是一个 py 库 transformers 的 js 版本，支持浏览器和 node/deno 环境，最近更新了。，比 WASM 版本的性能提高了 30 倍（作者跑出来 60 倍的性能提升）。下面是两个基于 V3 的例子，可以试试看。，支持了 WebGPU，我用我电脑跑。

是字节跳动开源的一个利用 T2V（Text-to-Video）模型对视频进行超分辨率的方法。无论是 AI 生成的视频还是现实中的视频，S T A R 都能进行高清修复。预训练模型（基于 I2VGen-XL 和 CogVideoX-5B）及推理代码现已发布。

阿里通义团队正式推出 MLX 格式的 Qwen3 大模型，包含 4-bit、6-bit、8-bit 和 BF16 四个量化版本，专门针对 Apple 的 MLX 框架进行了深度优化。Topaz Labs[3] 最新推出的 Astra 是一款基于 AI 的视频超分辨率模型，能够将 AI 生成的视频智能放大至 4K 分辨率，同时显著提升画质和细节表现。新增了--sref random功能，提供更多的变

火山引擎正式发布豆包视频生成模型 PixelDance 和 Seaweed，两款大模型均基于 DiT 架构，主要面向企业市场。字节跳动正式宣告进军 AI 视频生成领域，目前除了发布的演示外，没啥特别多的信息，不过可以关注字节的“即梦 AI” 公众号，发“内测”俩字来获取申请表单链接。我看好多人说比肩Sora，确实和Sora一样都用不上，要我说不如开源模型 Cog 来的实在，起码能用上。

是由字节豆包团队推出的图像编辑工具，它能够根据任何文本提示修改现有图像，并保持一致性。该工具支持多种功能，如局部替换、几何变换、重新打光、风格更改、表情编辑、文字替换、姿势修改以及局部擦除等。从演示视频和官方提供的演示来看，效果非常强大，你们可以。不过，我看了下代码实现，发现它调用了字节的 API，但目前这个 API 还没有公开申请的地方，期待后续的开放。

由 XLabs-AI 训练的 Flux LoRA 大集合，包括福瑞、MJv6、动漫、迪士尼、风景、艺术共 6 个 LoRA 模型。

是一个 Sora 的开源替代, 昨天正式发布了。该项目与另一个 Sora 开源替代。现在可以在 HF 上。

NVIDIA 推出的 Describe Anything Model (DAM)[3] 是一款多模态大语言模型，它能够为图像或视频中的特定区域生成详细描述，支持通过点击、框选、涂鸦或遮罩等多种交互方式指定目标区域。OmniAvatar[1] 是阿里开源的一款基于 Wan 2.1 的音频驱动数字人模型。从目前已有的开源数字人模型来看，OmniAvatar 的表现算是相当出色了。EasyEdit[2]

功能从数字人头扩展到了数字人。只需输入一张图片、一段手势视频和一段音频，即可生成数字人。支持中英文驱动，画面稳定性非常好。群里之前有佬友在寻找开源数字人方案，这不就来了吗？主要用于生成数字人头。

发布 Avatar 3.0 主要改进了脚本理解能力、面部表情和语音语调，还新增了唱歌能力。