模型
Ingredients
Ingredients是一款基于多身份图像与视频扩散Transformer的视频生成框架，支持多身份特征的高效整合与动态分配。其核心模块包括面部提取器、多尺度投影器和ID路由器，能够保持身份一致性并生成高质量视频内容。无需额外训练即可实现个性化视频制作，适用于娱乐、广告、教育等多个领域。
Reverb ASR
Reverb ASR是一款基于深度学习的开源自动语音识别与说话人分离工具，采用20万小时高质量英语语音数据训练，具备高精度语音转录能力，支持逐字稿控制及多种解码模式。其显著特点是擅长处理长时间语音内容，并在长篇幅识别任务中超越其他开源模型。Reverb ASR适用于播客、会议记录、法庭记录等多个应用场景，为用户提供灵活且高效的语音转文字解决方案。
Mini DALL·E 3
Mini DALL·E 3是一款由多所高校联合开发的交互式文本到图像生成工具，支持多轮自然语言对话，实现高质量图像的生成与编辑。系统结合大型语言模型与文本到图像模型，提供内容一致性控制与问答功能，提升交互体验。广泛应用于创意设计、故事插图、概念设计、教育及娱乐等领域，具有高效、灵活和易用的特点。
FabricDiffusion
FabricDiffusion是一项由谷歌与卡内基梅隆大学联合开发的高保真3D服装生成技术，可将2D服装图像的纹理和印花高质量地转移到3D服装模型上。其核心技术基于去噪扩散模型和大规模合成数据集，生成多种纹理贴图并支持跨光照条件的精准渲染，具备优秀的泛化能力和实际应用潜力，适用于虚拟试衣、游戏开发、影视制作及时尚设计等多个领域。
Outfit Anyone
Outfit Anyone是一款由阿里巴巴智能计算研究院开发的高质量服装虚拟试穿开源项目。它采用双流条件扩散模型处理模特、服装和文本提示，通过衣物图像作为控制因素，生成逼真的虚拟试穿效果。该工具支持低图片输入要求，高质量试衣输出，以及多种服装搭配和姿势调整，适用于普通消费者、服装设计师、模特及电商从业者等不同群体。
