阿里开源 OmniAvatar：音频驱动数字人模型
OmniAvatar1 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。
开源对话式图像编辑器 EasyEdit
EasyEdit2 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。
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 demo4（虽然有点卡卡的），实际效果还可以。