SCAIL-2
SCAIL-2 是面向可控角色动画的开源视频生成模型。它使用参考角色图像和驱动视频生成动画,也支持角色替换与多角色场景;端到端驱动不必依赖骨架姿态中间表示。(huggingface.co) 支持角色动作迁移、跨身份角色替换、多角色动画及替换,也支持以动物动作作为驱动,以及零样本使用网格渲染等控制条件。可用于角色动画、视频角色替换及相关研究。(teal024.github.io) 官方推理流程使用参…
模型发布档案
聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。
SCAIL-2 是面向可控角色动画的开源视频生成模型。它使用参考角色图像和驱动视频生成动画,也支持角色替换与多角色场景;端到端驱动不必依赖骨架姿态中间表示。(huggingface.co) 支持角色动作迁移、跨身份角色替换、多角色动画及替换,也支持以动物动作作为驱动,以及零样本使用网格渲染等控制条件。可用于角色动画、视频角色替换及相关研究。(teal024.github.io) 官方推理流程使用参…
Qwen3.7-Max 是 Qwen3.7 系列的 Max 模型,面向智能体应用。本版本是 2026 年 6 月 8 日的模型快照;阿里云官方更新记录将其列于 2026 年 6 月 9 日的全球部署范围更新中,新加坡国际部署范围的更新日期为 2026 年 6 月 10 日。(alibabacloud.com) 支持文本、图像和视频输入,输出为文本。相较于 2026 年 5 月 20 日快照,本版本…
Gemma 4 12B Unified 是 Google DeepMind 发布的开放权重、密集型多模态模型,面向笔记本电脑、桌面设备和小型服务器上的本地推理。它采用统一的无独立多模态编码器架构,通过轻量投影处理图像和音频输入;模型约有 119.5 亿参数,以 Apache 2.0 许可证发布。(blog.google) **多模态输入与文本输出:**支持文本、图像、视频和原生音频输入,生成文本;…
MiniMax M3 是面向编程、智能体和长程协作的原生多模态模型。官方于 2026 年 6 月 1 日发布,API 模型 ID 为 MiniMax-M3。(minimax.cn) 支持文本、图片和视频输入,以文本形式输出;可用于多模态理解、代码生成与修复、长文档和代码库分析。(huggingface.co) 采用 MiniMax Sparse Attention(MSA),最高支持约 100 万…
Universal Audio Tokenizer 是腾讯微信 AI 发布的紧凑型单码本音频分词器,旨在结合语言对齐与通用音频感知,为音频大语言模型提供统一的音频输入和输出表示。它不是独立的聊天模型或完整的文本转语音服务。(github.com) 将语音、声音和音乐等音频编码为离散 token,并可从 token 重建波形;官方提供预训练权重、推理示例和训练代码。(huggingface.co)…