视频内容 游戏相关 动漫电影-年兽大作战 </if

简介 官方地址: https://github.com/Tongyi-MAI/Z-Image https://huggingface.co/Tongyi-MAI/Z-Image-Turbo

简介 目前最新，最强的模型，banana pro 版本是Gemini3Pro的原生多模态模型。 所以它同时具有，推理能力、搜索能力、文字生成能力。 Pro 较比之前还提升了 一致性、画面质感。 Pro 可以添加 14张参考图。 测试环境 1.推理生图能力 <

简介 SoulX-Podcast，这是一个专为播客式多轮、多说话人对话语音生成而设计的系统，同时还在传统的文本转语音 （TTS） 任务中实现了最先进的性能。 SoulX-Podcast 集成了一系列副语言控制，支持普通话和英语，以及多种中国方言，包括四川话、河南话和粤语，从而实现更个性化的播客风格语

简介 这个模型是 wan2.2 作为底模型蒸馏出来的，所以具备了 wan22 的所有能力，对视频一致性把握非常好。 依然高噪声+低噪声模型。 ⚡ 超快速生

简介 官方地址 https://huggingface.co/Qwen/Qwen-Image-Edit 总结： 效果确实依然炸裂，但是官方模型太大。4090 跑不动，杂七杂八的模型加起来大概要40G左右显存了。。 跑了 量化 q4模型并加载了 4步LoRA， 13秒出图。速度起飞。效果也是很棒的。

简介 IndexTTS是一款由B站开源的文本转语音（TTS）模型，基于XTTS和Tortoise架构开发，专注于中文语音合成的优化，通过拼音纠正、精准停顿控制等技术显著提升发音准确性和自然度. 改进了小说文本解析器（Novel Text Parser）的功能 增加了对预格式化文本的检测和处理 优化了

简介 使用FunAsr进行语音识别，并转为文本或字幕文件。 功能 语音识别 语音时间戳预测 语音转字幕

功能介绍 （目前能实现的） 生图 - 传统提示词生图 Prompt 几张图 1-4 图片尺寸 # 1024x1024, 1536x1024, 1024x1536 秋天森林里一只狗的照片 2张图

简介 发布 v0.3.0 版本！ 本次更新新增了对多批次推理的支持，集成了 ControlNet-Union-Pro 2.0 并初步整合了 PuLID。 Nunchaku FLUX 模型作为单个文件加载，升级后的 4位 T5 编码器 在质量上已可媲美 FP8 T5！