AI 大模型
389 个实体 · 自动按 Tier 分层 · NavXD 知识图谱已收录
旗舰（工具）
// TIER-1 · 本主题最具影响力的 12 个NextChat
一款开源且可自托管的 AI 聊天平台。
OpenAudio
Fish Audio 推出的新一代文本转语音（TTS）模型，旨在生成高度自然、富有情感的语音输出。
MiniCPM-o 4.5
MiniCPM-o 4.5 是 OpenBMB 开源的一款全双工端到端多模态大模型（Vision + Language + Sp
Chatterbox
Resemble AI 开发并于 2025 年开源发布的高性能文本转语音（TTS）模型。
SmolVLA
SmolVLA ——一款革命性的轻量级视觉-语言-行动（VLA）模型，仅 450M 参数，适合常规硬件训练与部署。
SHARP
苹果推出的开源单目视图 3D 场景合成模型。
TRELLIS.2
微软发布的开源 图像到 3D 生成 AI 模型。
Depth Anything 3
Depth Anything 3 (DA3) 是 ByteDance-Seed 团队开源的下一代通用 3D 视觉重建模型，可从任
讯飞星火
讯飞星火是一款功能全面、技术先进的智能语音助手APP，它为用户提供了丰富的智能服务和便捷的交互体验。
智谱清言
智谱清言是一款功能强大的智能对话助手应用，通过结合知识图谱、内容生成和语音识别等技术，为用户提供智能的知识支持和信息处理工具。
腾讯元宝
腾讯元宝是一款由腾讯推出的智能助手应用，专注于提供多种 AI 驱动的生活、学习和办公服务。
MiniMax
一家中国领先的人工智能公司及其核心产品与技术生态，涵盖公司背景、主要产品（包括文本到视频、图像生成、语音合成等）、技术架构、典型
实用（工具）
// TIER-2 · 稳定推荐档PartCrafter
PartCrafter ——首个支持从单张 RGB 图像生成结构化 3D 模型 的 AI 工具。
Live Avatar
一个面向 AI 工具使用者的先进 实时音频驱动交互式头像生成系统。
HunyuanVideo-Avatar
腾讯混元团队联合腾讯音乐天琴实验室（MuseV）于 2025 年 5 月 28 日发布并开源的语音驱动数字人模型。
Qwen-Image-Layered
由 Qwen 团队开发的 图像分层 AI 模型，可以将单张图像自动分解成多个可独立可编辑的 RGBA 图层，实现类似专业图像编辑
MMaDA
实现跨文本推理、多模态理解和文本到图像生成等多个领域的卓越性能。
SongGeneration
SongGeneration 是腾讯AILab开发的开源歌曲生成模型，基于 LeVo 架构与音乐编码器，可从歌词、风格描述与参考
MedGemma
Google 于 2025 年 5 月在 Google I/O 大会上推出的开源多模态医疗 AI 模型套件。
SoulX-FlashTalk
SoulX-FlashTalk 是 Soul AI Lab 开源的实时数字人生成模型，基于 14B 参数级别架构，通过自纠正双向
LingBot-VA
LingBot-VA 是蚂蚁灵波科技（Robbyant / Ant Group）发布的开源具身世界模型。该模型首次提出自回归视频
MOVA
MOVA（MOSS Video and Audio）是上海创智学院 OpenMOSS 团队与模思智能（MOSI）联合发布的开源端
RoboBrain2.0
RoboBrain 2.0 是北京智源研究院推出的开源多模态机器人“大脑”，融合视觉、语言与交互推理，支持 7B/32B 模型，
Tencent-HY-MT1.5
腾讯混元（Hunyuan）推出的开源 高质量机器翻译模型系列，支持 33 种语言互译和多种方言/民族语言，包括轻量级端侧部署能力
PlayDiffusion
Play AI 公司推出的开源音频编辑模型，基于先进的扩散模型（diffusion model）构建，专注于提供高效的音频精细编
OmniAudio
阿里巴巴通义实验室开发的空间音频生成模型，能够直接从 360° 视频生成空间音频，为虚拟现实和沉浸式娱乐带来了全新的可能性。
MoviiGen 1.1
ZulutionAI 推出的先进文本生成视频（Text-to-Video, T2V）模型。
Prompt Manager
Prompt Manager（PromptX）是一个开源提示词管理与版本控制工具，支持提示词的创建、分类、全局搜索及版本历史对比
