English

模型

共 98 个项目 · 第 1 / 1 页

第 1-98 条,共 98 个
项目
收录
建库
Stars
01
whisper
OpenAI 通用语音识别模型,提供多语言转录、翻译和语种识别,并发布多档模型权重与推理代码,可在本地运行。openai
2026-08-26
2022-09-16
112.5k stars
02
VibeVoice
微软开源的语音 AI 模型家族,包含长音频语音识别、多说话人 TTS 和实时流式 TTS 模型权重。microsoft
2026-07-29
2025-08-25
57.2k stars
03
kronos
面向金融市场 K 线序列的开源基础模型,提供多规模预训练权重、预测接口与微调回测流程。shiyu-coder
2026-07-22
2025-07-01
48.0k stars
04
voxcpmaudiodeeplearningminicpm
开源2B多语言TTS模型,无需分词器,支持声音设计、可控复刻与48kHz studio级语音合成。openbmb
2026-06-26
2025-09-16
42.6k stars
05
ChatTTSagenttext-to-speechchat
为日常对话优化的开源中英文语音合成模型,提供预训练权重与推理代码,支持多说话人与韵律控制。2noise
2026-06-26
2024-05-27
40.0k stars
06
timesfm
谷歌时序预测基础模型,支持多变量与协变量零样本预测,提供PyTorch与MLX推理代码及预训练权重。google-research
2026-06-24
2024-04-29
35.5k stars
07
unlimited-ocr
百度发布的长程文档解析OCR模型,支持单图多页PDF解析,提供权重与多种推理部署方式。baidu
2026-07-09
2026-06-18
31.1k stars
08
unilmnlppre-trained-modelunilm
微软大规模自监督预训练项目合集,发布语言、视觉、语音与多模态等众多基础模型。microsoft
2026-06-24
2019-07-23
22.2k stars
09
Qwenchineselarge-language-modelsflash-attention
开源通义千问系列大语言模型权重发布,含基座与对话模型及量化微调部署说明。QwenLM
2026-06-24
2023-08-03
22.0k stars
10
suryadeep-learningdocument-ailayout-analysis
面向文档的 OCR 与版面分析视觉语言模型,可输出文本、版面、阅读顺序和 HTML 表格,配套命令行与 Python 推理接口。datalab-to
2026-11-17
2024-01-10
21.6k stars
11
FinGPTchatgptfinancefintech
开源金融大模型项目,发布情感分析、投顾预测等多款微调权重、数据集与训练评测代码。AI4Finance-Foundation
2026-06-24
2023-02-11
21.6k stars
12
DeepResearchagentllmartificial-intelligence
通义30B深度信息搜索大模型权重发布,配套ReAct推理与评测脚本及在线演示。Alibaba-NLP
2026-06-24
2025-01-09
20.1k stars
13
Chinese-LLaMA-Alpacallmplmalpaca
面向中文场景的LLaMA与Alpaca系列开源大模型,发布LoRA权重并提供词表扩充、预训练微调与本地量化部署教程。ymcui
2026-06-24
2023-03-15
18.9k stars
14
lingbot-map
面向流式三维重建的前馈基础模型,发布权重与交互演示,支持长序列位姿与稠密几何实时推理。robbyant
2026-07-09
2026-04-15
18.6k stars
15
kittentts
KittenML 开源的小型文本转语音模型家族,覆盖 4MB 到 1.7B 参数,支持多语言、声音克隆与情感表达,可在 CPU 或消费级 GPU 上运行。kittenml
2026-07-15
2025-08-05
16.9k stars
16
ace-step-1.5text2music
开源音乐生成基础模型,支持文本生成完整歌曲、翻唱、局部重绘与人声转伴奏,可在消费级显卡本地运行,并提供 LoRA 个性化训练。ace-step
2026-07-21
2025-09-04
14.8k stars
17
RWKV-LMattention-mechanismdeep-learninggpt
融合RNN与Transformer优点的RWKV线性注意力大模型系列,发布权重与训练推理实现。BlinkDL
2026-06-24
2021-08-08
14.8k stars
18
yuefoundation-modelsmusic-generationhuggingface
前沿开源音乐生成模型,先规划符号化旋律与和弦,再生成含人声与伴奏的完整歌曲,支持翻唱与智能体编辑。multimodal-art-projection
2026-09-12
2025-01-23
13.6k stars
19
CogVideollmsoravideo-generation
开源文生视频与图生视频模型系列,提供权重下载、推理示例与微调代码的研究型模型发布。zai-org
2026-06-24
2022-05-29
13.2k stars
20
trellis.2
