浏览 AI 技能、智能体和自动化

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字，用一个检测器找文本行，再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

VibeVoice-1.5B

microsoft · 工具包

把书面对话变成最多四位说话人、约 90 分钟的语音，是微软开放的文字转语音模型，适合研究英语和中文的播客式对话。

officialmobai_Rostam-S1-4B-GGUF

bartowski · 工具包

Rostam-S1-4B 的 GGUF 量化版本，这是一个 4B 推理模型，擅长数学、物理、软件工作和波斯语与英语文本。适合在本地运行小模型、想自己挑文件大小的人。

GLiNER2.5 Base

fastino · 工具包

用同一个模式从英文文本中抽取实体、关系和结构化记录，并给文本分类，在本地的 CPU、CUDA 或 MPS 上运行。适合构建文本抽取流程的开发者。

Mega-ASR

zhifeixie · 工具包

转写来自嘈杂、有回声、削波或重叠的录音里的英文和中文语音，并把干净的音频交给基础模型。适合处理困难音频的团队。

send-gate-307m

yamura4 · 工具包

检查荷兰语、佛兰芒语和英语的青少年聊天消息，返回拦截或放行，能发现有害用语以及分享的地址、IP 和链接。适合构建儿童安全聊天应用的人。

Spark-X2.6-4B-FP8

XHToken · 工具包

面向设备端运行的 4.1B 参数紧凑文本模型，FP8 版本，有 none、low、high 三档思考等级，支持中英文。适合在小型硬件上做编程和智能体任务。

Spark-X2.6-1.7B-Base

XHToken · 工具包

一个紧凑的 1.7B 语言模型，面向设备端使用，支持英文和中文，在编程、智能体任务和长上下文上有提升，并有三档可调的思考级别。适合在本地运行模型的开发者。

t5-base-grammar-correction

vennify · 工具包

用在 JFLEG 数据集上训练的 T5 模型改写英文文本，减少语法错误。由 vennify 制作，适合想在 Python 里加入语法修正步骤的写作者、学生和开发者。

bge-small-en-v1.5-GGUF

unsloth · 工具包

把英文文本变成嵌入向量，用于搜索和检索，是一个 33.2M 参数的小型 GGUF 文件。适合在普通硬件上构建搜索或检索应用的开发者。

Torchcast Decision 4B

torchcast-ai · 工具包

基于 Qwen3.5-4B 的 4B 决策模型，一次推理就返回是非概率、选项分布和分数分布，不生成文本。适合英文分类、路由和评分标准检查。

Qwen3.8-27B-Longbook27-v2

summerAIO · 工具包

用经过微调、采用 Gated DeltaNet 层的 27B 模型，对整本书长度的文字做摘要、问答和续写，支持英语和日语。适合处理长文档的人。

Spark-TTS-0.5B

SparkAudio · 工具包

用基于 Qwen2.5 的模型把文字念成中文和英文语音，支持零样本声音克隆，也能按性别、音高和语速创建虚拟声音。适合做语音的开发者和研究人员。

Sarvam-30B

sarvamai · 工具包

Sarvam AI 的混合专家语言模型，总参数 322 亿，每个词元激活 24 亿，面向英语和多种印度语言的实际使用。模型卡的示例代码需要 NVIDIA 显卡。

Paradee-8M v1.0

sahilmahendrakar · 工具包

这个 8M 参数的模型从 Kokoro-82M 蒸馏而来，用单一声音朗读英文文本。int8 的 ONNX 文件约 9 MB，在 CPU 上就能运行。适合需要小而快、不用 GPU 的语音输出的开发者。

