Vāgdhenu
prathoshap · 工具包
用一个训练好的声音，以吟诵风格朗读古典梵语诗节，由参考音频决定节奏。适合学习、背诵或需要梵语音频的人。
新上架
浏览 AI 技能、智能体和自动化
类别与筛选
商品
IndiCodec
prakharkhatri · 工具包
把语音变成两路紧凑的词元，再还原成 24 kHz 音频，码率 1.09 kbps，重点支持英语和十种印度语言。适合语音研究人员和文字转语音的开发者。
新上架
Pipecat Tone
pipecat-ai · 工具包
给 Pipecat 语音智能体提供两个小型 CPU 模型，一个读取来电者的情绪和讽刺，一个给智能体的回复加上富有表现力的朗读标签。适合语音智能体的开发者。
新上架
DeepSeek-V4.1-Flash-1017-EXL3-franken-v100
philbert440 · 工具包
在八块 Tesla V100 32 GB 显卡上，以完整的 100 万词元上下文运行 DeepSeek V4.1 Flash，用的是 EXL3 专家包和 SM70 版 vLLM。适合拥有这类服务器的人。
新上架
pplx-embed-v2-context-9b
perplexity-ai · 工具包
把文本、图像和文档页面转成用于搜索的向量，还能在嵌入每个分块时参考它所在的整篇文档。适合为长文档做检索的开发者。
新上架
pplx-decider-v1.1-27b
perplexity-ai · 工具包
根据文字和图片为一个决策挑出最合适的选项，比如哪个团队应该处理一条请求，并给出每个选项的概率，适合构建分流和审核工作流的开发者。
新上架
pplx-decider-flash-gguf-v1.2
perplexity-ai · 工具包
根据你设定的选项给请求分类，支持文本和图像，使用小型决策模型的 Q8_0 GGUF 副本。适合能运行协议 v3 运行时的开发者。
新上架
PII-Tracer
perplexity-ai · 工具包
在聊天对话里找出个人数据并遮盖，用一个 600M 参数的编码器，带词元标注和敏感度打分。适合在使用前清理对话日志的团队。
新上架
DuDE
penguinfish1688 · 工具包
根据 XML 脚本把两个人的对话生成为语音，有轮流发言、附和语和重叠说话，每位说话人一个声音。适合做对话音频的研究人员和开发者，仅限非商业使用。
新上架
HolosTTS
patriotyk · 工具包
把乌克兰语音素转成语音，可用预设声音或从音频样本克隆的声音，输出流式 24 kHz 单声道音频。适合在 PyTorch、ONNX Runtime、MLX 或 Android 上添加乌克兰语语音的开发者。
新上架
Limite 1B - Violetto
paradigma-inc · 工具包
用一个从头训练的 1B 参数模型解决难度很高的数学题，追求高速、大批量的推理。适合在 NVIDIA GPU 上运行数学任务的开发者。
新上架
PP-OCRv6_small_rec
PaddlePaddle · 工具包
能读出图片里的英文和中文文字，是 PaddleOCR 的 PP-OCRv6 系列里的小型模型。适合想在自己机器上用轻量 OCR 的开发者。
新上架
Primal VAE
ostris · 工具包
提供小型图像自编码器，把图片压成一两个潜变量通道，不需要缩放系数，再通过分块拼成 Flux 或 Stable Diffusion 的潜变量形状。适合搭建扩散模型的人。
新上架
Raptor-0.6-4B-JANG_6M
OsaurusAI · 工具包
能判断什么时候调用工具、什么时候直接回答、什么时候先问一句，由 4B 模型微调并量化，适用于运行 Osaurus 的 Apple Silicon Mac。适合在本地运行助手的人。
新上架
LFM2.5-350M-home-assistant-sft
OrdenWills · 工具包
把“关掉电视”这样的日常家居指令变成结构化的工具调用，并先检查设备状态。这是一个 3.5 亿参数的模型，适合智能家居开发者和爱好者。
新上架
MOSS-VL-Realtime
OpenMOSS-Team · 工具包
能边看实时视频流边回答问题，画面没有新内容时保持沉默。适合做实时视频理解的开发者和研究人员。
新上架
MOSS-Video-Preview-Real-Time-SFT
OpenMOSS-Team · 工具包
在视频播放的同时给出评论，逐帧接收画面并低延迟作答。适合用 Python 和 transformers 构建实时视频助手的开发者和研究人员。
新上架
MOSS-TTS-v1.5
OpenMOSS-Team · 工具包
用 31 种语言朗读文字，并能用一小段参考音频克隆声音，支持语言标签和明确的停顿标记。适合给产品加入语音的配音人员、配音团队和开发者。
新上架
MOSS-TTS
OpenMOSS-Team · 工具包
用八种语言朗读文字，支持零样本声音克隆、长篇语音，并可控制发音和时长。适合音频制作人和开发语音功能的开发者。
新上架
MOSS-Music-8B-Instruct
OpenMOSS-Team · 工具包
听一首歌并回答有关它的问题：带时间戳的歌词、情绪和曲风、调、速度与和弦，以及歌曲结构。适合处理音乐音频的开发者和研究人员。
新上架