标签：开源

**腾讯混元开源 HunyuanVideo-Avatar：照片秒变会说话的数字人，支持多人对口型** **一、HunyuanVideo-Avatar 模型正式开源** 2025年5月28日，腾讯混元与腾讯音乐联合发布并开源了语音驱动数字人模型 HunyuanVideo-Avatar。该模型支持用户上传一张人物照片和一段音频，自动生成具有自然表情、唇形同步及全身动作的动态视频，实现照片“开口说话...

**Google发布三款基于Gemma模型的变体：MedGemma、SignGemma与DolphinGemma** **一、MedGemma：面向医疗领域的多模态与文本推理模型** Google推出的MedGemma是基于Gemma 3架构的医疗AI模型，分为两个版本： * **MedGemma 4B**：多模态模型，结合了SigLIP图像编码器和语言模型，专为处理医学图像与文本任务设计。...

**BAGEL：字节跳动开源的统一多模态推理模型，挑战GPT-4o与Gemini 2.0** **一、BAGEL简介：统一的多模态理解与生成模型** BAGEL（ByteDance Adaptive Generalized Expert Learner）是字节跳动Seed团队在2025年5月开源发布的多模态大模型。该模型以统一的架构支持文本、图像、视频等多模态数据的理解与生成，具备与GPT-4...