来自 Hugging Face 的 AI 项目

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐，50 步并带引导控制，音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

Ru-Jev

besktech · 工具包

根据上下文和一组选项，给出是非、选择或等级题的概率，以俄语为先。可在普通 CPU 上运行，适合把数据留在内部的团队。

Yalda Embedding

Yaldat · 工具包

把波斯语文本转成 1,024 维的嵌入向量，用于语义搜索和检索。适合需要把波斯语问题匹配到正确段落的开发者。

d3-turbo

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择、是非、打分、框选和跟踪类问题，并为每个答案给出概率。适合构建路由或视觉检查的人。

d3-nano

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择题、是非题和打分题，并为每个答案给出概率。适合做路由和分诊的工程师使用的 2B 决策模型。

d3-edge

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择题、是非题和打分题，并为每个答案返回概率。适合做路由和分诊的工程师使用的小型决策模型。

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。

System One Model

stephenlb · 工具包

基于 Gemma 4 12B 加一个小型决策头，针对一段文字回答是非题、选择题和评分题，并给出每个答案的概率。适合给应用加入快速分类的开发者。

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。

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。

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。

nomic-embed-text-v1.5-GGUF

nomic-ai · 工具包

通过 llama.cpp 在你自己的机器上把句子变成向量，使用紧凑的 GGUF 文件，适合搜索和 RAG 提问。适合想要本地文本嵌入的开发者。

Drex DLM

nace-ai · 工具包

一次推理就对一份文档的是非题、选择题和打分题给出每个选项的概率。这是 Nace.AI 的 8B 决策模型，你可以自己运行，许可证为非商业。

harrier-oss-v1-27b

microsoft · 工具包

把多种语言的文本转成嵌入向量，用于搜索、聚类、相似度、分类和重排序。适合做语义搜索或检索、并且能部署 27B 模型的开发者。

SPEAR XLarge v2

marcoyang · 工具包

把 16 kHz 的语音和通用音频转成每帧 1280 个数字的特征，是约 6 亿参数的预训练 Zipformer 编码器。适合为语音识别或音频标注做微调的研究者。

Maincoder-1B

Maincode · 工具包

根据函数签名或文档字符串补全并编写 Python 代码。这是 Maincode 的 1B 代码模型，小到能在消费级硬件上运行，适合想在本地做代码补全的开发者。

mSlideOn

lightonai · 工具包

把查询和文档变成可用倒排索引检索的稀疏向量，支持多种语言和长文本。这是一个 339M 参数的多语言检索模型，适合构建搜索的人。

Ming-3.0-tts-tiny

inclusionAI · 工具包

inclusionAI 的多语言文字转语音模型，可根据短音频克隆声音，也能按描述设计声音，并控制情绪、语速和方言。推理需要它的 GitHub 项目。

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。

embeddinggemma-2 GGUF

ggml-org · 工具包

用 llama 命令或 Llama 应用运行 Google embeddinggemma-2 的 GGUF 副本，这是一个 271M 的特征提取模型。适合想在本地使用小型文本嵌入模型的开发者。

Darwin-27B-ZTC

FINAL-Bench · 工具包

读取一个情境和一组带类型的问题，一次前向计算就为每个选项返回概率，不生成任何文字。适合给工作流增加校准决策步骤的开发者。

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。

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。

VideoJev-4B

ZhuYuhan · 工具包

找出视频里某件事发生的时间，并回答关于视频的选择题，方式是直接给候选项打分。基于 Qwen3.5-4B，适合视频研究者和开发者。

Qwen3Guard-Stream-0.6B

Qwen · 工具包

这个模型在语言模型还在写字的时候逐个 token 检查文本的安全性，把每一部分判为安全、有争议或不安全，覆盖 119 种语言和方言。适合要给聊天或生成应用加上实时内容审核的开发者。

