-
千问Turbo开源：Qwen-Image-2.1-Turbo低显存畅玩国产顶级极速出图
一、Qwen-Image-2.1-Turbo介绍 Qwen-Image-2.1-Turbo 是通义千问团队 2026 年 10 月 9 日发布的官方加速版图像模型，主打 8 步出图，同时把文生图和图像编辑合并到一个模型里，并原生支持透明图和多图参考。 它基于 Qwen-Image-2.1 的 7B 架构，去噪步数从常规几十步压到 8 步，速度提升明显。实测中，生成一张 1K 图片约快 2—…- 1.3k
- 1.3k
-
Qwen-Image-2.1已开源支持文生图、图像条件编辑：能力实测，画质能接近 GPT-image 2.5
一、Qwen-Image 2.1介绍 本周日，阿里千问正式开源图片生成模型 Qwen-Image-2.1，以小模型的体量解决了大部分生产力难题：它实现了文生图与图像编辑一体化，原生支持透明图生成，最高可以接收 10 张参考图，还进一步强化了局部编辑、人像与商品保真。 Qwen-Image-2.1，千问图像系列当前兼顾生成效果、推理效率与使用成本的开源图像模型。Qwen-Image-2.1 将文生…- 99.4k
- 99.4k
-
Qwen Image 2.1效果抢先预览！文字/影视/电商/编辑全拉满，即将开源！
今天，Qwen团队推出Qwen-Image-2.0，新一代图像生成基础模型，首次将图像生成和图像编辑统一到一个模型中，以更小体量，实现复杂文字渲染和极致真实质感。图文排版、专业书法、多格漫画、写实摄影……更多玩法等你探索！Qwen-Image-2.1 将高质量图像生成与灵活编辑融于一体，兼顾出色表现与推理效率。通过灵活的输出形式和精细的创作控制，从生成全新画面到调整复杂构图，为多样化的视觉创作提供…- 13k
- 13k
-
AI歌词生成歌曲YUE2：AI歌曲高速生成,支持老显卡,音频时长和歌词自动对齐
一、YUE2概述 YuE2-3B 是原始 YuE 歌词到歌曲模型的继任者。团队将其定位为前沿质量的开源音乐生成，最亮眼的特性是带可编辑乐谱的符号化规划。YuE2 不会从文本直接跳到音频，而是先写出包含旋律与和弦（ABC 记谱法）的方案，再据此渲染音频。由于该方案是显式的，你可以： 作曲与编辑：完整旋律加和弦、仅旋律，或不使用乐谱直接生成 自带乐谱：输入已有的 ABC 乐谱，让 YuE2 演唱它 用…- 29.5k
- 29.5k
-
2026年10月秋叶大佬最新Comfyui整合包：ComfyUI-aki-V3.2（v3.7+）和V1.1（Intel Arc版）-史诗级更新
本文持续更新秋叶大神最新发布的ComfyUI整合包。ComfyUI是一个非常便利的AI绘画工具，拥有节点式和工作流式的AI绘画界面，并支持多种节点的使用。秋叶大神发布ComfyUI整合包主要是为了改善国内ComfyUI的入门生态，使新手更轻松入门。尽管ComfyUI以其高度可定制和自定义的编辑方式而受到广泛使用，但对于新手来说却具有一定的难度。此外，快速的更新速度、不兼容的更新、以及社区化松散等问…- 15m
- 15m
-
Qwen3.8-27B 本地部署实操：从 GGUF 到 vLLM（全网最详细版）
Qwen4.0 架构来了，Qwen3.8-Flash-Next重磅来袭：125B总参却只激活6B，效率碾压大模型 模型体验地址：https://modelscope.cn/models/Qwen/Qwen3.8-Flash-Next/files 一、Qwen3.8-27B介绍 Qwen3.8-27B 这几天之所以被本地模型用户高度关注，不是因为它参数量特别大，恰恰相反，是因为它把相当强的 Codi…- 57.7k
- 57.7k
-
MiniMax 发布 Music3 音乐模型：给歌词和描述，可生成最长 5 分钟歌曲
一、MiniMax Music 3介绍 MiniMax-Music3 是 MiniMax 于 2026 年 8 月 14 日发布的音乐生成大模型，能够创作长达 五分钟 的完整歌曲。在给定歌词和详细音乐描述的条件下，该模型可生成结构连贯、富有表现力的人声、不断演化的编曲以及稳定的长时音频质量的歌曲。 MiniMax Music 3 结合了用于长距离音乐结构建模的 8B 全局大语言模型（Global …- 54.3k
- 54.3k
-
MiniMax H3满血版开源！8G显存可玩，全模态支持及Flux3预览版，Seedanc2.0大量对比实测
一、MiniMax H3介绍 MiniMax H3是一个通用型全模态生成系统，可统一理解文本、图像、视频和音频组成的多模态上下文，生成最长15秒、最高2K分辨率并带有原生立体声音频的视频。 MiniMax 正式发布新一代通用全模态生成模型 MiniMax H3，作为品牌首款计划开源的多模态视听生成模型，H3 将文本模型成熟的推理、上下文技术迁移至视频生成领域，面向开发者与商业场景提供一体化音视频生…- 265.2k
- 265.2k