Chatterbox-Nano

ResembleAI · 工具包

这个 110M 参数的模型在普通 CPU 上朗读英文文本，并能通过文本里的标签加入笑声和咳嗽声。适合需要快速设备端语音、内存和延迟预算都很紧的开发者。

Chatterbox-Flash

ResembleAI · 工具包

一个零样本英语文字转语音模型，能从简短参考片段复制声音，并按块低延迟流式输出音频。适合开发语音助手和旁白工具的开发者。

Qwen-Image-2512

Qwen · 工具包

根据英文或中文提示词生成图片，在人物真实感、自然细节和图中文字上比八月的 Qwen-Image 更好。适合使用 diffusers 的开发者和设计师。

AstrLink Guard

QuantumNous · 工具包

在 ONNX 中本地识别中文、英文和混合文本、代码、日志以及 AI 编程助手请求里的个人信息和凭据。适合在敏感数据离开机器前对它做遮盖的开发者。

deberta-v3-base-prompt-injection-v2

protectai · 工具包

识别企图劫持语言模型的英文文本，把每条输入标为正常或提示词注入。适合在 LLM 应用里筛查用户输入的开发者。

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。

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。

Luciole-8B-Instruct-1.1-GGUF

OpenLLM-France · 工具包

Luciole-8B-Instruct-1.1 的量化 GGUF 副本，一个支持法语和英语的 8B 文本生成模型，可在你自己的电脑上运行。来自 LINAGORA 在 OpenLLM-France 联盟中的工作。

OpenEuroLLM Prelude-base 9B

openeurollm · 工具包

一个实验性 9B 基础语言模型的中间训练检查点，用 10T 词元训练，以英文为主并含一部分多语言内容。适合关注欧洲开源模型训练的研究者。

MiniCPM-OCR 1.0 GGUF

openbmb · 工具包

把中英文文档（包括 PDF）解析成文本、表格和公式，提供给 llama.cpp 使用的 GGUF 文件。适合在自己机器上运行 MiniCPM-OCR 1.0 的人。

Parakeet RNNT 1.1B

nvidia · 工具包

把英文语音转写成小写文本。由 NVIDIA NeMo 和 Suno.ai 团队开发的 1.1B FastConformer Transducer 模型，适合给应用加入语音识别的开发者。

YuE2 Particle Sliders v2

ntc-ai · 工具包

为 YuE2-3B 的音频生成加上 16 个滑块，调整声音和曲风，适合想用一个提示词塑造英文文本转音频效果的人。

Nanbeige4.2-3B

Nanbeige · 工具包

4.2B 参数的紧凑循环式 Transformer 模型，面向工具使用、办公任务和编程等智能体工作，支持英语和中文。适合想用小型开放模型做智能体的开发者。

Agaram 2.5B

murai-labs · 工具包

能用泰米尔文、罗马化泰米尔语和英语聊天，也能在泰米尔语和英语之间翻译。这是 Murai Labs 从零训练的 2.5B 模型，适合泰米尔语使用者、研究人员和开发者。

KnowLine-4B-Gen5.5-GGUF

mradermacher · 工具包

PelaAI 的 KnowLine 4B 模型的静态 GGUF 文件，大小从 2.1 GB 到 8.8 GB，标注了英文和中文。适合想在自己电脑上运行小模型的人。

Phi-4

microsoft · 工具包

Microsoft Research 推出的 14B 开放语言模型，针对计算资源有限时的英语推理和对话做了调整。适合给应用添加文本功能，或研究中等规模模型的开发者。

LongCat-AudioDiT-3.5B

meituan-longcat · 工具包

用直接在波形潜空间里工作的扩散模型，把中文或英文文本变成语音，还能用你有权使用的参考样本克隆声音。

dale-9b (GGUF)

manuelgscom · 工具包

把西班牙语或英语请求变成一条 Linux bash 命令，以小型 JSON 对象返回。适合想要在 CPU 或 GPU 上运行本地命令助手的终端用户和开发者。

askmdb-9b-GGUF

manuelgscom · 工具包

根据西班牙语或英语的日常提问，写出只读的 MongoDB 聚合管道。这是 Qwen3.5-9B 微调版的 GGUF 副本，可用 llama.cpp 在本地运行，适合想用日常语言查询数据的开发者。

humanizer-GGUF

jialinyyzz · 工具包

把 AI 写的英文和中文草稿重写成读起来像真人写的，同时保留数字、日期、名字和引语。一个 12B 模型，以 GGUF 文件提供，可在本地运行。

Qwen3.8-Flash-Coder APEX-I-MiniPlus V2.1 GGUF

IsValorum · 工具包

一个仅支持英文的编程模型，GGUF 格式，42.6B 参数的混合专家量化版，约 21.8 GB，用于在 llama.cpp 或 LM Studio 里做代码补全、重构和智能体工具调用。

