AnyControl是一个支持多种控制信号的文本生成图像框架，可实现高质量和谐图像创作。

UDAV2在细节和鲁棒性上超越初版，并提供快速推理和高精度深度估计。

SenseVoice是一种多功能语音基础模型，包含语音识别、语言识别、情感识别及事件检测。

OpenVid-1M是一个用于文本生成视频的高质量大规模数据集。

DiffIR2VR-Zero 是基于扩散模型并用于零样本视频修复的方法。