面向图像生成3D资产的大型生成模型,提供4B预训练权重、推理训练代码与网页演示。microsoft
2026-07-09
2025-11-26
13.1k stars
21
HRMbrain-inspired-aideep-learninglarge-language-models
脑启发分层推理模型官方代码与权重发布,含训练评估流程及数独迷宫推理基准的模型研究项目。sapientinc
2026-06-24
2025-07-09
12.7k stars
22
MOSSchatgptdeep-learningdialogue-systems
复旦开源的中英双语工具调用对话大模型,提供系列权重、数据与部署微调代码。OpenMOSS
2026-06-24
2023-04-15
12.4k stars
23
minimax-h3
支持图文音视频混合输入的通用视频音频生成大模型,可生成2K立体声短片,附提示词技能与部署权重。minimax-ai
2026-08-09
2026-07-30
11.9k stars
24
MiniCPM
面向端侧的MiniCPM系列小参数大模型权重发布,主打低资源部署并配套开放高质量训练数据集。OpenBMB
2026-06-24
2024-01-29
11.9k stars
25
Kimi-K2
Moonshot AI 开源的 1T 参数 MoE 语言模型系列,包含 Base 与 Instruct 权重,面向智能体、工具调用和代码任务,可用 vLLM/SGLang 部署。moonshotai
2026-08-26
2025-07-03
11.1k stars
26
ltx-2generative-ailtxltx-2
LTX-2音视频生成基础模型的官方Python推理与LoRA训练包,提供多种文/图生视频管线与优化选项。lightricks
2026-07-15
2026-01-03
10.2k stars
27
kevdecision-modeljevqwen3
一组基于 Qwen 的小型决策模型,支持是/否、多选和评分问题,提供预训练权重、微调流程和本地服务。jaredpalmer
2026-09-21
2026-09-17
10.1k stars
28
longcat-video
13.6B统一视频生成基础模型,支持文生图生视频续写与长视频高效推理,权重开放下载部署。meituan-longcat
2026-07-09
2025-10-25
9.6k stars
29
kimi-k3
月之暗面开源的 2.8T 参数原生多模态 MoE 大模型,支持百万 token 上下文与长程编码、知识工作。moonshotai
2026-07-27
2026-07-27
9.1k stars
30
Dolphindocument-analysislayout-analysisocr
字节跳动开源的多模态文档解析模型,采用两阶段“先分析后解析”架构,支持数字版与拍摄文档的版面分析、表格公式识别,并输出结构化 Markdown/JSON。bytedance
2026-08-26
2025-05-13
9.1k stars
31
Qwen-Image
擅长复杂文字渲染与精确图像编辑的200亿参数开源生图基础模型。QwenLM
2026-06-24
2025-08-03
8.5k stars
32
weathernextweatherweather-forecast
谷歌DeepMind的全球中期天气预报与气旋预报AI模型权重及运行代码。google-deepmind
2026-08-09
2023-07-14
7.7k stars
33
glm-5agentic-aicodingllm
智谱开源的MoE大语言模型系列,面向长程智能体与复杂系统工程,需自行下载部署权重。zai-org
2026-06-26
2026-02-09
7.5k stars
34
LLM4Decompiledecompilereverse-engineeringlarge-language-models
面向二进制反编译的开源大模型系列,支持将汇编直接还原为可读C代码,并提供评测集与微调脚本。albertan017
2026-06-24
2024-02-28
7.3k stars
35
Chinese-LLaMA-Alpaca-2alpacallamallm
基于Llama-2扩展中文词表并增量预训练的开源中文基座与指令大模型权重系列。ymcui
2026-06-24
2023-07-18
7.1k stars
36
sensenova-u1
商汤原生统一多模态模型系列,提供图像生成、编辑、交错输出与视觉理解的推理示例、训练代码和权重。opensensenova
2026-07-18
2026-04-17
6.9k stars
37
neutts
开源端侧 TTS 语音模型系列,支持即时声音克隆、多语言与 GGUF 量化,可在手机、笔记本本地推理。neuphonic
2026-07-22
2025-10-02
6.3k stars
38
dflash
用于投机解码的轻量块扩散模型,提供并行起草检查点与推理/评测工具,可接入 Transformers、MLX、SGLang 和 vLLM 加速大模型生成。z-lab
2026-07-15
2026-01-04
6.2k stars
39
qwen3.8
通义千问Qwen3.8系列大模型权重发布,覆盖编码智能体与长程任务并支持多尺寸下载。qwenlm
2026-08-19
2025-09-11
4.5k stars
40
limixfoundation-modelslimixmachine-learning