Ming-3.0-audio-tiny

inclusionAI · 工具包

听音频并按文字指令用文字作答，还可选择语音回复。这是 inclusionAI 的紧凑音频语言模型，适合做中英文语音识别、语音提问和音频理解。

ALLaM-7B-Instruct-preview

humain-ai · 工具包

用阿拉伯语和英语回答问题、遵循指令。这是沙特数据与人工智能管理局（SDAIA）下属国家人工智能中心从零训练的 7B 模型，适合构建阿拉伯语工具的开发者和研究人员。

svd-linear-attention-roberta-base-adasplash

Hooshaai · 工具包

用 AdaSplash 稀疏注意力的 RoBERTa Base 模型对英文文本分类，比如 SST-2 情感，用部分精度换取更低的延迟和显存占用。

roberta-base-fwsvd-rank32

Hooshaai · 工具包

用 Fisher 加权 SVD 以 rank 32 把 RoBERTa Base 压缩到约 82M 参数，对英文文本分类，用部分精度换取更低的延迟和显存占用。

SimulS2ST-Omni

HA-SA-ki · 工具包

提供英文和中文之间同声语音到语音翻译的模型文件，基于 OmniTalker。适合想运行或研究 EMNLP 2026 论文系统的研究者和开发者。

phonon-31m English for llama.cpp

gradium · 工具包

在命令行或本地服务器上把英语文字转成语音，是 Phonon 31M 模型面向 llama.cpp 的 GGUF 版本。适合已经在用带 Phonon 支持的 llama.cpp 的开发者。

T5 Base

google-t5 · 工具包

一个 2.2 亿参数的文本到文本模型，能做英语、法语、罗马尼亚语和德语之间的翻译，也能做摘要、问答和分类。适合开发者和 NLP 学习者。

Ninada

gnumanth · 工具包

用 12 种语言朗读文本，包括梵语、印度英语、印地语和泰米尔语，24 kHz 的声音可在浏览器或手机上运行。有两档 ONNX，一档给桌面，一档给手机。

OCR Tamil

GnanaPrasath · 工具包

从招牌、铭牌和店面的照片里读出泰米尔语和英语文字，作者说它处理倾斜文字比面向文档的工具更好。适合给 Python 应用加入泰米尔语 OCR 的开发者。

GLiNER2.5-multi-Decide

fastino · 工具包

按你在调用时传入的标签对文本分类，一次计算完成，不需要提示词模板。这是 287M 的模型，用于非英语文本的路由、意图、情感和审核。可在本地运行。

Wav2Vec2-Base-960h

facebook · 工具包

把采样率为 16 kHz 的英语语音音频转成文字。这是在 960 小时 Librispeech 上微调过的 wav2vec 2.0 基础模型，适合需要转写基线的开发者和研究者。

ARK-ASR-3B

Edge0 · 工具包

用 Whisper 风格的音频编码器加 Qwen 解码器，把多种语言的语音转成文字。适合需要多语言转写的开发者和研究者，卡里给出了英文和中文的结果。

theOG-50M

DrunkkToys · 工具包

根据一段英文说明写出 Python 函数。这是在一台笔记本上从零训练的 50M 参数代码模型，小到可以在 Ollama、LM Studio 或 llama.cpp 里离线运行。

Distil-Whisper distil-large-v3

distil-whisper · 工具包

把英语语音转成文字，速度约为 Whisper large-v3 的 6.3 倍，长音频上的准确率仍很接近。适合需要转写录音的开发者和团队。

Kiyo-65M

DedeProGames · 工具包

用一个只有 65M 参数的仅解码器小模型续写英文文本，它在 80B 个词元上训练。适合想研究、比较小型 transformers 模型或拿它测试代码的学习者和研究者。

