微软开发的 Mage-Flow，4B 参数图像生成与编辑基础模型，支持文本到图像生成和基于指令的图像编辑，原生分辨率，使用 Turbo 变体实现快速推理。

运行模型 microsoft/Mage-Flow-Turbo

NVIDIA 开发的统一音频-文本 LLM，基于 MoE 架构（30B 参数，3B 激活），支持音频理解、语音识别、翻译、文本推理、TTS 和语音到语音生成。

运行模型 nvidia/Nemotron-Labs-Audex-30B-A3B

基于 Transformers 的图像编辑 demo，结合 FireRed-Image-Edit 和 Qwen-Image-Edit-Rapid。

Kokoro-TTS 的升级版 v1.0。