基于L2P迁移范式的6B参数像素空间扩散模型，无需VAE，支持1K分辨率图像生成，利用预训练潜在扩散模型知识。

运行模型 zhen-nan/L2P

Omni-Blink LoRA 演示demo

美团LongCat视频人像模型1.5，输入参考图像、音频和文本提示，输出5秒唇形同步视频，采用INT8量化DiT和DMD2蒸馏8步LoRA。

运行模型 meituan-longcat/LongCat-Video-Avatar-1.5

输入一个提示词，自动生成AI漫画，开源项目，需要多种组件（前端、后端、LLM、SDXL等）协同运行。

运行模型 HuggingFaceH4/zephyr-7b-beta

Black Forest Labs 推出的 12B 参数 rectified flow Transformer 文本到图像模型，dev 为指导蒸馏的非商用开源权重，画质与提示词跟随对标当下闭源 SOTA。

运行模型 black-forest-labs/FLUX.1-dev

F5-TTS与E2-TTS零样本语音克隆的非官方演示，输入参考音频和文本，合成克隆语音。附带Vocos神经声码器。

运行模型 charactr/vocos-mel-24khz

FLUX.1 家族的快速版，1–4 步采样即可出图，Apache-2.0 开源可商用，面向低延迟实时生成。

运行模型 black-forest-labs/FLUX.1-schnell

IllusionDiffusion 是在 Stable Diffusion 上结合 ControlNet 条件扩展的图像生成流程，能把输入的文字和图案/图片嵌进几何或纹理结构中，生成近看是正常画面、远看或眯眼会显露隐藏图像的可控光学错觉作品。