浏览 AI 技能、智能体和自动化

RubatoCodec

third-intelligence · 工具包

把语音压缩成固定数量、长度可变的事件及其时长，并在流式解码时还原。这是面向搭建英语、日语和中文流式文字转语音的神经语音编解码器。

MNN-Pocket-0.3B-MNN

taobao-mnn · 工具包

通过 MNN 运行时在手机和边缘设备上运行 0.3B 的中英文对话模型，是约 173 MB 的 4 比特版本。适合给移动应用加入设备端助手的开发者。

Assistant_Pepe_32B

SicariusSicariiStuff · 工具包

这是一个基于 Qwen3-32B 的 32.8B 参数英语模型，有 8B、32B 和 70B 三个版本。这里的模型卡文字只有页面样式，所以没有写明具体用途。适合已经在关注这个模型系列的人。

SenseNova-U1.5-8B-MoT

sensenova · 工具包

统一的多模态模型，用于生成和编辑图像，中英文文字清晰，支持原生 4K 输出，可通过框选和参考图控制。适合有大显存 GPU 的设计师和研究者。

Chatterbox-Turbo

ResembleAI · 工具包

这个 350M 参数的模型为低延迟语音智能体打造，朗读英文文本，并能通过文本里的标签加入笑声和咳嗽声。适合想要快速、有表现力、显存占用更少的语音的开发者。

Qwen-Image

Qwen · 工具包

把文字提示词变成图像，并能在图中渲染清晰的英文和中文文字。适合使用 diffusers 库的设计师、艺术家和开发者。

PaddleOCR-VL

PaddlePaddle · 工具包

读取文档图像并返回其中的文字，是参数不到十亿的视觉语言模型。适合在自己的机器上用 PaddleOCR 解析中英文文档的人。

GPT-2 XL

openai-community · 工具包

从一个起始短语出发续写英文文本，是 OpenAI GPT-2 的 1.5B 参数版本。适合想用经典开源文本生成模型的研究人员和开发者。

Kokoro-82M-v1.0-ONNX

onnx-community · 工具包

用 Kokoro 把英文文本转成语音，这是一个 8200 万参数、打包成 ONNX 文件的文字转语音模型，可在 JavaScript 和 Python 中使用。适合想在应用里加一个小型本地语音的开发者。

SlideOn

lightonai · 工具包

LightOn 推出的英语稀疏检索模型，把查询和文档变成稀疏向量，用于倒排索引搜索。适合做英文文本检索的搜索工程师和开发者。

granite-speech-5.0-2b

ibm-granite · 工具包

把六种语言的语音转成文字，并在英语与其他语言之间翻译语音，支持关键词偏置和语言提示。这是 IBM 面向企业音频的紧凑 2B 语音语言模型。

SmolLM2-1.7B-Instruct

HuggingFaceTB · 工具包

聊天、改写和总结文本，还能调用函数，是一个小到可以在设备上运行的 1.7B 紧凑模型。这是 HuggingFaceTB 经过指令微调的 SmolLM2，适合想要小型英文模型的开发者。

Kokoro-82M-v1.1-zh

hexgrad · 工具包

用一个 82M 参数的文字转语音模型朗读英文和中文文本。这是在 Kokoro 上做的一次短期训练，加入了 100 位中文说话人，适合想要小型本地声音的开发者。

gnani-evon-v3.3-30B-A3B

gnani · 工具包

用英语和十种印度语言聊天、答题和推理，上下文长度 128K。这是 Gnani.ai 的 30B 混合专家模型，适合用印度语言构建助手、RAG 和智能体的团队。

UltraBERT-380M

dmis-lab · 工具包

预测英文文本中被遮盖的词，并提供一个上下文长度 32K 的预训练编码器，可微调用于分类或检索。这是 dmis-lab 的填空模型，适合机器学习工程师和研究人员。

cbx-indic-pii-extractor-58M

CobuildX-AI · 工具包

在印度语言和印度英语文本中找出姓名、电话号码、Aadhaar 和 PAN 等个人信息，并返回每个值的位置。这是三种规格中最准确的一个，有 57.6M 参数。

Spark-X2.6-4B GGUF

bartowski · 工具包

支持中英文的小型聊天模型，GGUF 文件从完整 bf16 到约 2.4 GB，供 llama.cpp 使用，有低或高两档思考设置。适合想要紧凑本地助手的开发者。

Kolibri-1

Aleph-Alpha · 工具包

用德语和英语推理并调用工具，上下文窗口超过一百万 token。这是 Aleph Alpha 推出的开放 78B 混合专家模型，每个 token 只激活 3.46B 参数。