UIBK-Embedding-v1

DataScience-UIBK · 工具包

用一个同时结合词元级匹配和整段文本匹配的模型，找出与查询最匹配的段落。这是因斯布鲁克大学发布的英语检索模型，适合构建搜索的人。

Qwen3-ASR-1.7B GGUF

cstr · 工具包

用 Qwen3-ASR-1.7B 的量化 GGUF 文件，在 CrispASR 里把语音、歌声和歌曲转成文字或英文。适合想在本地转写 30 种语言和 22 种中文方言的人。

ConeML 1.2B Experimental

ConeML · 工具包

从你提供的事实里找出最高、最老或第一个对象，是一个小型英文研究模型，提供 FP32 Safetensors 和 Q8_0 GGUF 文件。适合研究者，仅限非商业使用。

Anuvani-LID

CIIL · 工具包

识别音频片段里说的是印度 22 种官方语言还是印度英语，并给出校准过的分数。适合构建多语言语音流水线的开发者。

Paraphase-2B

chadstthomas · 工具包

一个小型离线模型，把生硬、带 AI 腔的英文邮件草稿改写成平实的文字，同时保留事实。通过 llama.cpp 在 4 到 6 GB 的设备上运行。

Dolphin

ByteDance · 工具包

读取文档页面图像，按阅读顺序分两个阶段提取其中的文字、表格、公式和图表。一个紧凑的 398M 模型，适用于中文和英文文档。

MiniCPM5-2B-GGUF

bartowski · 工具包

MiniCPM5-2B 文本模型的多种大小的量化 GGUF 副本，用 llama.cpp 和重要性矩阵制作。适合在自己电脑上运行小型中英文模型的人。

ERNIE-4.5-21B-A3B-Thinking

baidu · 工具包

以推理见长的 ERNIE 4.5 混合专家文本模型，总参数 21B、激活参数 3B，上下文 128K，支持工具调用，支持英文和中文。适合需要用较小激活规模做深度推理的开发者。

bge-small-en-v1.5

BAAI · 工具包

BAAI 的小型英文文本嵌入模型，把句子变成向量，用于搜索和检索。约 33M 参数，属于 FlagEmbedding 项目。

bge-base-en-v1.5

BAAI · 工具包

把英文文本转成用于搜索和检索的数字向量。这是 BAAI 的 109M 参数嵌入模型，适合通过 sentence-transformers 构建语义搜索或 LLM 检索的开发者。

AuroraIMG2-50M-Preview

AuroraAI-Research · 工具包

微型文字生成图像模型，根据英文提示词生成固定 256 乘 256 的图片，基于从零训练的 50.4M 流匹配 Transformer。这是一个预览版本，适合研究人员和爱好者。

ModernBERT-large

answerdotai · 工具包

预测英文文本或代码中被隐藏的词，微调之后可作为更大的长上下文编码器，用于搜索、分类和检索。适合想要更大号 ModernBERT 的开发者和研究者。

ModernBERT-base

answerdotai · 工具包

预测英文文本或代码中被隐藏的词，微调之后可作为长上下文编码器，用于搜索、分类和检索。适合需要快速 BERT 风格编码器的开发者和研究者。

OLMoE-1B-7B-0924

allenai · 工具包

用运行成本较小的混合专家模型续写英文文本，激活参数 1B，总参数 7B。代码、数据和检查点全部开放，适合使用 transformers 的研究人员和开发者。

Olmo-3.1-32B-Think

allenai · 工具包

回答前先用英语一步步推理，对数学和代码问题有帮助。这是 allenai 的 32B 开放模型，公开了代码、检查点和训练细节，通过 transformers 运行。

