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。
新上架
开发者 AI 技能与智能体
写代码、审代码用的提示词、编程智能体任务说明和工具包，花更少的 Token。
类别与筛选
商品
AsteroRank-Lepton-GGUF
Asteromorph · 工具包
用面向 STEM 和通用搜索的重排序模型按相关度给搜索结果排序，以 GGUF 文件提供，可在 llama.cpp 中运行。适合想在本地排序的开发者和研究者，仅限非商业使用。
新上架
mmBERT-base
jhu-clsp · 工具包
能读取并编码 1,800 多种语言的文本，用于分类、嵌入、检索和完形填空任务。适合要微调多语言编码器的开发者和研究者。
新上架
VGGT-1B
facebook · 工具包
一次前向计算就能从一张、几张或上百张图片推断出场景的 3D 结构，包括相机参数和深度图。适合计算机视觉开发者和研究人员。
新上架
Wan2.2-S2V-14B
Wan-AI · 工具包
根据音频生成电影感的角色视频，也能给现有视频做口型同步。适合有大显卡的视频创作者、动画师和研究人员。
新上架
F5-TTS
SWivid · 工具包
用 F5-TTS 流匹配模型把文字转成语音，提供 F5-TTS 和 E2 TTS 的基础检查点。适合在非商业许可下工作的开发者和研究人员。
新上架
MSST-WebUI
Sucial · 工具包
在浏览器页面里运行音乐音源分离模型，支持 UVR，带预设处理流程和额外工具。适合分离自己拥有的录音的制作人和音频研究人员。
新上架
Stable Diffusion v1-5
stable-diffusion-v1-5 · 工具包
这个 860M 参数的潜在扩散模型根据文字提示词生成图像，可用于 diffusers、ComfyUI 等工具。适合想用经典开源 Stable Diffusion 检查点的研究人员和开发者。
新上架
TripoSR
stabilityai · 工具包
一次前向计算就能从单张图片生成 3D 模型，由 Stability AI 和 Tripo AI 制作，适合想从图片快速得到 3D 的开发者、美术人员和研究人员。
新上架
spkrec-ecapa-voxceleb
speechbrain · 工具包
用 SpeechBrain 里的 ECAPA-TDNN 模型判断两段录音是否来自同一个说话人，也可以输出说话人嵌入。适合开发者和语音研究人员。
新上架
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。
新上架
MAGI-2 Preview
sand-ai · 工具包
大型音视频生成模型，可根据文字提示词，或提示词加一张静态图，生成带声音的 10 秒视频，并提升到 1080p。适合拥有八块 Hopper GPU 服务器的研究者。
新上架
Qwen3-4B P9 Honeypot
samliumay · 工具包
一个用于 Qwen3-4B 的小型研究适配器，让模型充当诱饵。发现有人套取机密时，它会向本地收集器发出无声警报，然后给出编造的值。仅限实验室使用。
新上架
RuView
ruv · 工具包
一组小型模型，通过 ESP32 芯片读取 WiFi 信号变化，在没有摄像头的情况下估计姿态、动作和人员在场，并附带训练自己模型的脚本。适合在同意的对象身上做测试的创客和研究人员。
新上架
Gender-Classifier-Mini
prithivMLmods · 工具包
用微调后的 SigLIP 2 图像模型把照片分成女性或男性两类。适合想要一个小型 Python 分类器来处理照片集的开发者和研究人员。
新上架
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
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-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
BERTimbau Base
neuralmind · 工具包
一个用巴西葡萄牙语预训练的 BERT 模型，能补全被遮住的词，也能生成文本嵌入。适合处理葡萄牙语文本的 NLP 开发者和研究人员。
新上架
AIRealNet-2
Modotte · 工具包
一个小型图像分类器，区分 AI 生成的图片和人类拍摄的照片，针对不同质量的社交媒体图片做了调整。适合筛查图片的审核员、研究者和事实核查人员。
新上架