Africa TTS

AfriSpeech · 工具包

用 92 种非洲语言和英语朗读文字，在 CPU 上比实时更快，还能用一小段音频克隆声音。适合需要非洲语言语音的开发者和研究人员。

Spark-X2.6-4B-Base

XHToken · 工具包

一个 4.1B 的语言模型，面向设备端使用，针对编码、智能体任务、长上下文和推理做了调优，支持英文和中文，并有三档思考级别。适合本地运行模型的开发者。

basal-omni-1.0-ultra

Remek · 工具包

针对一条消息、文档或智能体轨迹的类型化问题，一次计算就给出每个允许答案的校准概率，不生成文字。这是面向波兰语和英语决策的实验性 31B 模型。

Wan2.2 TI2V 5B GGUF

QuantStack · 工具包

一个 5B 参数的文字生成视频模型，转换成 GGUF 供 ComfyUI 使用，4 比特下估计约 2.5 GB，支持英文和中文提示词。适合想在自己电脑上生成视频的 ComfyUI 用户。

BERT base model (uncased)

google-bert · 工具包

补全被遮蔽的英语词并提取文本特征。这是 Google 的不区分大小写的 BERT 基础模型，用于微调后做分类、标注和问答。

orukqwen-asr-1.7b

oruk · 工具包

把英文语音转成文字。它是用词错误率做强化学习后训练的 Qwen3-ASR-1.7B，适合需要英文转写的开发者和语音研究者。

nomic-embed-text-v1.5

nomic-ai · 工具包

把英文文本转成嵌入向量，用于搜索、聚类和分类，向量还可以截短。适合做检索应用的开发者。

English_to_german_translator_app

Sakil · 工具包

打开一个小型 Gradio 应用，标题说它把英语翻译成德语。说明里没有写它用哪个模型，所以适合想试用并读代码的学习者和开发者。

English_audio_transcriptor

Sakil · 工具包

在 Gradio 页面里用 wav2vec2 base 模型把英语语音转成文字，带有四段示例对白音频。适合学生、开发者，以及需要快速文字稿的人。

PaddleOCR

PaddlePaddle · 工具包

在 Gradio 页面里用 PaddleOCR 读出图片里多种语言的文字，带有中文、英文和日文示例图片。适合需要从照片或扫描件里取出文字的人。

ESPNet2 ASR Librispeech word vs bpe tokens

jkang · 工具包

在 Gradio 页面里比较同一套 ESPnet2 Conformer 方案的三个英语语音识别模型，分别用 bpe、字符和词单位，附带示例音频，适合语音研究人员和学生。

ESPNet2 ASR Librispeech Conformer (100h)

jkang · 工具包

在 Gradio 页面里用在 100 小时 Librispeech 上训练的 ESPnet2 Conformer 模型把英语语音转成文字，附带示例音频，适合语音研究人员和学生。

Indic Trans

hussain-shk · 工具包

在 Gradio 页面里把英语文本翻译成印度语系语言，由推理代码、API 文件夹和一个恢复标点的模型构成，适合写作者、学生和开发者。

MiniCPM5-2B-GGUF

openbmb · 工具包

提供 MiniCPM5-2B 的 GGUF 文件，这是一个支持中英文的小型稠密文本模型，适合在设备上和本地使用。适合想在普通硬件上用紧凑模型做编程、数学和工具调用的人。

Ming-3.0-audio-flash

inclusionAI · 工具包

接收音频和文字指令，返回文字，或带合成语音的文字。涵盖中英文的语音识别、语音问答和音频推理。适合拥有大型 GPU 的开发者。

GLiNER2.5-Decide

fastino · 工具包

对英文文本按你在调用时传入的任意标签集进行分类，比如意图、路由、情感或紧急程度，一次完成，不需要提示词模板。这是 Fastino 推出的面向运营决策的小型专用模型。