面向表格的结构化数据基础模型权重,单模型直推完成分类、回归与缺失值填充任务。limix-ldm-ai
2026-08-07
2025-08-27
4.4k stars
41
MOSS-TTSaudioaudio-tokenizerllm
开源长语音与对话合成模型家族,支持多语克隆、实时流式与音效生成,需自行下载部署。OpenMOSS
2026-08-17
2026-02-07
4.3k stars
42
gpatext-to-speechtransformervoice-conversion
统一语音识别、语音合成与声音转换的自回归音频模型,提供 0.6B 权重、PyTorch/ONNX 推理与微调流程。autoark
2026-07-16
2025-12-16
3.1k stars
43
tabfm
谷歌研究的表格基础模型,开箱零样本做混合类型表格的分类与回归,附sklearn兼容接口与预训练权重。google-research
2026-07-09
2026-06-16
2.8k stars
44
unimate
统一骨骼动画生成模型:根据文本提示为任意骨架生成动作,附带 UniML3D 数据集、训练与推理代码,支持动作补间、编辑和扩展。friedrich-m
2026-10-01
2026-07-22
2.7k stars
45
mai-uigui-agentgui-groundinggui-navigation
通义 MAI-UI/Qwen-UI-Agent 基础 GUI 智能体模型库,统一手机、电脑、浏览器与深度搜索场景,并发布模型权重与评测。tongyi-mai
2026-08-21
2025-12-15
2.4k stars
46
MMAudioaudioaudio-synthesiscomputer-vision
CVPR 2025 的视频转音频合成模型,可根据视频和文本生成同步音效,并提供预训练权重与推理、训练代码。hkchengrex
2026-08-26
2024-12-07
2.3k stars
47
MOSS-Transcribe-Diarizeaudiomultilingualspeaker-diarization
开源 0.9B 端到端音频理解模型,支持 50 多种语言的长音频转写、说话人分离、时间戳和声学事件标注,附带推理代码、字幕 Web 应用与微调指南。OpenMOSS
2026-07-19
2026-05-13
2.3k stars
48
vlx-seek
边缘具身视觉问答定位大模型,以区域检索替代坐标生成,需下载权重本地推理部署。om-ai-lab
2026-08-10
2026-06-26
2.2k stars
49
hunyuanocr
腾讯轻量级端到端 OCR 视觉语言模型,统一文档解析、文字检测、信息抽取与图文翻译,附训练和推理代码。tencent-hunyuan
2026-07-18
2025-11-18
2.1k stars
50
joyai-echo
京东开源的音视频生成模型仓库,包含长视频生成 Echo-LongVideo 与可交互世界模型 Echo-WM,提供推理代码与模型权重。jd-opensource
2026-08-25
2026-06-02
2.1k stars
51
fireredaudio
通用音频语言模型 FireRedAudio 的官方代码与权重,覆盖语音识别、理解、克隆和编辑。fireredteam
2026-08-21
2026-08-22
2k stars
52
lingbot-world-v2
可交互世界模型 LingBot-World 2.0 的权重与推理代码,支持因果视频生成、长时交互与多动作事件。robbyant
2026-07-15
2026-07-08
1.9k stars
53
descript-audio-codecaudioaudio-compressioncompression-algorithm
Descript 开源的神经音频编解码器模型,可将 44.1kHz 音频高保真压缩约 90 倍,并提供训练、编码与解码脚本及权重。descriptinc
2026-08-26
2023-06-12
1.9k stars
54
magenta-realtimejaxmachine-learningmlx
Google 开源的实时音乐生成模型,附带 JAX/MLX 推理库、C++ 引擎与示例应用,可在 Apple Silicon 上流式生成音乐。magenta
2026-08-26
2025-06-12
1.9k stars
55
RAVEdeep-learningneural-networkaudio
IRCAM 开源的实时神经音频合成模型 RAVE,提供训练、导出与实时推理工具,可用于音色转换与音乐生成。acids-ircam
2026-08-26
2021-06-25
1.8k stars
56
wemm-embeddingembedding-modelsmultimodalmultimodal-llm
腾讯微信视觉团队开源的多模态嵌入模型系列,提供 2B/4B/9B 权重,统一文本、图像、视频与文档的检索表示。tencent
2026-08-25
2026-08-25
1.8k stars
57
mage
轻量多模态模型家族,含图像视频理解与文生图模型,发布权重供研究微调部署使用。microsoft
2026-07-29
2026-06-15
1.8k stars
58
fireredtts3
FireRedTTS3 多语言多方言语音克隆模型的官方代码与权重,支持音色设计和语音编辑。fireredteam
2026-08-21
2026-08-13
1.7k stars
59
