2026-06-09 收录的 Space（8）

音频驱动说话头视频生成：上传参考图像+音频+文本提示，输出5秒唇形同步视频。基于美团LongCat-Video-Avatar 1.5，INT8量化DiT，DMD2蒸馏8步LoRA，ZeroGPU xlarge运行。

运行模型 meituan-longcat/LongCat-Video-Avatar-1.5 ↗

FLUX.1 [schnell] 的文本生成图像演示：12B 参数 rectified flow Transformer，经潜在对抗扩散蒸馏，1 至 4 步生成图像，Apache-2.0 许可，可商用。

运行模型 black-forest-labs/FLUX.1-schnell ↗

IllusionDiffusion 是一个图像生成 demo,用于生成高质量的幻觉/视错觉艺术图像。资料未说明具体输入方式与模型细节。

通过单条提示词生成漫画，结合大语言模型与 SDXL 模型进行图像生成，项目开源。

运行模型 HuggingFaceH4/zephyr-7b-beta ↗

Black Forest Labs 开发的 120 亿参数 rectified flow transformer 文本到图像生成模型，开源权重，非商业许可。

运行模型 black-forest-labs/FLUX.1-dev →

F5-TTS 与 E2-TTS 的非官方演示：零样本声音克隆，利用 Flow Matching 合成语音；本地需放置对应预训练检查点，相关代码与论文见 GitHub。

运行模型 SWivid/F5-TTS ↗

DeepSite 是一个 Vibe Coding 平台，利用生成式 AI 编写代码并生成应用程序；资料同时给出 DeepSeek-V3-0324 的 API 温度映射、文件上传与联网搜索提示词格式。

运行模型 deepseek-ai/DeepSeek-V3-0324 ↗