MinerU2.5-Pro

opendatalab · 工具包

读取文档页面图像并返回文字，是一个 1.2B 参数、为中英文文档解析打造的模型。适合把扫描页变成可用文字的团队。

SmolLM2-360M

HuggingFaceTB · 工具包

用一个 3.62 亿参数、训练了 4 万亿词元、轻到能在设备上运行的基础语言模型，根据提示续写英文文本。适合想用小型基础模型做测试或微调的开发者。

一个 n8n 工作流，盯着一个 YouTube 频道，下载每个新视频的英文字幕，让 OpenAI 写三条要点，并把它们连同标题和链接发到 Discord。

GigaChat3.5-432B-A28B

ai-sage · 工具包

用于俄语和英语的对话、代码、推理和工具调用文本生成。这是一个 432B 的混合专家模型，激活参数 28B，适合能自行部署大模型的团队。

GigaChat3.1-10B-A1.8B-GGUF

ai-sage · 工具包

用俄语和英语聊天、写代码、调用函数，是 GGUF 文件形式的紧凑混合专家模型。适合在自己硬件上运行助手的人。

VieGem-ASR

5CD-AI · 工具包

转写越南语以及越南语和英语混合的语音，可离线处理，也可按 0.48 秒的块流式处理，使用基于 Google EmbeddingGemma 2 音频编码器的 359M 参数模型。仅限非商业使用。

Tessera-27B-B-CJK-RL

ZelligeAI · 工具包

用一个会以压缩的中英文速记思考的 27B 模型运行编码智能体循环，每轮花更少的思考词元。适合自己托管大模型的开发者。

Zabibu Fikra Model 2 (4B)

zabibutechnika · 工具包

用一个 4B 模型以斯瓦希里语和英语作答，设计为在你自己的设备上离线私密运行。适合需要非洲语境（如肯尼亚数据）的本地助手。

MiMo-V2.5-ASR

XiaomiMiMo · 工具包

转写普通话、英语和粤语的语音，包括中文方言、中英夹杂、歌词、嘈杂音频和多人会议，并自动加标点。适合需要语音转文字的团队。

Wan2.1-T2V-14B

Wan-AI · 工具包

用 14B 的 Wan2.1 模型根据文字提示词生成 480P 或 720P 视频，还能把中文和英文文字放进画面。适合有强力 GPU 硬件的创作者和研究人员。

natural-face-speech-h3-lora

vpakarinen · 工具包

MiniMax H3 视频模型的 LoRA 附加件，目标是在文生视频和图生视频里得到自然的面部动作和清晰的英语语音。适合制作人物说话短视频的人。

Indic Multilingual Turn Detector

tarun7r · 工具包

读取语音转文字的转写文本，判断说话人是否已说完这一轮，支持英语、Hinglish 和七种印度语言。面向语音智能体和呼叫中心开发者。

MNN-Pocket-0.3B-Base

taobao-mnn · 工具包

约 300M 参数的预训练基础语言模型，支持中文和英文，与 MNN 推理引擎一起设计，面向设备端使用，可作为继续训练或微调的起点。

Paradee-8M v1.2

sahilmahendrakar · 工具包

一个很小的英文文字转语音模型，有四种声音，用一个 8.5 MB 的 ONNX 文件就能在 CPU 上运行。适合想在应用里加语音又没有 GPU 的开发者。

MOSS-SoundEffect-v2.0

OpenMOSS-Team · 工具包

根据文字提示生成音效，比如自然环境、城市场景、动物和人的动作，最长 30 秒、48 kHz。适合用英文或中文描述声音的创作者和开发者。

OpenAI GPT 1

openai-community · 工具包

用 OpenAI 发布的第一个 transformer 语言模型续写你开头的英文文本，参数量 120M。适合研究早期语言模型或学习 transformers 库的人。

