diffusion-model

Z-Anime 是对阿里巴巴 Z-Image Base 模型进行全面微调的产物，专门用于高质量动漫生成，支持自然语言提示词，且显存占用较低。

NVIDIA发布了Nemotron-Labs-Diffusion，这是一个三模式语言模型系列（3B、8B、14B），支持自回归（AR）、扩散和自推测解码，相比标准AR解码实现了2.7倍到4倍的加速。

开发者分享了一个极简的750万参数扩散语言模型，用莎士比亚文本从头训练，并开源代码供学习。

VoxCPM2 是一个开源的、无分词器的扩散自回归文本转语音模型，支持30种语言，拥有20亿参数，48kHz音频输出，并具备从自然语言描述进行语音设计、可控语音克隆以及实时流式处理等功能。

OmniVoice 是一款大规模多语言零样本文本转语音模型，支持超过 600 种语言，基于扩散语言模型架构构建，具备快速推理和语音克隆能力。

Lightricks 发布了 LTX-2.3，这是一个基于扩散的开放权重音视频基础模型，具有改进的质量和提示遵循性，提供多个检查点，包括蒸馏和 LoRA 变体，可在本地执行。

Anima 是一个拥有20亿参数的文生图模型，专注于动漫和插画风格，由 CircleStone Labs 与 Comfy Org 合作开发，以开源形式发布在 Hugging Face 上。

SANA-Video是一个小型扩散模型，利用线性注意力和恒定内存KV缓存，高效生成高分辨率、长时长的视频，以显著更低的成本和更快的速度实现与现有模型相媲美的性能。

Hunyuan3D 2.0 是一个可扩展的基于流的扩散变换器系统，用于生成高分辨率纹理3D资产，性能优于当前最先进的模型，并已公开发布代码和权重。

Ernie Image，全新开源扩散模型，文字渲染与提示词忠实度全面超越Zage，可在ComfyUI本地运行，仅需约20 GB显存。