-
微软开源轻量级多模态图像生成模型Mage-Flow：四步完成专业级编辑的秘密
2026年7月23日，微软宣布开源轻量级多模态图像生成模型系列 Mage-Flow，将最新的原生分辨率文生图与图像编辑能力以约 40 亿参数的紧凑规模完整开放给开发者和研究社区[1][2][3]。这一模型族以“高质量输出 +低算力门槛”为目标，可在单卡消费级 GPU 上高效运行，被视为对当前动辄数十亿乃至上百亿参数的闭源图像模型的一次有力补充。 Mage-Flow 由微软研究团队牵头，在学术论文、…- 40k
- 40k
-
阿里开源Wan-Dancer舞蹈生成模型,突破分钟级舞蹈生成瓶颈
一、Wan Dance是什么？ Wan-Dancer是阿里通义万相开源的音乐驱动人像舞蹈视频生成模型，参数量达140亿，可根据输入音乐自动生成与节拍匹配的人物舞蹈视频，支持输入单张人物照片与音频，自动生成15 秒至 3 分钟、节拍精准对齐的高清连贯舞蹈视频 。 音乐驱动舞蹈生成：输入人物照片与音乐，自动生成与节拍精准对齐的舞蹈视频。 分钟级长视频生成：突破传统 20 秒限制，稳定生成 …- 73.7k
- 73.7k
-
Qwythos-9B 完整上手指南：一个用 Claude 数据训练出来的本地推理模型（4GB 显存即可本地部署）
一家叫 Empero AI 的独立研究机构，发布了一个开源模型 Qwythos-9B，并且在模型介绍页上明确写着——它的训练数据来自 Claude Mythos 和 Claude Fable 的输出。 公开承认用闭源商业模型的输出来训练开源模型，这件事本身就够刺激了，更何况 Anthropic 的服务条款明确禁止这种做法。消息一出，评论区两极分化：有人觉得这是开源社区对闭源模型护城河的一次正面冲击…- 35.7k
- 35.7k
-
Bernini：全能Wan视频编辑与生成模型，AI视频编辑先理解再动手
一、Bernini 介绍 Bernini 是字节跳动商业化技术团队于 2026 年 6 月开源的统一视频生成与编辑框架，该框架核心主打“先理解、再生成”的协同机制，旨在有效解决传统模型由于无法精准理解复杂指令而导致的画面失控、帧间闪烁等行业痛点。 目前，Bernini在字节自建的测试中已稳居行业第一梯队。其推理代码与第二阶段模型Bernini-R的权限已正式放开，包含完整功能的全版本也将在近期迎来…- 97.1k
- 97.1k
-
Krea2 Turbo模型：多风格生成工作流，人像效果足以撼动Z-Image人像王座的最新模型
一、Krea 2 是什么？ Krea 2 是 Krea AI 于 2026 年 6 月发布的开源文生图模型，参数规模达 120 亿，采用扩散 Transformer（DiT）架构。一个面向"创意探索"的基础图像生成模型系列。Krea 2 在 Artificial Analysis 文生图榜单上位列全球前十、独立实验室第二。模型采用 12B 稠密 DiT 骨干、Qwen3-VL …- 99.8k
- 99.8k
-
最强开源生图AI模型：Ideogram 4.0登场，已超越Nano Banana Pro精准定位文生图
一、Ideogram介绍 Ideogram公司宣布推出其最新的4.0版本开放权重文生图模型（简称 Ideogram4），目前在设计类图像生成领域处于领先地位，被称为“设计前沿的开源图像模型”。在设计专属评测（Design Arena）、排版测试、通用图像排行榜上，都是开源模型里的第一，整体接近甚至在某些设计任务上超越一些闭源大模型。 Ideogram4.0的核心规模为9.3B参数，采用单流架构，使…- 114.1k
- 114.1k
-
Qwen3.6-35B-A3B 越狱版来了！目前最强“无审查”开源模型？6G 显存都能跑，本地 AI 彻底自由了
最近AI圈真的越来越离谱了。如果你一直关注本地大模型，会发现现在的开源模型不仅越来越聪明，甚至开始挑战闭源商业AI。今天要介绍的这位，直接把“本地AI”推向新阶段——它不仅无审查、无限制，而且非常聪明，6G显存就能跑！ 它就是： 🔥 Qwen3.6-35B-A3B Uncensored HauhauCS Aggressive 一个目前热度极高的“越狱版”开源模型。简单说：它没有官方模型那些条条框框…- 214.2k
- 214.2k
-
微软开源高质量生图模型Lens，秒级出图对标Z-image-turbo
一、Lens介绍 Lens是一个38 亿参数的基础文本到图像模型，旨在实现高效训练和快速高分辨率生成。它结合了密集描述预训练、混合分辨率学习、GPT-OSS 多层文本特征和 FLUX.2 语义 VAE，以远低于大型 T2I 模型的训练计算量达到具有竞争力的质量。 该存储库提供了从 Lens DiT 检查点生成图像所需的最小推理代码。 高效基础模型——基于Lens-800M进行训练，Lens-800…- 53.8k
- 53.8k
-
Netflix开源Void-inpainting视频擦除 ：一键抹掉视频瑕疵，效率革命才刚开始
