Omnilingual ASR采用社区驱动的扩展框架，用户仅需提供少量语音-文本样本，即可快速将系统适配至新语言；同时 Meta 开源了Omnilingual ASR Corpus数据集与全新自监督式大规模多语言语音表示模型Omnilingual wav2vec 2.0，为全球语音技术研发提供核心支撑，助力推动语言平等与跨文化交流。

CWM是Meta重磅开源的320亿参数代码世界模型，作为全球首个将世界模型技术系统性引入代码生成领域的语言模型，它彻底打破传统代码模型“模式匹配”的局限，以“模拟代码执行过程”的核心能力，实现代码生成与理解的双重突破，为AI辅助软件开发开辟全新路径。

Meta ARE是Meta推出的专业研究平台，聚焦于AI Agents的训练与系统性评估。该平台通过构建随时间动态演变的模拟环境，还原真实世界的复杂多步骤任务场景，要求Agents能够根据新信息的出现和环境条件的变化，实时调整决策策略。

Audio2PhotoReal生成的虚拟人物不仅视觉质感逼真，更能细腻复刻对话中的各类微动作与表情——无论是指点、手腕抖动、耸肩等肢体姿态，还是微笑、嘲笑等面部神情，都能精准呈现，打破“音频-视觉”的生成壁垒。

SAM Audio是Meta开源的音频分割模型，能通过文本、视觉和时间片段等多模态提示，从复杂的音频混合中分离出特定的声音。

LLaMA是一组基础语言模型集合，参数规模从7亿到650亿不等，涵盖了不同的版本如7B、13B、33B、65B等。这些模型在数万亿个token上进行训练，展示了使用公开数据集也能达到先进水平的能力。

V-JEPA 是一种创新的自监督学习模型，通过预测视频帧的特征表示来学习视频的视觉表示。它不仅能够处理视频内容，还在图像任务上表现出色，具有广泛的应用潜力。