把 Claude、Cursor 等 AI 编程助手变成完整的视频制作工作室，内置 12 条制作流水线和 100+ 工具，覆盖从生成到剪辑的全流程。

输入一段文本就能生成带笑声、叹息等非语言声音和背景音乐的语音，效果自然，适合做创意配音和音频内容原型。

开源视频生成模型，用高效架构和训练方案降低高质量视频制作门槛，让普通开发者也能训练和部署文生视频模型。

把 Claude、Cursor 等 AI 编程助手变成完整视频制作工作室，内置 12 条制作流水线和 100+ 工具，覆盖脚本、配音、图像生成到剪辑全流程。

开源的大规模视频生成模型，支持高质量文生视频，为 AIGC 视频创作提供可用的生成能力。

腾讯混元开源的大规模视频生成框架，基于扩散 Transformer 把文本提示直接生成连贯视频，适合做文生视频研究和应用落地。

开箱即用的视频扩散模型工具箱，支持文生视频和图生视频，重点解决高质量视频训练数据不足的问题。

面向全模态模型的高效推理框架，支持图像、视频、音频生成与多模态模型服务，基于 PyTorch 提供统一的推理与部署能力。

面向创作者的开源 AI 工作台，集视频下载、翻译配音、转录、图像与视频生成、剪辑于一体，支持 120 多种语言，适合做 YouTube、TikTok 等社媒内容本地化。

通用 AIGC 视频引擎，把剧本到成片串成一条流水线，覆盖漫剧、广告、电商和乙游等场景，省去多工具拼接的麻烦。

MAGI-1 是一个大规模自回归视频生成模型，把视频拆成片段逐段预测生成，适合需要长时序连贯性的视频创作场景。

腾讯混元推出的轻量级视频生成模型，支持文生视频和图生视频，在较小参数规模下也能生成高质量视频，适合显存和算力有限的场景部署。

把随手写的提示词改写成更清晰、结构化的版本，让文生图和图像编辑模型生成效果更稳定。

面向智能体的创意工作台，把图像生成、图像处理和动态图形等模型接入统一界面，方便在创作流程中直接调用多种多模态生成能力。

把语言模型直接当作统一的多模态生成器，用自回归方式同时做文本到图像生成，省去额外扩散模型。

腾讯混元开源的图生视频模型，基于 HunyuanVideo 构建，支持自定义控制，把静态图片转成连贯视频。

轻量级图像与视频生成推理框架，支持 Wan、Hunyuan、LTX 等主流视频模型及自回归扩散模型，降低多模态生成模型的部署与推理门槛。

开源的多模态大扩散语言模型，用块扩散、混合思维链和统一强化学习，把多模态理解与生成放进同一个模型里做。

给图像和视频的指定区域生成详细描述的多模态模型，支持局部定位的细粒度 captioning，适合需要精确区域理解与描述的场景。

Prism 是腾讯混元提出的动态稀疏注意力框架，让视频-音频联合生成模型能原生训练到 2K 分辨率，解决高分辨率多模态生成算力吃紧的问题。

基于扩散模型的文本到音频生成工具，输入一段文字描述就能合成对应的声音片段，适合做音效生成和音频内容创作。

腾讯混元开源的多模态定制视频生成架构，支持音频驱动、图生视频和视频编辑，可按输入条件生成定制化视频内容。

开源的多图编辑扩散模型，支持同时处理多张输入图像进行编辑与生成，适合需要批量或组合式图像编辑的场景。

单模型同时生成画面与声音的基座模型，解决视频和音频分开生成后不同步的问题，适合做带声视频创作。

用高分辨率语义编码器把视觉理解与图像生成统一到一个模型里，既能读懂图片，也能做文生图和图像编辑。

基于扩散模型的指令式视频编辑方案，配套高质量合成数据集，解决视频编辑训练数据稀缺、难以规模化的问题。

微软 Foundry 的示例、文档与加速器合集，用 Jupyter Notebook 演示 Azure OpenAI、ChatGPT、DALL·E、嵌入模型等服务的调用方式。

自托管的生成式 AI 网页界面，集成 30 多种模型，覆盖图像、视频、音频生成，用浏览器就能统一调用，省去逐个搭建环境的麻烦。

用视觉语言模型把二维工程图纸自动转成三维 CAD 模型，省去手工建模的重复劳动。

多模态指令驱动的矢量动画生成器，输入文字或图片即可输出可直接使用的 Lottie JSON 动画文件，省去手工制作矢量动画的繁琐流程。

给无声视频自动配上生动且与画面同步的音效，基于扩散模型实现视频到音频的拟音合成。

统一视觉分词器，把图像同时编码成适合生成和理解任务的离散 token，解决生成与理解模型各用一套 tokenizer 的割裂问题。

一站式本地 AI 影音工作室，输入一句提示词就能规划完整音乐视频和短片，涵盖视频、图像与音乐生成，基于 WanGP 流水线并通过 Pinokio 安装。

给 Payload CMS 装的 AI 插件，在后台直接做文本生成、AI 写作、翻译和图像生成，省去接第三方服务的麻烦。

DF-GAN 是 CVPR2022 提出的文本到图像生成基线，用简洁的 GAN 结构从文字描述合成图像，效果稳定且易于复现。

RecA 用自监督学习让多模态模型在生成图像时借助自身的视觉理解能力，提升文生图和图像编辑的效果，可接入 ComfyUI 使用。

给 Claude Code 和 Codex 用的 UI 设计与还原技能，能从截图生成设计稿，再把设计稿还原成可运行页面。

把角色的脸、身材、服装和声音打包进一个 .char 文件，让同一个角色在不同扩散模型和视频生成工具里保持一致，省去反复调参对齐的麻烦。

一堆可直接在 Google Colab 上跑的生成式 AI 笔记本，覆盖 ComfyUI 工作流、Flux Kontext、混元、LTX 视频等图生图与图生视频玩法，省去自己配环境。

《Transformers for NLP and Computer Vision》第三版配套代码，用 Jupyter Notebook 演示 BERT、CLIP、DALL·E 3、GPT-4o、Gemini 等模型在 NLP、视觉和 RAG 任务中的实战用法。