Rostam-S1-4B

officialmobai · 工具包

一步一步推理数学、物理、科学编程以及波斯语或英语问题，并支持工具调用。基于 Spark-X2.6-4B 的 4.1B 模型，适合想要小型双语推理模型的人。

VoiceTut-TTS

mohammedaly22 · 工具包

支持阿拉伯语和英语混说的埃及阿拉伯语文字转语音，含 19 种内置声音、声音克隆和长文本流式输出。适合开发者和创作者，只能使用你有权使用的声音。

Mesmer AI Detector 4B

mesmertech · 工具包

判断英文文本是人写的、AI 写的还是 AI 编辑过的，并给每个句子打标签。适合想获得提示而非证据的编辑、教师和研究人员。

Temper-2-Nodel

maylore-ai · 工具包

42 亿参数的 Rust 编程模型，基于 Qwen3.5-4B，能回答俄语和英语请求。适合想用小型模型处理函数、trait、泛型和线程的 Rust 开发者。

llm-jp-4.1-33b-thinking

llm-jp · 工具包

LLM-jp 项目推出的 33.2B 参数英日双语文本生成模型。经过 SFT 和 DPO 后训练，上下文 65,536 词元，权重采用 Apache 2.0，可通过 transformers 加载。

SPARSEUP

Linkup-Platform · 工具包

Linkup 推出的 188M 参数英文稀疏检索模型，把查询和文档变成带权重的词表用于搜索。它在 BEIR 上得 56.4 分，是 1.5 亿参数以下公开结果中最好的。

SmolLM2-135M

HuggingFaceTB · 工具包

用一个 1.35 亿参数、小到能在设备上运行的基础语言模型，根据提示续写英文文本。适合想用微型模型做测试或微调的开发者。

Carbon-X

HuggingFaceBio · 工具包

在聊天里读取原始 DNA 并用英文回答，判断变异看起来是良性还是致病，适合想在自己 GPU 上运行 DNA 语言模型的研究人员。

Crystal-31B-RL

hiwaifu-research · 工具包

从 Gemma 4 31B-IT 后训练而来的角色扮演聊天模型，用用户的语言回复，无论是俄语、西班牙语、英语还是葡萄牙语，并一直保持这种语言。可处理图像和文字。

opus-mt-en-zh

Helsinki-NLP · 工具包

把英文翻译成中文，覆盖普通话和其他几种汉语变体，使用一个你自己运行的紧凑 transformer 模型。适合需要本地英译中的开发者和团队。

phonon-31m English for Compute Flow

gradium · 工具包

通过 Arm 的 Compute Flow 朗读英语文本，由 31M 的文字转语音模型打包而成，适用于标准的 pocket-tts 模块。适合使用 Compute Flow、想要小型语音的开发者。

phonon-31m English for audio.cpp

gradium · 工具包

在 CPU 上用 31M 的文字转语音模型朗读英语文本，提供 GGUF 格式，供 audio.cpp 运行时使用。适合想要小型本地语音模型的开发者。

Phonon-2.5 English

FermionResearch · 工具包

把英语语音转成文字，下载只有 157.6 MB，可在 Apple silicon、Linux 和 Windows 的 CPU 上运行，不需要 GPU。适合做听写、字幕、合规或搜索的团队。

bert-base-NER

dslim · 工具包

在英语文本中找出并标注人名、机构名、地名和其他名称。这是用于命名实体识别的微调 BERT 模型，通过 Transformers 流水线使用。

DistilBERT base uncased

distilbert · 工具包

从 BERT base 蒸馏出来的小而快的英文语言模型，有 67M 参数。能填补被遮住的词，主要用来针对分类、标注和问答进行微调。

cbx-indic-pii-extractor-17M

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。这是一个 16.7M 参数、能在 CPU 上运行的模型。

Wan2.1-VACE-1.3B

Wan-AI · 工具包

用 Wan2.1 的 VACE 模型根据提示词、静态图片或已有片段制作和编辑视频，视频里还能出现中英文文字。适合有消费级 GPU 的视频创作者和开发者。

GLM-4-9B-0414-GGUF

unsloth · 工具包

用 9.4B 的 GLM-4-9B-0414 模型的 GGUF 文件生成中文和英文文本，适合想在自己电脑上运行 GLM 模型的人。