模型
CosyVoice 2.0
CosyVoice 2.0是一款基于深度学习的语音生成大模型，通过有限标量量化技术和新型架构设计，在发音准确性、音色一致性和韵律表达方面表现出色。其支持流式推理，延迟低至150ms，广泛应用于智能助手、有声读物、视频配音及语言学习等领域，同时具备多语言支持和情感控制等功能。
MiniCPM 3.0
MiniCPM 3.0是一款由面壁智能开发的高性能端侧AI模型，具有40亿参数。它采用LLMxMapReduce技术，支持无限长文本处理，增强了上下文理解能力。MiniCPM 3.0在Function Calling方面表现出色，接近GPT-4o的水平。该模型还包括RAG三件套，提升了中文检索和内容生成的质量。模型已开源，量化后仅占用2GB内存，适合端侧设备部署，保障数据安全和隐私。
OpenAudio S1
OpenAudio S1是Fish Audio推出的文本转语音（TTS）模型，基于200万小时音频数据训练，支持13种语言。采用双自回归架构和RLHF技术，生成自然流畅的语音，支持50多种情感和语调标记。具备零样本和少样本语音克隆功能，仅需10到30秒音频即可生成高保真声音。适用于视频配音、播客、游戏角色语音、虚拟助手、游戏娱乐、教育培训及客服系统等场景。提供40亿参数完整版和5亿参数开源版，满足
OLMo 2 32B
OLMo 2 32B 是由 Allen Institute for AI 推出的开源语言模型，拥有 320 亿参数，性能接近更大规模模型。它采用三阶段训练策略，结合预训练、中期训练和后训练，提升模型稳定性与任务适应性。模型支持多任务处理，涵盖自然语言处理、数学推理、编程辅助和内容创作等领域，并具备高效训练能力与低能耗优势。所有数据、代码和权重均开源，便于研究与开发。
Motionshop
Motionshop是一款由阿里巴巴智能计算研究院开发的AI角色动画框架，能够将视频中的角色转换为3D化身，同时保持视频中其他元素的完整性。该框架利用视频处理、角色检测与分割、姿态分析、模型提取及动画渲染等多项技术，实现了视频中角色从现实到虚拟的无缝转换。用户只需上传一段视频，Motionshop将自动识别视频中的主要人物，并将其转换为3D角色，同时精确复制原视频中人物的动作细节，确保3D角色的动
