Generative AI

Index-AniSora 是一个专为高质量动漫视频生成和动画制作而设计的强大开源框架。该系统集成了全面的数据处理流水线、带有时空掩码的可控生成模型以及专业的评估基准。它支持多种创意任务，包括图像到视频生成、风格迁移、角色 3D 建模和多模态引导。

ArcReel 是一款基于 AI Agent 驱动的开源视频生成工作台，旨在实现从小说剧本到短视频成片的自动化生产。该平台通过多智能体架构编排任务，支持 Gemini、火山方舟、Grok 及 OpenAI 等多种主流供应商的图像与视频生成模型。用户可通过可视化界面管理项目，并利用异步任务队列与版本回滚功能，高效完成高质量的视频创作。

OpenMontage 是一个开源的智能体系统，它将 AI 编程助手转变为功能全面的视频制作工作室。它实现了整个创作工作流的自动化，涵盖了研究、脚本编写、素材生成、剪辑以及最终合成。该平台支持使用多种免费和付费工具来制作 AI 生成的视觉内容以及真实素材的纪录片蒙太奇。

VoxCPM2 是一个无需分词器的 2B 参数文本转语音系统，利用扩散自回归架构实现高度自然的音频合成。该模型支持 30 种语言，并提供包括文本描述生成语音和可控声音克隆在内的高级功能。它能够输出录音室级别的 48kHz 音频，并以 Apache-2.0 许可证完全开源，支持商业用途。

ERNIE-Image 是百度开发的一款基于单流 Diffusion Transformer 架构的开源文生图模型。该模型配备了轻量级提示词增强器，能够将简短输入转化为结构丰富的描述。凭借 8B 参数规模，它在处理复杂指令、文本渲染及结构化视觉任务方面表现出色，并支持在消费级 GPU 上高效部署。

JoyAI-Image 是一个统一的多模态基础模型，它集成了 8B Multimodal Large Language Model 和 16B Multimodal Diffusion Transformer，以支持图像理解、生成和编辑。该模型利用理解与生成之间的闭环协作，增强了空间推理和可控编辑能力。它提供了一个可扩展的训练流水线，并支持多视图生成和精确空间操作等高级功能。