MOSS-Image-SFT-4-steps

akhaliq · 工具包

让 MOSS-Image-SFT 文生图模型只用 4 步、无需引导就能出图，只需一个 LoRA 文件。可渲染英文和中文文字，适合 ComfyUI 和 diffusers 用户。

Drone Transcripter 4

AbdelrhmanX2 · 工具包

把埃及阿拉伯语语音转成文字，针对课堂讲座调优，也能处理日常对话和阿拉伯语与英语混用。适合转录埃及讲座或录音的人。

Sekai-1

8BitStudio · 工具包

一个 95.6M 参数的英文聊天模型，在单块 RTX 5060 Ti 上从零训练，小到可以在 CPU 上运行。适合想试玩小型本地语言模型的人。

Xing4.0-29B-A4B

XingChen-AGI · 工具包

用于生成文本，处理规划和调用工具等多步骤任务，支持中英文和 256K 上下文。这是一个混合专家模型，适合自行部署运行的开发者。

gemma-4-12b-constraintkit

shib79 · 工具包

一个 12B 的 Gemma 微调模型，把普通英语变成 constraint-kit CAD 系统用的零件与配合程序，请求超出范围时会如实说明，适合创客和工程师。

VieNeu-TTS v3 Turbo

pnnbao-ump · 工具包

用 48 kHz 朗读越南语和英语，带来自三个地区的 23 个预设声音、即时声音克隆和实时流式输出。这是一个 131M 的小型文字转语音模型，在普通 CPU 上也能运行。

Mithi v2 Flash

Oomni · 工具包

用 10 种声音朗读 11 种印度语言（含英语）的文本，模型只有 199 MB，可在 GPU 或普通 CPU 上运行。适合需要小型免费语音合成的开发者。

mine-embed-v1

MineAITechnology · 工具包

用一个从零训练的 57.8M 小型嵌入模型，给两段简短英文在含义上的接近程度打分，是一项早期实验，适合研究或对比嵌入训练的人，不适合用于生产搜索。

CLAP2-L

laion · 工具包

LAION 的 340M 参数音频文本模型，把声音和英文文本放进同一个嵌入空间，用于零样本音频分类、音频文本检索和通用音频嵌入。

Silencio-2

BlueRoseLabs · 工具包

把英文文本转成 24 kHz 语音，支持情绪和声音标签，还能从一小段参考音频复制音色。这是基于 Kyutai 的 Pocket TTS 微调的小型文本转语音模型。

Nanbeige_Nanbeige4.3-33B-GGUF

bartowski · 工具包

bartowski 用重要性矩阵为 Nanbeige4.3-33B 制作的 GGUF 量化版本，大小约从 21 GB 到 66 GB。适合在本地用 llama.cpp 运行 33B 的中英文文本模型。

Typhoon OCR V2 0.8B

typhoon-ai · 工具包

用 0.8B 参数把泰语和英语文档页面解析成按顺序排列的版面元素，带类别、边框和文字。适合要把泰语文件数字化的开发者。

Paradee-8M v1.3

sahilmahendrakar · 工具包

只有 7.88M 参数的微型文字转语音模型，有英语、印地语、法语和西班牙语的八种声音，蒸馏自 Kokoro-82M，适合需要在 CPU 上快速出声的开发者。

mine:o2-small

MineAITechnology · 工具包

MineAI Technology 推出的 355M 参数英文小型聊天模型，遵循简单的 User 和 Assistant 格式。这是研究级模型，回答能干净收尾、会写简短代码，但没有增加知识。

Underdog Bark 3.0

ConwayResearch · 工具包

用一个 0.6B 模型把英语语音转成文字，下载只有 163 MB，基于 NVIDIA 的 Parakeet TDT 0.6B v3。适合想要小巧本地转写的开发者和苹果芯片用户。非商业许可。

Spark-X2.6-1.7B-GGUF

XHToken · 工具包

以 4-bit GGUF 文件运行 XHToken 的 1.7B 小型端侧语言模型，可做中英文的聊天、编码和智能体任务，思考强度可调。适合在本地运行模型的人。