Qwen3-Embedding-0.6B-GGUF

Qwen · 工具包

这个 0.6B 的 GGUF 格式模型把文本变成数字向量，用于 100 多种语言的搜索、检索和聚类。适合要在自己机器上做搜索或相似度功能的开发者。

pplx-embed-v2-late-0.6b

perplexity-ai · 工具包

用 ColBERT 风格的模型给查询与文本、图像和文档页面打分，每个词元保留一个小向量。适合为混合文档搭建搜索的开发者。

MiniCPM-OCR Jev GGUF

openbmb · 工具包

为文本、公式和表格区域的 OCR 结果打 0 到 1 之间的质量分，提供给 llama.cpp 使用的 GGUF 文件。适合在自己机器上检查 OCR 结果的人。

IMUDINO

Octopus1 · 工具包

用 PyTorch 编码器把运动传感器记录（加速度计和陀螺仪）变成特征向量。适合基于惯性传感器数据建模的研究人员。

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。

multilingual-e5-large

intfloat · 工具包

把约 100 种语言的文本变成 1024 个数字的向量，用于搜索、匹配和检索。这是 intfloat 基于 xlm-roberta-large 的 5.6 亿参数嵌入模型。

hs-embed-1

hindsight-ai · 工具包

把文本变成紧凑的向量，用于八种语言的搜索和匹配，输入最长 8,192 个 token。这是为 Hindsight 打造的 112M 小型嵌入模型，可在 CPU 或 GPU 上运行。

Laya-GGUF

ggml-org · 工具包

一个 4.21 亿参数的小型决策模型，GGUF 格式，在本地提供服务，通过 systemone API 调用。适合使用 llama.cpp 工具、想要紧凑分类器的开发者。

LeVJEPA 1.5 Large

galilai-group · 工具包

把视频片段和单张图片编码成特征向量，用约 5,300 小时视频做自监督训练。这是面向研究者的视频编码器，采用非商业许可。

bekko-static-v1-slim-100k

flowercomputers · 工具包

用静态嵌入模型把文本变成 1024 维向量，词表精简到 25 种语言。不用 Transformer，就能快速做句子相似度和检索，可用 Python 或 Rust。

V-JEPA 2

facebook · 工具包

把视频和图片转成嵌入向量，用于视频分类、检索，或作为视觉语言模型的视频编码器。由 Meta 的 FAIR 打造，适合处理视频的开发者和研究人员。

bge-small-zh-v1.5

BAAI · 工具包

把中文文本变成稠密向量，用于搜索、分类、聚类和语义匹配。这是 BAAI 的 24M 参数 BGE 嵌入模型，MIT 许可证，F32 下约 96 MB。

ACE-Step 1.5 XL Turbo

ACE-Step · 工具包

用 4B 参数的扩散模型只需 8 步就能生成音乐和其他音频，通过 Gradio 界面在本地运行。适合有 12 GB 以上显存 GPU 的创作者和开发者。

paraphrase-multilingual-MiniLM-L12-v2

sentence-transformers · 工具包

把句子和段落转成 384 个数字组成的向量，用于语义搜索、聚类和句子相似度，是 sentence-transformers 项目的多语言模型。适合构建搜索或匹配功能的开发者。

