Voyage Multimodal
Voyage Multimodal-3 是一款多模态嵌入模型，能够处理文本、图像以及它们的混合数据，无需复杂文档解析即可提取关键视觉特征。它在多模态检索任务中的准确率显著高于现有最佳模型，支持语义搜索和文档理解，适用于法律、金融、医疗等多个领域的复杂文档检索任务。
MultiBooth
MultiBooth是一种由多所高校和研究机构联合开发的多概念图像生成工具，能够根据文本提示生成包含多个指定概念的高质量图像。其核心技术包括单概念学习和多概念整合，采用多模态编码器、自适应归一化和区域定制化模块，实现高效、精准的图像生成。支持插件式架构，具备良好的扩展性和灵活性，适用于创意设计、广告、教育、电商及科研等多个领域。
Runway Gen
Runway Gen-4 是一款由 Runway 公司推出的高保真 AI 视频生成模型，能够跨场景保持人物、物体和环境的一致性，无需额外训练。用户仅需提供一张参考图和文字指令，即可生成具有真实物理效果和高质量视觉风格的视频内容。支持多种应用场景，如影视制作、动画创作、音乐视频、游戏开发和广告营销，有效提升创作效率并降低成本。
DesignEdit
DesignEdit是一个由微软亚洲研究院和北京大学的研究人员共同开发的AI图像编辑框架。它采用了多层潜在分解和融合技术，能够实现对象移除、移动、调整大小、翻转、相机平移和缩放等复杂图像编辑任务。DesignEdit还支持跨图像元素的组合，特别适用于设计图像和海报的编辑。通过关键掩码自注意力机制和伪影抑制方案，DesignEdit能够在不破坏图像整体连贯性的情况下，实现高精度的空间感知图像编辑。
Parakeet TDT 0.6B
Parakeet TDT 0.6B 是一款由英伟达开发的开源自动语音识别（ASR）模型，采用 FastConformer 和 TDT 架构，具备高速转录、高精度识别、歌词转录、文本格式化等功能。模型在 Hugging Face Open ASR Leaderboard 中表现优异，实时因子高达 3386，适用于会议记录、法律医疗、字幕生成及音乐索引等多种场景。
