Vitron由昆仑万维2050全球研究院、新加坡国立大学和新加坡南洋理工大学团队联合发布并开源的通用像素级视觉多模态大语言模型。

VideoGigaGAN是由Adobe和马里兰大学的研究人员提出的一种新型的生成式视频超分辨率（VSR）模型

RoboNeo 是美图公司推出的一款基于人工智能的影像与设计智能体，旨在通过自然语言交互帮助用户高效完成修图、设计和视频创作等任务。

Video-ReTalking是一种基于AI的创新技术，主要用于实现视频中人物嘴型与输入声音的同步。这项技术可以自动调整视频中人物的嘴型和表情，使其与音频内容完全匹配，并且能够生成高质量、自然的输出视频。

ReSyncer是一个由清华大学、百度公司、中关村实验室和南洋理工大学的研究人员共同推出的新技术框架，用于创建统一的音频-视觉同步的面部表演者系统。ReSyncer不仅可以实现更高稳定性和质量的口型同步，而且还支持创建虚拟表演者所必需的各种有趣属性，包括快速个性化微调、视频驱动的口型同步、说话风格的转换，甚至换脸。

视频生成模型Loong是一种基于自回归大语言模型（LLM）的新型视频生成器，由中国香港大学和字节跳动的研究人员共同推出。该模型能够生成长达一分钟的连贯、内容丰富的视频。