SenseNova-U1.5-8B-MoT

sensenova · 工具包

统一的多模态模型，用于生成和编辑图像，中英文文字清晰，支持原生 4K 输出，可通过框选和参考图控制。适合有大显存 GPU 的设计师和研究者。

EmbeddingGemma 2 Typed Decisions

mrm8488 · 工具包

一个 272M 的模型，由 EmbeddingGemma 2 微调而来，读取工作流的状态和一份问题模式，并为每个问题返回带有校准置信度的类型化答案。

voyage-4-nano

MongoDB · 工具包

来自 Voyage 4 系列、3.46 亿参数的多语言文本嵌入模型，用于语义搜索和检索，向量大小可调。适合构建搜索和 RAG 系统的开发者。

MERT-v2-FullSong

m-a-p · 工具包

一个音乐编码器，把 30 到 360 秒的整首歌转成帧级或整段级的数值特征。适合处理冻结嵌入的音乐 AI 研究者和开发者。

SlideOn

lightonai · 工具包

LightOn 推出的英语稀疏检索模型，把查询和文档变成稀疏向量，用于倒排索引搜索。适合做英文文本检索的搜索工程师和开发者。

Mimi

kyutai · 工具包

Kyutai 推出的神经音频编解码器，把语音压缩成紧凑的音频令牌，再解码还原。适合构建语音语言模型或文字转语音系统的研究者和开发者。

MANTA-27B

gevaertlab · 工具包

根据文字或图像，一次性为医学问题的各个答案选项打分，不生成文字。这是斯坦福 Gevaert 实验室的研究模型，不是医疗器械。

SenseNova-U1.5-8B-MoT-TailSteer

sensenova · 工具包

图像生成和编辑模型，连续多次编辑时更稳定，基于 SenseNova-U1.5-8B-MoT，加载步骤相同。适合反复编辑同一张图的设计师和研究者。

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。

Qwen3-Embedding-4B

Qwen · 工具包

把 100 多种语言的文字和代码变成向量，用于搜索、检索、分类和聚类，向量大小可调，还支持任务指令，适合构建搜索和 RAG 系统的开发者。

harrier-oss-v1-0.6b

microsoft · 工具包

把多种语言的文字变成数字向量，用于搜索、聚类和相似度匹配，是微软的 0.6B 嵌入模型，适合构建检索和排序工具的开发者。

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。

d3-flash

vllm-sr · 工具包

一个 9B 模型，一次调用就能回答关于文字、图像或视频的多个选择、是非和打分问题，并为每个答案返回概率而不是生成文字。适合路由和决策任务。

d3

vllm-sr · 工具包

用一次调用回答关于文字、图像或视频的选择、是非和打分问题，为每个答案返回概率而不是文字。这是 27B 的决策模型，适合做路由和分流的开发者。

CLAP2-L

laion · 工具包

LAION 的 340M 参数音频文本模型，把声音和英文文本放进同一个嵌入空间，用于零样本音频分类、音频文本检索和通用音频嵌入。

d3-ultra

vllm-sr · 工具包

对同一份文本、图片或视频输入一次回答多个问题，为每个答案给出概率，不生成文字。这是 vLLM Semantic Router 推出的 27B 多模态决策模型。

d3-mini

vllm-sr · 工具包

一次调用就能回答关于文本、图片和视频的选择题、是非题和打分题，并为每个答案返回概率，而不是生成文字。适合需要给请求分流或分类的开发者。

embeddinggemma-2-GGUF

unsloth · 工具包

把文字变成 768 维向量，用于设备端的搜索、检索和聚类。基础模型还支持图像、视频和音频。由 Unsloth 打包成 GGUF。

SheetSage2

m-a-p · 工具包

把音乐录音转成可编辑的乐谱，包含旋律、和弦、节拍、调性和结构，输出 ABC 和 MIDI 文件以及带时间的标注。这是基于 MERT-v2-FullSong 的 57.2M 模型。许可证为非商业。

Llama-V-JEPA-LM-Qwen3-4B

kkt94 · 工具包

用一个 5.1B 的模型回答关于视频片段的问题，它把冻结的 V-JEPA 2.1 视频编码器接到 Qwen3-4B-Instruct-2507 上，适合有 16 GB 以上 GPU 的人。

Llama-V-JEPA-LM-Qwen3-1.7B

kkt94 · 工具包

用一个 2B 的模型回答关于视频片段的问题，它把冻结的 V-JEPA 2.1 视频编码器接到 Qwen3-1.7B 上，适合只有一块普通 GPU 的人。

Llama-V-JEPA-LM-Llama3.2-3B

kkt94 · 工具包

用一个 4.2B 的模型回答关于视频片段的问题，它把冻结的 V-JEPA 2.1 视频编码器接到 Llama-3.2-3B-Instruct 上，适合只有一块 12 GB 以上 GPU 的人。

