Surya 2.5 GGUF
datalab-to · 工具包
从文档图像里读取文字、表格和版面，并以文字返回。这是 Surya 2.5 OCR 模型面向 llama.cpp 的 GGUF 版本，适合想在自己电脑上运行文档 OCR 的人。
新上架
AI 效率技能与自动化
替你处理重复杂事的技能和自动化，比如整理笔记、安排一周计划。
类别与筛选
商品
Orukeet
oruk · 工具包
转写 25 种语言的语音，是 NVIDIA Parakeet TDT 模型的改造版，在作者的测试中词错误率更低。适合批量或实时转写录音的团队。
新上架
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。
新上架
VQGAN + CLIP
multimodalart · 工具包
把一句文字变成图像，你能看着图像从噪点里逐步成形，并把整个过程存成视频。适合艺术家、学生，以及对经典文生图方法好奇的开发者。
新上架
Brindille
edbrdi · 工具包
用一个只有 94K 参数的小模型在浏览器里朗读法语文字，完全在你自己的设备上运行，声音是 Estelle。适合想要不用服务器、不用安装的法语语音的人。
新上架
在 Discord 里通知刚开始的网球比赛
n8n 工作流
一个 n8n 工作流，每 20 分钟向 Live Tennis API 查一次正在进行的比赛，并为每场比赛只往 Discord 频道发一行提醒。
新上架免费
一个回答 Slack 斜杠命令的 n8n 工作流：跑在 Google Gemini 模型上的智能体写出回复，记住和这个人最近的对话，并把它发到频道里。
新上架免费
能听语音、看照片和视频的 WhatsApp 助手
n8n 工作流
一个 n8n 工作流：回答发到 WhatsApp 商务号码的消息。Gemini 模型把语音、照片或视频变成文字，带短期记忆和维基百科工具的 AI 智能体写出回复。
新上架免费
一个把录音变成 Notion 笔记的 n8n 工作流。它盯着一个 Google Drive 文件夹，每个新录音交给 OpenAI 转成文字，再由第二个 OpenAI 步骤写出结构化摘要，标题和摘要进入一个新的 Notion 页面。
新上架免费
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。
新上架
DaFeiYu RVC v2 40k
YukiKaze1337 · 工具包
把录好的说话或歌声转换成大肥鱼的音色，是带音高引导的 40k RVC v2 模型。需要配合 RVC 推理工具使用，适用于个人非商业项目。
新上架
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。
新上架
Qwen-Image-2.1-LoRAs
WarmBloodAban · 工具包
两个用于 Qwen-Image 2.1 图像编辑的 LoRA 插件：一个让动漫角色保持一致，另一个把任意风格的画面变成写实的人物。适合用 AI 编辑图片的人。
新上架
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。
新上架
NVIDIA NemotronLabs RE-USE-laughter
nvidia · 工具包
清理多语言的嘈杂语音录音，同时保留笑声。这是一个 9.6M 参数的语音增强模型，适合修音频的创作者和准备语音数据集的研究人员。
新上架
VibeVoice-ASR
microsoft · 工具包
微软研究院的 8.7B 语音转文字模型，一次可转写最长 60 分钟的音频，说明谁在什么时间说了什么，支持可选的热词和超过 50 种语言。
新上架
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。
新上架
BiRefNet
Comfy-Org · 工具包
Comfy-Org 重新打包的抠背景模型文件，可以在 ComfyUI 里加载。它生成一个遮罩，把主体和背景分开。适合在图像里抠出主体的 ComfyUI 用户。
新上架
MOSS Sharpness Slider
aoleg · 工具包
MOSS-Image 模型的滑块式 LoRA，只靠强度就能让图片更锐利或更柔和，不需要触发词。适合想修复 MOSS Base 模糊问题的图像创作者。
新上架
GigaAM-v3
ai-sage · 工具包
把俄语语音转成文字，有能加标点并规范文本的变体，基于约 230M 参数的 Conformer。适合转录俄语音频（如通话）的开发者和团队。
新上架