vibevoice
可生成90分钟多说话人播客级语音的表现力长文本语音合成开源模型。vibevoice-community
2026-08-08
2025-09-04
1.7k stars
60
Fun-ASRaudio-language-modelpytorchspeaker-diarization
通义实验室开源的端到端语音识别模型家族,覆盖中文方言口音与31种语言,提供多种推理方案。QwenAudio
2026-08-26
2025-12-15
1.6k stars
61
SALMONNaudioaudio-processinglarge-language-models
字节跳动的多模态大语言模型系列,覆盖语音、音频与音视频理解,并开源模型权重与推理训练代码。bytedance
2026-08-26
2023-08-11
1.6k stars
62
CrisperWhisperasraudiodetection
面向逐字转写的多语言语音识别模型,支持逐字/意图双模式与词级时间戳,并提供推理代码与权重。nyrahealth
2026-08-26
2024-05-24
1.5k stars
63
dots.tts
2B 参数的全连续端到端自回归语音合成模型,支持中英等多语言、零样本音色克隆与精确语音编辑,在多项基准上达到开源最优,并提供推理与微调代码。rednote-hilab
2026-07-21
2026-06-04
1.4k stars
64
berninivideo-editingvideo-generationimage-editing
字节跳动的视频生成与编辑统一框架,MLLM 语义规划器加 DiT 渲染器,并开源推理与训练代码及权重。bytedance
2026-07-15
2026-05-29
1.4k stars
65
wall-x
WALL 系列具身基础模型的官方训练与推理代码库,包含 LeRobot 数据准备、流匹配/FAST 动作分支、服务与评测工具。x-square-robot
2026-07-20
2025-09-04
1.3k stars
66
mini-agi
一个可在单张 8GB 显存显卡上持续训练的字节级语言模型实验,权重存磁盘、按需换入显存,并能从阅读中不断学习。volotat
2026-09-21
2026-09-19
1.3k stars
67
liftaiextractocr
Datalab 开源的 9B 视觉模型,按 JSON Schema 从 PDF 和图片中抽取结构化数据,支持本地或 vLLM 部署。datalab-to
2026-08-27
2026-06-03
1.3k stars
68
timestral
面向多变量概率预测的时间序列基础模型族,提供轻量推理代码与领先基准。mistralai
2026-10-15
2026-10-15
1.2k stars
69
giga-world-1
面向机器人策略评估的世界模型路线图项目,开放训练推理流程、模型权重与数据集及评测榜单。open-gigaai
2026-07-31
2026-06-30
1.1k stars
70
lingbot-vla-v2
面向真实机器人应用的视觉-语言-动作基础模型,发布预训练权重与训练/部署代码,支持多构型操作与预测动力学建模。robbyant
2026-07-15
2026-07-07
1.1k stars
71
opdllmsmechanismon-policy-distillation
研究on-policy distillation的大模型论文官方代码,含OPD/SFT/GRPO训练脚本、评测流程与已发布checkpoint。thunlp
2026-07-15
2026-04-12
1.1k stars
72
qwen-agentworld
面向通用智能体的语言世界模型权重与评测基准,统一仿真MCP、搜索、终端等七类交互环境。qwenlm
2026-06-26
2026-06-22
1k stars
73
minimax-music3
可生成五分钟完整歌曲的音乐生成模型权重发布,支持歌词与结构化提示控制,需双卡自托管推理。minimax-ai
2026-08-17
2026-08-11
1k stars
74
hulu-med
面向医疗多模态理解的开源视觉语言模型系列(4B-235B),覆盖医学文本、2D/3D 影像与视频,附推理与训练代码。zjui-ai4h
2026-07-29
2025-10-08
1k stars
75
lingbot-vision
面向密集空间感知的自监督视觉Transformer骨干模型家族,提供多规模预训练权重。robbyant
2026-07-09
2026-07-06
1k stars
76
open-d4rt
D4RT的开源PyTorch复现与检查点,支持4D重建跟踪训练评测与可视化,需GPU运行。lijiaxin0111
2026-08-17
2026-05-02
1k stars
77
boogu-image
开源图像生成与编辑模型系列,包含 Base、Turbo、Edit 等变体,支持文生图、图像编辑和中英文文字渲染,并提供推理代码与权重。boogu-project
2026-07-20
2026-06-16
1k stars
78
krea-2
Krea 2开源生图模型的官方推理仓,含RAW与Turbo双权重,RAW训练LoRA后放Turbo推理。krea-ai
2026-08-07
2026-06-22
997 stars
79
lingbot-videoimage-to-videovideo-generationworld-models
