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。

能够让我们将其结合到 Comfyui 中，最低只需 6GB VRAM，安装环境比较麻烦，不过 README 中有中文介绍。来自阿里的通过音频匹配对应口型生成视频的一个技术，，也能实现类似的效果。还有一个类似的节点，

是一个用于实时编辑人脸的插件，包括如下功能：其中的表情编辑功能支持：

能够根据语音创建出可以表达不同情感的 3D 数字人头，保持口型同步，并支持从任何角度观看。从演示的效果来看不是特别自然，目前也只公开了论文，代码正在路上，数据集也没有正式发布。