2.6K+ Star！NarratoAI：一站式AI影视解说+自动化剪辑工具
NarratoAI 是一款基于人工智能大模型的自动化影视解说工具，能够实现文案撰写、剪辑、配音和字幕生成等一站式流程，适用于多种内容创作场景。
开源
阿里开源agent 开发平台AgentScope
AgentScope是用于多智能体应用开发的创新平台，提供高易用性、鲁棒性和分布式支持，并支持多种模型API。通过丰富的组件和详细的文档，开发者可以快速构建复杂的应用程序。
极高人气，开源仅两天便吸引了 15.8K 用户，大模型自动操作手机框架，又一精准为手稿上色工具
本文介绍了五种新技术和工具的应用：Genesis物理模拟平台、ClickClickClick自动化框架、AniDoc动画创作软件、Picotron预训练模型库以及OpenAI Realtime API与Twilio结合的电话助手。
阿里巴巴开源需OCR的文档处理模型：mPLUG-DocOwl 1.5
阿里巴巴人大开源的mPLUG-DocOwl 1.5无需OCR理解文档、网页、表格和图表，支持结构感知文档解析、表格转Markdown、图表转Markdown等。
全球首个端侧全模态理解模型：Megrez-3B-Omni，能同时处理图片、音频、文本
Megrez-3B-Omni是无问芯穹研发的端侧全模态理解模型，基于Megrez-3B-Instruct扩展，在图像、语音和文本领域均取得最优精度。
今日软荐：语音转博客神器 Robo Blogger，写博客的碎片时间救星来了！
Robo Blogger是一款智能工具，能够将语音内容自动转化为结构化的专业博客文章，并支持引用参考资料和定制文章结构。适用于技术、生活随笔等场景，极大提升写作效率。
字节黑科技 INFP，音频驱动的双边互动视频生成框架，实时生成，轻量又强大！
字节最新发布的INFP是一款新颖的声控头部生成框架，支持双边互动。它能够根据输入的双轨道音频实时生成虚拟头像，并实现角色自动切换、高度真实的表情与动作同步等特性。