基于像素级统一Transformer（UiT）的图像生成基础模型，无需外部VAE或文本编码器，支持文本到图像、图像编辑和主体驱动个性化，最高2048×2048分辨率，内置推理驱动提示代理。

运行模型 HiDream-ai/HiDream-O1-Image

多语言零样本文本到语音模型，支持600+语言，基于扩散语言模型架构，支持语音克隆和语音设计。

运行模型 k2-fsa/OmniVoice

演示Qwen图像编辑LoRA集合的应用。