面向具身智能的开源大规模MoE视频生成模型,提供模型权重、推理脚本与评测基准。robbyant
2026-07-09
2026-07-08
983 stars
80
evoke
Alaya Lab 的交互式音视频世界模型实现,支持文本/图像/视频条件生成、相机控制和长时程续写,并发布推理代码与权重。alayalab
2026-08-25
2026-08-12
978 stars
81
orca
BAAI 的通用世界基础模型,发布 Orca-4B 权重与文本、图像、动作读出评测代码。orca-wm
2026-07-22
2026-07-04
889 stars
82
hy-embodied
腾讯混元开源的具身视觉语言基础模型,约 30B 总参数、每 token 激活约 3B,面向物理世界智能体,提供权重与 Transformers/vLLM 推理代码。tencent-hunyuan
2026-07-16
2026-04-05
881 stars
83
OpenCUAbenchmarkcomputer-use-agentdataset
面向计算机使用智能体的开放基础套件,包含 OpenCUA 系列视觉语言模型权重、AgentNet 数据集、标注工具与离线评测基准。xlang-ai
2026-08-27
2025-06-21
877 stars
84
Confucius4-TTSaudiocross-lingualdeep-learning
网易有道开源的多语言跨语种零样本 TTS 模型,支持 14 种语言的声音克隆与情感迁移。netease-youdao
2026-08-27
2026-05-19
861 stars
85
doc-to-loraaiai-agenthypernetworks
让大模型瞬间记住文档的超网络方法与预训练权重,可内化上下文后直接问答并一键复现论文实验。SakanaAI
2026-06-24
2026-02-11
844 stars
86
alayaworld
开源长时程可交互视频世界模型,支持实时镜头控制、提示切换与长时记忆一致性,并提供训练、推理代码和多阶段模型权重。alayalab
2026-07-17
2026-07-07
807 stars
87
dreamx-world
通用交互式世界模型,可根据相机控制与事件提示生成长时序、可探索的高保真视频世界。amap-ml
2026-07-23
2026-04-10
790 stars
88
sensenova-visionmllmmllm-for-cvunified-cv
将异构视觉任务统一为多模态生成的视觉大模型,发布权重、语料与推理评测训练流程。opensensenova
2026-08-13
2026-06-29
733 stars
89
MOSS-Audioaudio-captioningaudio-question-answeringaudio-understanding
开源音频理解模型系列,支持语音识别、环境声与音乐理解、音频描述、时间感知问答和复杂推理,并提供 4B/8B 的 Instruct 与 Thinking 权重。OpenMOSS
2026-09-06
2026-04-11
709 stars
90
infinisplat
从单张或多张图像前馈重建三维高斯场景的学术模型,支持新视角渲染,需本地配环境下载权重运行。zju3dv
2026-08-09
2026-07-24
680 stars
91
hy3
腾讯混元295B混合专家推理模型权重,高性价比,强智能体与长上下文能力可自部署。tencent-hunyuan
2026-08-07
2026-07-02
676 stars
92
helixworldaudio-visualgenerative-airealtime
Noiz AI 的实时交互式音视频世界模型,给定图像和提示词即可边移动边生成同步画面与空间音频,并发布推理代码和权重。noizai
2026-08-25
2026-08-03
658 stars
93
lavasr
轻量高质量语音修复模型,可将低采样 noisy 音频超分增强为干净清晰的48kHz语音。ysharma3501
2026-08-05
2026-02-10
627 stars
94
MinerU-Diffusionai4sciencediffusiondlm
基于块级扩散解码的 2.5B 文档 OCR 模型,替代自回归生成以加速版面、文字、公式与表格识别,提供权重和推理代码。opendatalab
2026-08-27
2026-03-13
623 stars
95
liquid-audioaudiofoundation-modelslfm2
Liquid AI 发布的 LFM2-Audio-1.5B 端到端语音大模型,附 Python 推理与微调代码,支持实时语音对话、ASR 和 TTS,可下载权重本地运行。Liquid4All
2026-08-27
2025-09-29
603 stars
96
mira
可实时游玩的火箭联盟多人交互世界模型,提供官方训练代码、数据集与评测入口。mira-wm
2026-07-09
2026-07-05
599 stars
97
llada2.x
蚂蚁集团 InclusionAI 的扩散语言模型系列,含 16B/100B MoE 权重、训练代码与基于 dInfer/SGLang 的高性能推理支持。inclusionai
2026-07-23
2025-12-11
532 stars
98
dramabox
基于LTX-2.3的富有表现力提示词驱动TTS与声音克隆模型,支持长文本分块生成。resemble-ai
2026-08-06
2026-04-16
520 stars