Google Gemini AI 打造英語發音矯正
提供即時語音辨識、AI 驅動的發音評估、語法修正和情境對話練習等功能，旨在幫助使用者提升英語口語能力。使用者需要取得Gemini 的 API Key 才能運行。
TRELLIS 3D 高品質三維模型
根據文字或圖片提示生成高品質的三維模型
支援 Radiance Fields、3D Gaussians 和 mesh等多種格式。其核心是 Structured LATent, (SLAT 結構化潛在推理），採用為 SLAT 量身打造的校正流變換器（Rectified Flow Transformers）作為骨幹。專案提供了多達 20 億個參數的大規模預訓練模型，訓練資料包含 50 萬個不同類型的三維物件。TRELLIS 在效能上顯著超越現有方法，並展現出靈活的輸出格式選擇和局部三維編輯能力。文中包含模型架構、安裝步驟、預訓練模型、使用範例（包含最小化範例和網頁Demo）、授權資訊以及引用資訊等細節。
輸出的 3D 型以 Mixamo 加入 Rigging 教學
Best Free 3D Model Generator AI in 2025 - Free & Open Source 3D AI Models are Here!
MV-Adapter 多視角影像生成
MV-Adapter: Multi-view Consistent Image Generation Made Easy
MV-Adapter 是一款多功能的即插即用適配器，可將現有的預先訓練的文本到圖像 (T2I) 擴散模型轉變為多視圖生成器。不同於以往需要完整微調的繁複方法，MV-Adapter 透過更新較少參數，有效降低計算成本並避免過擬合。
它利用創新的雙重自我注意力層和平行注意力架構，高效建模 3D 幾何知識，並整合了條件編碼器以處理不同輸入，例如文字、圖片或幾何資訊。實驗結果顯示，MV-Adapter 在不同基礎 T2I 模型和控制條件下，都能生成高保真、多視角一致的影像，展現其適應性和多功能性，為多視角影像生成設定了新的品質標準。
它利用創新的雙重自我注意力層和平行注意力架構，高效建模 3D 幾何知識，並整合了條件編碼器以處理不同輸入，例如文字、圖片或幾何資訊。實驗結果顯示，MV-Adapter 在不同基礎 T2I 模型和控制條件下，都能生成高保真、多視角一致的影像，展現其適應性和多功能性，為多視角影像生成設定了新的品質標準。
F5-TTS 文字轉語音仿真模型
示範範例： https://SWivid.github.io/F5-TTS
F5-TTS (Best ElevenLabs Alternative Yet!): Easy Step-by-Step Installation + Demo
