腾讯开源多模态扩散Transformer模型HunyuanVideo-Avatar，DeepSeek开源R1最新版本性能接近O3
HunyuanVideo-Avatar生成多角色对话视频；Paper2Poster自动生成科研海报并评估其质量；Chatterbox TTS提供情感控制的TTS模型；日本语文章解析器支持文本分析、OCR和语音朗读功能；syftr优化代理工作流程以达到准确性和成本之间的平衡。
开源
CoGenAV 的核心理念是让 AI 模型也实现“音画同步”的深度理解
CoGenAV 框架结合 ResNet 3D CNN 和 Transformer 编码器提取音视频特征，并通过对比生成同步训练提升模型理解能力，实现‘听清+看懂’多模态理解。
字节开源多模态复杂文档解析模型！Dolphin：页面与元素并行解析，精准解析复杂文档！
字节跳动开源多模态AI模型Dolphin，通过两阶段机制精准解析复杂文档，支持页面级和元素级解析，并提供在线Demo及本地部署指南。
让 AI 图像处理变得简单而强大Gemini Image App,现代化的全栈 AI 图像处理平台
集成了 Google Gemini、OpenCV 和 YOLO 等先进技术，提供图像问答、生成、编辑
10.6k星星，开源热榜第一！完全本地化的免费Manus AI智能体，你只需要按时交电费。
AgenticSeek 是一个完全本地化的 AI 助手项目，替代 Manus AI。它具有智能网页浏览、自主编码等功能，并能自动分配最佳代理完成任务。
SketchVideo：手残党福音！草图秒变大片，快手黑科技让创作效率飙升300%
本文介绍了一个基于草图和文本提示的创新项目SketchVideo，它通过高效的视频生成与编辑框架改变了传统视频制作方式。该项目结合了多种先进技术，实现了高质量、连贯的视频生成和精细编辑，适用于影视制作、教育、游戏开发等多领域。
参加 Hugging Face 组织的 Gradio & MCP 智能体主题黑客松
欢迎参加Gradio & MCP智能体主题黑客松，Hugging Face举办全球线上活动，探索AnthropicMCP和AI Agentic系统。$10,000现金奖励等你来拿。