Wan2.2AllInOne 由社区大佬基于Wan2.1和Wan2.2视频生成模型整合训练，将加速Lora、CLIP 和 VAE等各种加速技术融为一个模型，因此你无需建立各种复杂的节点，工作流大大简化，只需要一个模型即可搞定，真正的AllInOne。支持文生视频和图生视频，最快4步生成，实测5秒视频只要1分钟。Wan2.2AllInOne 是阿里万相团队开源的 WAN2.2 视频模型的“大一统”整

TIGER 是一种轻量级语音分离模型，通过频段分割、多尺度及全频帧建模有效提取关键声学特征。TIGER 模型大小不到20M，即使CPU也可以流畅运行，且支持人声伴奏分离（音频文件中分离人声和伴奏）、音频说话人分离（从多个说话人音频中分离出每个说话人的声音）、视频降噪以及视频语音分离等功能。远程教育和会议‌：在远程教育和在线会议中，TIGER能够分离出各个参与者的声音，减少背景噪音和干扰，提高沟通效

超低延迟与高效部署‌ 推理延迟低于 200ms，支持实时应用（如语音助手、游戏对话），并提供轻量级 Python 库（chatterbox-tts）简化部署。情绪夸张控制‌ 首个支持通过参数调节语音情感强度的开源 TTS 模型，可生成从平淡到戏剧化的多种表达，显著优于传统机械输出。零样本语音克隆‌ 仅需数秒参考音频即可克隆目标声音，无需额外训练，适用于个性化语音助手和虚拟角色配音。TTS，和其他类

它以515M的参数规模，展现出令人惊叹的音频生成能力，能够在短短3.7秒内生成高达30秒的高质量音频，展现出卓越的性能和效率。该模型不仅能够生成各种音效，如鸟鸣和口哨声，还引入了一种新的优化框架CLAP-Ranked Preference Optimization（CRPO），以提升生成音频的质量和对齐性能。1、影视与游戏音频制作：TangoFlux可依剧本或场景描述，快速生成逼真音效、配乐及配音

MOSS-TTSD（文本到语音对话）支持中英文的双语语音对话合成，能够将两个说话者之间的对话脚本转化为自然、富有表现力的会话式语音。通俗的讲，只需要上传两段参考音频，输入两个人的对话文字内容，即可一键生成两人的对话音频内容，生成对话语音自然、且富有表现力，几乎接近真人对话水平。MOSS-TTSD 是一种语音对话生成模型，能够支持中英文的富有表现力的对话语音合成，支持零样本多说话人语音克隆、语音事件

SoloSpeech 的核心用途是‌目标语音提取（Target Speech Extraction, TSE）‌，即从包含多个说话者声音的混合音频中，分离并提取出特定说话者的声音。优化语音训练数据‌：在语音识别或语音合成模型的训练过程中，可以使用SoloSpeech来处理嘈杂或混合的语音数据，提高模型的训练效率和性能。音频降噪教程：软件同样支持一键音频降噪，混合音频和说话人音频分别上传需要降噪的音

MOSS-TTSD（文本到语音对话）支持中英文的双语语音对话合成，能够将两个说话者之间的对话脚本转化为自然、富有表现力的会话式语音。通俗的讲，只需要上传两段参考音频，输入两个人的对话文字内容，即可一键生成两人的对话音频内容，生成对话语音自然、且富有表现力，几乎接近真人对话水平。MOSS-TTSD 是一种语音对话生成模型，能够支持中英文的富有表现力的对话语音合成，支持零样本多说话人语音克隆、语音事件

HivisionIDPhoto是一种实用的证件照智能制作算法。它利用一套完善的模型工作流程，实现对多种用户拍照场景的识别、抠图与证件照生成。

今天的V3版一键包在官方8月9日发布的最新版做了更新，新增精确的肖像编辑，人像重定向功能在原有的抬头低头等编辑的基础上，新增了X/Y/Z轴运动

LivePortrait，这个名字听起来就像是魔法，但它其实是现实世界中的黑科技。想象一下，你那尘封已久的相册里，那些定格在时间里的笑脸，突然间动了起来，眨眼、微笑、甚至说话，这不再是电影里的场景，LivePortrait让它变成了现实。