一、VOID介绍 VOID,全称为视频物体与交互删除模型(Video Object and Interaction Deletion)，由Netflix联合索菲亚大学研究团队开发的前沿AI视频编辑系统，专为影视后期制作设计，核心能力是智能删除视频中的物体并动态重构场景，实现物理一致性与视觉连贯性的自动修复。。它的输入是一段视频和你想抹除的物体掩码，输出是抹除后的完整视频。 核心功能 物体擦…- 43.3k
- 43.3k
-
Qwen3.6 系列首个开源模型 Agent :270亿参数的稠密多模态模型
一、Qwen3.6介绍 Qwen3.6 是一个拥有270亿参数的稠密多模态模型，也是社区呼声最高的模型规格。Qwen3.6-27B 依然支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现，全面超越前代开源旗舰 Qwen3.5-397B-A17B（总参数397B / 激活参数17B的MoE模型）。作为稠密架构，它无需MoE路由即可部署，是开发者在实用、可广泛部署规模上获取顶尖编程能力的理想…- 85.3k
- 85.3k
-
FLUX2 KLEIN 全面升级 True V2底模开源模型：FLUX.2生态中首个支持文字渲染的9B级模型
一、Flux2-Klein-9B-True-V2介绍 Flux2-Klein-9B-True-V2是基于官方FLUX.2 [klein] 9B改进的文生图/图生图模型，作为FLUX.2生态中的重要成员，它首次在9B级别实现了高质量的文字渲染能力。这个开源模型不仅保留了原版的核心优势，还通过微调增强了多项实用功能。 核心能力亮点： 支持文生图(Text-to-Image)和图生图(Image-to-…- 88.9k
- 88.9k
-
小米开源TTS模型OmniVoice覆盖 600+ 语种零样本语音克隆 TTS：小语种也能轻松复活
一、什么是OmniVoice OmniVoice-TTS 是由小米人工智能实验室下一代 Kaldi 团队（k2-fsa）于 2026 年 4 月开源的大规模多语言零样本文本转语音（TTS）模型，支持超 600 种语言，在语音克隆、声音设计、推理速度等方面表现突出，适用于多语种配音、数字人、有声书、语言保护等场景。 OmniVoice-TTS 工作流采用模块化设计，将语音生成的不同需求划分…- 60k
- 60k
-
SAM3.1实时视频与图像实现万物分割
一、SAM3.1介绍： SAM 3（Segment Anything with Concepts，即基于概念的任意分割）是 Meta 公司推出的统一基础模型，用于图像和视频中的可提示分割。它利用文本或视觉提示（例如点、框和掩码）来检测、分割和跟踪对象。SAM 3 引入了穷举分割由简短文本短语指定的开放词汇表概念所有实例的功能，其处理的独特概念数量是现有基准测试的 50 倍以上。SAM 3.1 在此…- 37k
- 37k
-
百度文心开源文生图模型ERNIE-Image：实现顶级文生图与精准文字渲染
一、ERNIE-Image介绍 ERNIE-Image 是由百度文心大模型团队开发的一款开源文生图模型。它基于单流 Diffusion Transformer（DiT）架构，并配有一个轻量级 Prompt Enhancer，用于将简短输入扩展为更丰富、更结构化的描述。在仅有 8B DiT 参数规模的前提下，达到了开源文生图模型中的领先水平。 整体来看，它在复杂指令跟随、文字渲染和结构化图像生成方面…- 59k
- 59k
-
ComfyUI使用Gemma4实现图片反推,开源最强小模型？本地跑 31B 媲美百亿大模型实战测评
一、Gemma4是什么？ 2026年4月2日，谷歌DeepMind正式推出Gemma 4系列多模态开源模型，时隔一年接力Gemma 3，凭借全场景覆盖、端侧深度优化与商业友好开源协议，成为谷歌迄今最强、最亲民的开源AI模型家族。最具颠覆性的是，它专为手机打造超小参数版本，普通千元机就能本地离线运行，真正实现“把AI装进口袋”。 模型规格：包含高效 20 亿（E2B）、高效 40 亿（E4B）、2…- 87.1k
- 87.1k
-
京东开源图像模型JoyAI-Image-Edit，空间编辑与理解能力达到世界一流水平
一、JoyAI-Image-Edit介绍 JoyAI-Image 是一个统一的多模态基础模型，用于图像理解、文本到图像的生成以及指令引导的图像编辑。它结合了 8 亿像素的多模态大型语言模型 (MLLM) 和 16 亿像素的多模态扩散变换器 (MMDiT)。JoyAI-Image 的核心原则是理解、生成和编辑之间的闭环协作。更强大的空间理解能力通过更优的场景解析、关系基础和指令分解来提升基于场景的生…- 80.8k
- 80.8k
扫码打开当前页
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×