原创 小茸茸 2025-07-03 09:43 重庆
阿里开源 OmniAvatar：音频驱动数字人模型；开源对话式图像编辑器 EasyEdit；NVIDIA 发布 DAM 模型：为图像局部生成详细描述
阿里开源 OmniAvatar：音频驱动数字人模型
OmniAvatar[1] 是阿里开源的一款基于 Wan 2.1 的音频驱动数字人模型。用户只需上传图片、音频和脚本，即可生成嘴型精准匹配、带有自然动作和表情的口播视频。不过要注意的是，这个模型至少需要 36G 显存才能运行。官方推荐单次生成 30 秒左右的视频片段，这样能达到最佳效果。从目前已有的开源数字人模型来看，OmniAvatar 的表现算是相当出色了。OmniAvatar 官网: https://omni-avatar.github.io/
开源对话式图像编辑器 EasyEdit
EasyEdit[2] 是一款基于 Flux KContext 模型的开源图像编辑器，通过自然对话即可智能修改图片。佬们可以直接在网页端免登录使用 Flux KContext Dev 基础模型，而 Pro 高级模型则需要提供 APIKey 能用。EasyEdit 官网: https://www.easyedit.io/
NVIDIA 发布 DAM 模型：为图像局部生成详细描述
NVIDIA 推出的 Describe Anything Model (DAM)[3] 是一款多模态大语言模型，它能够为图像或视频中的特定区域生成详细描述，支持通过点击、框选、涂鸦或遮罩等多种交互方式指定目标区域。目前官方提供了在线体验 demo[4]（虽然有点卡卡的），实际效果还可以。DAM项目官网: https://describe-anything.github.io/DAM在线演示空间: https://huggingface.co/spaces/nvidia/describe-anything-model-demo
❝如果你喜欢《一觉醒来 AI 界发生了什么》系列的话，请 关注、点赞、在看、收藏、分享 五连警告，这对我真的很重要！
