ICEdit是一种基于大规模扩散变换器的指令式图像编辑方法，仅需0.5%的训练数据和1%的参数即可实现最先进的编辑效果。

Soundwave是一款突破语音与文本界限的语音转文本模型，仅通过1万小时数据训练就在语音翻译和AIR-Bench语音任务中展现出卓越性能。

ControlNet v1.1 是一个通过添加额外条件来控制预训练大型扩散模型的神经网络结构，特别适用于基于瓦片图像条件的图像生成和超分辨率任务。