FLUX.1 Krea 它像一位“懂摄影的AI画家”，既能生成专业级图像，又保留了创作灵活性，主打“有审美、有个性、不千篇一律”的风格，通过优化光影、纹理和色彩，让生成的图像更接近真实摄影作品，而非生硬的“AI味”图片。FLUX.1 Krea 是由Black Forest Labs与Krea AI联合开发的开源文本生成图像模型，专注于独特美学风格和自然细节，避免 AI 感，提供卓越的真实感和图像质

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

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

新增了"Vace FusioniX"模型，Fusionix Text2Video 和 Vace Control Net 组合微调的互补模型，终极 Vace 模型，快速（10 步，无需指导），且视频质量远优于原始的较慢模型（尽管是目前最好的 Control Net），后期作者还会再进行一次微调。不仅速度快，质量还高，甚至媲美某项商业模型。使用和之前发布的Wan2.1以及类似的视频生成软件类似，根据需

和以往的类似项目不同，MoDA 不仅支持人物头像生成，还支持半身照和全身照生成，但默认不支持肢体动作，只有头部动作，测试下来，半身照效果也不错。批量生成：（百度网盘链接，支持单次和批量）：批量上传多个头像和驱动音频，选择配对模式，可选按照上传文件顺序匹配，也可以按照对应的文件名匹配，最后点批量生成即可。且简化了生成过程，使得生成头像的速度更快，效率更高。单次生成：（迅雷网盘链接，只支持单次生成）上

HunyuanVideo-Foley 是腾讯开源的一款 AI视频配音工具，可以自动理解视频内容，并为其配上生成逼真的音效，让画面和声音完美同步。HunyuanVideo-Foley 就像一个“AI 音效师”，能自动为视频生成高质量、同步的音效，特别适合短视频、影视、广告和游戏制作。自动生成音效：只需输入视频和简单的文字描述，模型就能生成与画面动作匹配的声音，比如脚步声、关门声、雨声等。上传需要配音

官方原版生成90秒歌曲大概需要28G显存，我在原版的基础上做了部分优化和参数调优，在生成质量没有明显降低的同时，显存16G即可完成生成任务，但相对时间也较长。音乐创作‌： 对于音乐创作者来说，SongGeneration可以作为灵感来源，帮助他们快速生成音乐素材，或者作为辅助工具，完善和优化他们的音乐作品。SongGeneration 是腾讯 AI Lab开源的音乐生成大模型，只需要输入歌词，选择

它支持多种视频生成模型，包括阿里的Wan及其衍生模型、腾讯的Hunyuan Video和LTV Video等，通过简洁易用的网页界面，用户无需深入了解复杂的模型细节，即可轻松生成想要的视频内容。使用和之前发布的Wan2.1以及类似的视频生成软件类似，根据需要，点击最上方的模型列表，切换需要使用的模型，会根据切换的模型自动下载，模型较大，耐心等待下载完成。易用性‌：提供全网页界面，用户无需安装额外软

FLUX.2 [klein] 是黑森林团队最新发布的FLUX.2 [klein]模型家族，是一款速度极快、体积紧凑的图像生成与编辑模型，它能在不到一秒的时间里完成高质量的图像生成或修改，为需要实时图像生成且不牺牲画质的应用打造。），支持高清放大，最快4步秒级完成图像编辑。支持4B和9B模型切换，支持体积更小的GGUF版本模型切换，包含更适合新手操作的WebUI和专业选手操作的ComfyUI。Web

ComfyUI适合专业用户，可自由定制节点，功能更丰富，操作更自由。关于Rank，比如模型文件名开头的“svdq-int4_r128”，这里的 r就是rank的缩写，请根据自己的需求选择 (32=快速, 128=平衡, 256=最佳质量-仅INT4)，数值越大，推理速度越慢，生成效果越好。模型使用的也是Nunchaku最新开源的 4-bit Z-Image-Turbo，兼容原版lora，集速度和生