2026年5月，自变量机器人开源VLA模型Wall-OSS-0.5，实现零样本部署突破，打破传统“考前微调”范式，推动具身智能从定制脚本向通用大脑转变。
2026年4月28日，伦敦帝国理工学院、互联网档案馆及斯坦福大学联合报告显示，截至2025年中期，全球约35%的新网站内容由AI生成，而2022年底ChatGPT发布前几乎为零。研究分析2022至2025年33个月网页样本，证实AI已深度渗透网络生态，改变互联网话语体系。
小米Kaldi团队开源OmniVoice模型，支持超600种语言，在中文和多语言TTS基准测试中多项指标达到SOTA。中文WER低至0.84%，多语言性能超越主流商用模型，实现语音合成新突破。
美团LongCat团队发布并开源了LongCat-AudioDiT模型，采用端到端架构，直接在波形潜空间建模，摒弃了传统TTS系统中的梅尔频谱中间表征，有效减少了信息损耗与误差累积，显著提升了零样本语音克隆的性能。
Zonos TTS 是一款支持多语言、情感控制和零样本文本到语音克隆的高质量 AI 文本转语音技术。
Spark-TTS 是一种基于大语言模型的高效单流解耦语音合成模型。
工业级可控高效的零样本文本到语音系统
VideoGrain 是一种零样本方法，用于实现类别级、实例级和部件级的视频编辑。
Tencent
$1
Input tokens/M
$3
Output tokens/M
4
Context Length
Huawei
-
32
01-ai
$0.99
Baidu
16
200
Openai
$210
$420
$100
openbmb
VoxCPM是一款创新的免分词器端到端文本转语音（TTS）系统，通过在连续空间中对语音进行建模，克服了离散分词的局限性。它具备上下文感知语音生成和逼真零样本语音克隆两大核心能力，能够根据文本内容自动调整韵律和风格，并仅需一个简短的参考音频即可克隆说话者的音色、口音和情感。
mradermacher
UME-R1-7B的静态量化版本，支持句子相似度、嵌入、零样本图像分类、视频文本到文本等多任务。提供多种量化类型以满足不同需求，从轻量级Q2_K到高质量Q8_0版本。
amazon
Chronos-2是一个拥有1.2亿参数的时间序列基础模型，支持零样本预测。它在单一架构内支持单变量、多变量和协变量感知任务，在多个基准测试中实现了零样本预测的最先进精度，且推理效率极高。
mldi-lab
Kairos-10M是一款专为跨领域零样本预测设计的时间序列基础模型，拥有约1000万参数。它能处理不同信息密度的异构时间序列数据，无需微调即可在不同领域实现强大的泛化能力。
Kairos-50M是一个拥有5000万参数的时间序列基础模型，专门用于跨不同领域的零样本预测。它采用自适应分词和位置编码技术，能够处理具有不同信息密度的异构时间序列数据，无需微调即可在不同领域实现强大的泛化能力。
notmax123
Zonos-v0.1 是一款领先的开源文本转语音（TTS）模型，基于超过20万小时的多语言语音数据训练，在表现力和质量上可与顶级TTS供应商相媲美。支持零样本语音克隆、多语言合成和精细的音频控制。
wcy1122
MGM-Omni-TTS-2B是MGM-Omni全功能聊天机器人的语音生成组件，专门用于文本到语音转换。它支持中英文的零样本语音克隆，能够生成长达10分钟以上的流畅自然语音，并实现高效的流式音频生成。
MGM-Omni-7B是一款全模态聊天机器人，能够处理文本、图像、视频和语音输入，并生成文本和语音响应。它具备长语音理解和生成能力，还支持中英文的零样本语音克隆。
facebook
MetaCLIP 2 (worldwide) 是一个基于Transformer架构的多语言零样本图像分类模型，支持全球范围内的视觉语言理解任务，能够实现无需训练即可对图像进行分类的能力。
knowledgator
GLiClass是一款高效的零样本分类器，性能与交叉编码器相当但计算效率更高，适用于多任务场景。
GLiClass 是一个高效的零样本分类器，性能与交叉编码器相当但计算效率更高，支持多语言文本分类任务。
GLiClass 是一款高效的零样本分类器，受 GLiNER 启发，能在单次前向传播中完成分类任务，兼具交叉编码器性能和更高计算效率。
redlessone
DermLIP是基于Derm1M数据集训练的皮肤病学视觉语言模型，采用CLIP风格的对比学习方法，专门针对皮肤病学图像和文本进行优化，支持零样本分类、少样本学习等多种应用场景。
DermLIP是一款专门针对皮肤病学领域的视觉语言模型，基于最大的皮肤病学图像文本语料库Derm1M训练而成。该模型采用CLIP风格的架构，能够执行皮肤病相关的多种任务，包括零样本分类、少样本学习、跨模态检索和概念注释等。
xieji-x
基于视觉-语言预训练技术的零样本皮肤病评估模型，整合多方面知识增强，为皮肤病研究和诊断提供有效工具。
shiviklabs
这是一个用于零样本分类任务的transformers模型，可在无需大量标注数据的情况下对文本进行分类。
shiviktech
基于Transformers架构的零样本分类模型，无需微调即可对文本进行分类
unsloth
Spark-TTS是一款基于大型语言模型(LLM)的高效文本转语音系统，支持中英文双语合成和零样本语音克隆。
Whisper是OpenAI开发的最先进的自动语音识别(ASR)和语音翻译模型，在超过500万小时的标记数据上训练，具有强大的零样本泛化能力。Turbo版本是原版的修剪微调版本，解码层从32层减少到4层，速度大幅提升但质量略有下降。
thuml
日晷是一系列生成式时间序列基础模型，能够对确定性预测和概率预测进行零样本推理。
Flyworks MCP是一个免费快速的零样本唇形同步工具，通过API接口实现数字人视频与音频的自动对口型，支持多种风格的数字形象。
Flyworks MCP是一个免费快速的零样本唇形同步工具，通过API接口实现数字人视频与音频的唇形同步，支持真实和卡通风格。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