Llama-V-JEPA-LM-Llama3.2-1B

kkt94 · 工具包

用一个 1.5B 的小模型回答关于视频片段的问题，它把冻结的 V-JEPA 2.1 视频编码器接到 Llama-3.2-1B-Instruct 上，适合只有一块普通 GPU 的人。

pixai-tagger-v1.0

pixai-labs · 工具包

用 30,877 个标签的词表给动漫图片打标签，分六个类别，涵盖角色、服装和风格。适合整理图片库、构建数据集或撰写图片说明的人。

MiniCPM-o 4.5

openbmb · 工具包

一个 9B 模型就能处理图片、视频、语音和实时音视频流，并用英文和中文以文字和语音回答。适合构建语音和视觉助手的开发者。

Llama-V-JEPA-LM-Llama3.1-8B

kkt94 · 工具包

把冻结的 V-JEPA 2.1 视频编码器接到 Llama-3.1-8B-Instruct 上，用来回答关于视频片段的问题，适合做视频理解的人。

ACE-Step 1.5

ACE-Step · 工具包

根据文字描述生成完整歌曲，由规划歌词和结构的语言模型，加上渲染音频的扩散 Transformer 组成。设计上可在消费级硬件上运行。

Qwen3-Embedding-8B

Qwen · 工具包

把文本变成向量，用于搜索、代码检索、分类和聚类，支持 100 多种语言。这是 Qwen 嵌入系列里的 8B 模型，向量大小可调，还支持任务指令。

Llama-V-JEPA-LM-Qwen3-8B

kkt94 · 工具包

用一个 9.2B 的模型回答关于视频片段的问题，它把冻结的 V-JEPA 2.1 视频编码器接到 Qwen3-8B 上，适合有 24 GB 以上 GPU 的人。

parakeet-tdt-0.6b-v3

nvidia · 工具包

转写 25 种欧洲语言的语音，自动识别语言，并加上标点、大小写和词级时间戳。这是 NVIDIA 的 600M 参数语音转文字模型，面向开发者和转写服务。

KURE-Sparse-nano

nlpai-lab · 工具包

一个紧凑的韩英稀疏检索模型，把查询和文档变成稀疏向量，用于倒排索引搜索，适合做韩语搜索的团队。

Qwen3-Embedding-0.6B

Qwen · 工具包

把文字转成数字向量，用于搜索、检索、分类和聚类，支持 100 多种语言，包括编程语言。是 Qwen3 Embedding 系列里最小的 0.6B 参数文本嵌入模型。

bge-m3

BAAI · 工具包

把 100 多种语言的文字转成向量用于搜索，从短句到 8192 词元的文档都行。一个模型同时支持稠密、多向量和稀疏检索。由 BAAI 发布。

LemonDecider 4B

inclusionAI · 工具包

根据文本状态和命名的问题做有类型的决策，返回选项、是非和有序评分的概率，不生成文字。这是 inclusionAI 的 4.5B 模型，面向开发者。

all-MiniLM-L6-v2

sentence-transformers · 工具包

把句子和短段落变成 384 维向量，用于语义搜索、聚类和句子相似度。适合构建英文搜索或检索功能的开发者。

Unlimited-OCR

baidu · 工具包

用 Baidu 的 3.3B 视觉语言模型把文档图片和多页 PDF 解析成文字，适合把 OCR 和文档解析加入自己工具的开发者。

Unlimited-OCR-2

baidu · 工具包

百度的 3.3B 文档解析模型，面向长文档，用 SR-SWA 注意力让解码成本几乎保持不变，提供 Transformers 和 SGLang 两条使用路线。适合要把长报告和书籍数字化的团队。

embeddinggemma-2

google · 工具包

Google DeepMind 的开源嵌入模型，把文字、代码、图片、视频和音频放进同一个 768 维向量空间，可在笔记本和手机上运行。适合构建搜索和检索的开发者。