来自 Hugging Face 的 AI 项目

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。