扩散变换器

AI个性化角色图像生成框架，主打高保真开放域角色生成 该框架基于扩散变换器架构打造，依托千万级样本的大规模数据集训练，针对角色驱动图像生成做专项优化，可支持各类外观、姿势、风格的角色生成，同时优化角色一致性与文本可编辑性，解决普通生成模型角色特征偏差的问题，目前为角色驱动图像生成设立了新的技术基准。

可从图文输入快速生成3D PBR资产的3D生成技术工具 3DTopia-XL是基于扩散变换器的3D生成技术，它将3D形状、纹理和材质编码为紧凑N×D张量，以锚定在形状表面的体积原语为单元，通过体素化载荷编码符号距离场、RGB和材质信息。区别于多数3D生成工具，它仅需5秒即可输出可用资产，生成结果可直接接入图形工作管道。

基于扩散变换器的AI音乐模型，支持文本引导音乐生成与编辑 MelodyFlow是基于扩散变换器架构，采用流匹配目标训练的AI音乐模型。可生成、编辑多样化高质量立体声音乐，支持文本描述输入控制。该模型提出新型正则化潜在反转方法，可实现零样本测试阶段的文本引导音乐编辑，经评估，在文本到音乐基准测试中质量效率与主流基线相当，音乐编辑性能超越以往最优技术。

基于MM-DiT架构的无需训练多提示连贯视频生成模型 DiTCtrl是基于多模态扩散变换器架构的视频生成模型，专注于解决多提示连贯视频生成需求，无需额外训练即可投入使用。该模型通过优化MM-DiT注意力机制，实现跨提示语义控制与注意力共享，可生成平滑过渡、对象运动一致的视频，还推出专属MPVBench基准用于多提示生成性能评估。

基于扩散变换器的人类动画生成框架，主打高可控性与高真实感输出 DreamActor-M1是基于扩散变换器（DiT）开发的人类动画生成框架，核心目标是实现人类动画生成的细粒度整体可控、多尺度场景适配与长期时间一致性。依托混合引导机制，该框架可生成具备高表现力与真实感的人类动态视频，支持从肖像到全身的多类型人类动画生成，在生成过程中可实现较高的身份保留度，为数字人类行为动画创作提供新方案。