字节跳动豆包大模型团队推出的前沿视频生成基础模型。该技术通过整合多模态生成能力（文本,图片,音频,视频）与底层的MMDiT架构，实现了“原生音画同步”与“多镜头长叙事”的突破。

喜马拉雅旗下，多情感多模态的Al辅助工具，强大的在线剪辑能力，辅助你轻松创作出优秀的音频作品

MemFree 是一个开源的混合 AI 搜索引擎，它通过整合多种 AI 模型和搜索引擎，提供多模态搜索功能，支持文本、图像、文件和网页等多种方式进行搜索和提问。

通义实验室聚合通义千问、万相等大模型及相关应用，覆盖文本理解与生成、视觉和音频理解、图像视频生成、长文档总结、信息提取、内容审核与智能交互等任务，适合办公处理、数据分析和行业应用探索。

Agentset 面向开发者，用于构建结合搜索与问答的 AI 应用。它支持多种文档和多模态内容，提供混合搜索、重排、引用与元数据筛选，适合把企业知识库接入产品或外部应用。

VideoLLaMA2 是一个面向图像、视频和文本交互的多模态应用示例。用户可以输入文字并上传图像或视频，再围绕媒体内容进行提问，适合用于内容理解、信息提取和自然语言分析等任务。

本课程围绕现代深度学习、基础模型与多模态人工智能展开，探讨语言、视觉、音频、传感器、医疗数据、音乐和艺术等真实世界数据的处理方式，并通过讲授、阅读、讨论和研究训练建立应用人工智能的判断力。

星流AI是LiblibAI打造的一站式多模态AI设计Agent，深度优化中文语境，支持图/视频/3D/音频全链路创作与精细化编辑，低门槛实现专业级创意产出。

腾讯元宝是腾讯推出的一款基于混元与DeepSeek双模型打造的全能AI助手，深度融合微信生态，提供搜索、文档解析、创作等多模态服务，覆盖工作学习生活全场景。

AutoGLM是一款面向未来的全能型多模态生成平台，凭借“一句话生成”技术，实现了从文本到PPT、视频、播客、网页乃至数字人的跨界创作，轻松达到了行业内的SOTA级别性能。

360公司推出的一款创新性人工智能工具，核心功能包括多模态交互、智能问答、内容创作以及深度学习等

千亿多模态大模型免费智能对话助手

一句话生成一个游戏。SEELE AI是全球世界首个AI生成3D游戏的多模态大模型。

煎蛋AI智能体是一款专注于企业智能化转型的AI平台，其核心功能包括零代码创建智能体、多模态大模型支持以及灵活部署等。用户可以通过煎蛋平台快速创建智能体。

多模态AI音乐生成大模型，支持文本、图片和视频三种输入方式，能够快速生成高质量的音乐作品

Nano Banana Free（基于Google Gemini 2.5 Flash Image技术）是一款强大的免费AI图像生成与编辑工具，以其出色的多模态理解和生成能力，为用户提供了专业级的图像创作体验。

ChatIMG.AI 是一个面向创意工作者的 AI 多模态平台，核心功能集中在 免费生成高质量图片 与 付费将图片“一键转视频” 两大模块。

MagicAvatar 是由字节跳动开发的一款创新多模态虚拟人物生成与动画化框架。该工具能够将文本、视频和音频等多种输入形式转化为动作信号，从而生成和动画化虚拟人物。

讯飞虚拟数字人提供多种产品服务，涵盖虚拟人形象构建、AI驱动、多模态交互等，适用于多个场景。

字节跳动旗下火山引擎推出的一款创新技术产品，旨在通过人工智能和多模态技术，打造高度拟人化的虚拟形象，为用户提供智能化的交互服务

Jaaz.app 是一个开源的 AI 设计工具，世界上首个开源多模态创意代理，这是一款注重隐私、本地使用和易用性的创意工具， Lovart、Manus 和 Figma 的结合产品。

Lovart AI 是一个专注于设计领域的AI智能体，能够通过自然语言交互，理解用户需求，并自动生成品牌设计、营销物料、广告、视频、音乐等多模态内容。

万兴天幕AI是万兴科技推出的一款专注于数字创意领域的AI大模型，旨在通过AI技术赋能创作者，提升视频、音频、图像等多模态内容的创作效率和质量。

Agnes AI 是新加坡 Sapiens AI 旗下打造的AI 协作办公平台，主打 AI 智能幻灯片创作与多人协同编辑服务，同时整合多模态 AI 能力，定位为面向团队与个人的日常智能副驾驶。

一个专为本地人工智能（AI）爱好者和开发者设计的实用工具平台，其核心使命是帮助用户快速判断自己的硬件设备是否能够运行当前流行的各类大语言模型（LLM）及多模态AI模型。

美团自主研发的生成式AI大模型，模型具备强大的多模态能力，能处理文本、图像等多种数据类型

MMAudio是一个多模态音频生成模型，旨在通过视频和/或文本输入生成高质量、同步的音频。

OmniHuman 是字节跳动研发的多模态数字人生成模型，能够同时接受文本、图像、音频和姿态等多种条件，实现从单张照片生成全身动态视频的功能。

一个开源的多模态代理模型，基于强大的视觉语言模型，能够有效执行虚拟世界中的多样化任务。具备 GUI、游戏、代码和工具使用等增强能力，能够无缝集成多种能力以完成复杂任务。

一个精选的开源项目，旨在为开发者提供全面的大语言模型（LLM）应用开发参考，汇集了从基础聊天机器人到复杂的多模态系统的各类开源应用示例和详细教程

BuboGPT是字节跳动推出的一款多模态大语言模型（LLM），能够处理文本、图像和音频等多种输入模态，并具备对齐和非对齐理解的能力。

一款多模态大模型，具备高智商和高情商的特点

DeepSeek 推出的一款创新的多模态理解和生成模型

阿里巴巴集团Qwen团队研发的大语言模型和大型多模态模型系列

字节跳动推出的一系列人工智能大模型，旨在提供多模态、多场景的AI解决方案

一款多模态大模型，旨在通过视觉和语言的深度融合，提升视障人士的生活便利性

新一代多模态大模型

多模态大模型,融合文本,图像,视频,语音,3D等多模态信息

Xinference 是一个功能强大且功能全面的分布式推理框架，旨在简化大语言模型（LLM）、语音识别、多模态模型等多种AI模型的推理任务。

Haystack 是面向 AI 编排的开源框架，通过模块化、可组合的构建块连接检索、生成、推理、记忆和工具调用，适合搭建 RAG、Agent、多模态、对话式 AI 与内容生成系统。