EmoTalk3D是一款集成情感识别与三维虚拟角色交互的创新性沟通工具，能够根据用户的语音或文本输入自动生成对应的情感表达，实现与虚拟角色的深度情感交流。

国内首个输出分步式讲解的推理模型，专为教育场景设计，能够通过思维链技术模拟人类思考过程，帮助学生更好地理解和掌握知识。

百度开源的基于 PaddlePaddle 框架的多语言 OCR（光学字符识别）工具，它支持 80 多种语言的识别，提供数据标注和合成工具，并支持在服务器、移动设备、嵌入式设备和物联网设备上的训练和部署。

GameGen-O：一款专为开放世界视频游戏生成而设计的扩散变换器模型。

TabPedia是一个新型的大型视觉-语言模型，由中国科学技术大学和字节跳动公司联合开发。该模型通过概念协同机制，能够无缝集成多种视觉表格理解（VTU）任务，如表格检测、表格结构识别、表格查询和表格问题回答。

Black Forest Labs 推出的开源图像编辑模型，支持通过自然语言对图像进行精准编辑，具备上下文感知能力，能够在多次迭代编辑中保持图像质量和风格一致性。