K tokens、可控思维预算，在推理、代码与 Agent 任务中表现卓越，并采用 Apache-2.0 许可证可自由商用。

一款小于 25 MB、可在普通 CPU 实时运行的开源轻量级文本转语音模型，支持多种自然音色并可离线使用。

阿里通义千问开源的200亿参数图像生成模型，擅长中英文高保真文本渲染与复杂场景细节处理，支持多风格图片生成。

阿里开源的代码大模型，支持全流程编程与复杂任务规划，性能超 GPT-4.1，成本更低。

一款支持文本生成与图像编辑的多模态模型，具备强大的上下文理解与创作能力。

Google 推出的轻量级开源大语言模型，兼具高性能与易部署，适合本地开发和多场景应用。

腾讯混元开源语音数字人模型，上传图片音频即生成多风格、高动态的个性化动态视频。

小米开源的70亿参数推理大模型，以小博大，在数学推理和代码竞赛中超越OpenAI o1-mini等模型，性能卓越。

昆仑万维团队推出的无限时长电影生成模型，突破现有视频生成技术瓶颈，实现高质量、高一致性与高保真度的视频创作。

AI视频字幕翻译与配音工具，支持多语言输入与翻译，提供从视频获取到字幕翻译、配音的一站式解决方案。

开源 AI 翻译工具，支持双语对照、多引擎翻译、格式保留及批量处理，助力科研人员高效阅读外文文献。

阿里巴巴达摩院开发的实时人像视频生成工具，通过分层运动扩散模型实现高度逼真、风格可控且实时高效的人像视频生成，适用于视频聊天、虚拟主播及数字娱乐等场景。

开源的 AI 辅助绘图工具，可将手绘草图和文本描述智能转换为 3D 模型，支持实时协作与创意表达。

腾讯自研的具备快速响应、超长文处理和强推理能力的深度思考模型，已广泛应用于智能问答、文档处理等领域。

结合视觉语言模型与强化学习的自动驾驶技术框架，具备强大规划推理和多模态规划能力，可应对复杂罕见交通场景。

清华大学团队与清程极智联合推出的开源大模型推理引擎，旨在通过底层技术创新，实现跨芯片架构的高效模型推理，推动AI技术的广泛应用。

AI 3D场景生成工具，可从单张图像高效生成包含多个对象的完整3D环境，广泛应用于VR/AR、游戏开发、影视制作等领域。

潞晨科技推出的高性能、低成本的全新开源视频生成模型，引领开源视频生成技术迈入新阶段。

阿里巴巴开源的多模态大语言模型，运用RLVR技术实现情感识别，提供可解释的推理过程，适用于多场景。

开源的AI Agent框架，支持本地化部署和多智能体协作，能够高效完成复杂任务。

阿里巴巴发布的一款拥有320亿参数的高性能推理模型，擅长数学和编程，适用于多种应用场景。

谷歌开源的一款利用人工智能技术分析相机陷阱照片以自动识别动物物种的模型。