一种专门为实时图像生成服务设计的扩散模型管道，显著地提升了实时图像生成的性能。

支持文字生成视频和图片生成视频。

一款适用于搭建内部培训平台的开源系统，旨在为企业/机构打造自己品牌的内部培训平台

一个开源工具包，可实现语音、声音和歌唱功能

一个使用类型来构建自然语言界面的库。

一个强大的深度学习文本到语音工具包，具有高度的可定制性和多语言支持。

微软发布了DragNUWA 1.5版本，用户可以在图像上画出对应方向的箭头标记。在通过图像生成视频之前，这些标记可以用来指导镜头的运动方向。

由 Tohrusky 开发的一款图像超分辨率技术，它可以以更高的分辨率和质量重构图像。

一个开源的深度伪造工具包，用于生成逼真的深度伪造视频和图像。

一个语音转换工具，可以将文字转换为语音，并用OSC消息发送到VRChat上的头像显示。