来自 Hugging Face 的 AI 项目

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。

whisper-base-ar-quran

tarteel-ai · 工具包

用微调过的 Whisper base 模型把阿拉伯语语音转成文字，在它的评估集上词错误率达到 5.7544。适合构建阿拉伯语语音功能的开发者。

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。

T5 Small

google-t5 · 工具包

用一个小型的 60M 参数 T5 模型，把一段文字转成另一段文字，翻译、摘要、问答和分类都当作文字到文字的任务来做。适合想要一个小型起点模型的开发者和学生。

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。

Drishya Tiny

udgamlabs · 工具包

把文字提示，或文字加首帧图片，变成 2 秒、256×256 的视频片段，使用 212M 参数的生成器。这是一个小型研究版本，最擅长海浪、火焰和下雪的天空。

WARC

third-intelligence · 工具包

面向 ARC-AGI-3 游戏的 35M 参数世界模型，根据最近三帧和一个动作预测下一帧游戏画面，并在智能体玩游戏时持续自我训练。

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。

Dulu Malayalam ASR

serendipitylabs · 工具包

在 CPU 或 CUDA GPU 上把马拉雅拉姆语语音转成文字，是 Serendipity Labs 的早期研究版本。适合想为简短清晰的录音生成转写草稿的人。

pplx-decider-v1.1-27b

perplexity-ai · 工具包

根据文字和图片为一个决策挑出最合适的选项，比如哪个团队应该处理一条请求，并给出每个选项的概率，适合构建分流和审核工作流的开发者。

HolosTTS

patriotyk · 工具包

把乌克兰语音素转成语音，可用预设声音或从音频样本克隆的声音，输出流式 24 kHz 单声道音频。适合在 PyTorch、ONNX Runtime、MLX 或 Android 上添加乌克兰语语音的开发者。

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。

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。

Mistral-7B-v0.1

mistralai · 工具包

作为 7B 预训练基础模型生成并续写文字，适合想要一个起点来测试、微调或在其上开发的研究人员和开发者。

Mistral-7B-Instruct-v0.1

mistralai · 工具包

Mistral 推出的 7B 指令微调聊天模型，基于 Mistral-7B-v0.1，用公开的对话数据集微调。适合想要一个能遵循提示词的小型开放模型的开发者。

Florence-2-large

microsoft · 工具包

把图片和一条简短的任务提示词配对，就能给图片写说明、找出物体、读出图中文字。适合用 transformers 在 Python 里跑视觉任务的开发者和研究人员。

JDI-Decision-V0.9

JoyIndustrial · 工具包

用内置 OCR 的 Qwen3.8-27B 决策系统，针对图像和文字回答选择题式的问题，并给出各选项的概率。适合需要从图片得到结构化选择的开发者。

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。

zephyr-7b-beta

HuggingFaceH4 · 工具包

作为乐于助人的助手进行对话，由 Mistral-7B 经直接偏好优化调教而成。适合想自己运行小型开源聊天模型的开发者和爱好者。

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。

BERT multilingual base model (cased)

google-bert · 工具包

在 104 种语言中补全被遮蔽的词并提取文本特征。这是区分大小写的 BERT 基础模型，用于微调后做分类、标注和问答。

bert-base-chinese

google-bert · 工具包

预测中文文本中被遮住的词，是 Google 针对中文预训练的 BERT base 模型。适合构建中文语言工具或为中文任务微调模型的开发者和研究人员。

xkcd-artist

gnumanth · 工具包

通过规划场景、姿势和对话气泡，把文本提示词变成 XKCD 风格的漫画，输出 SVG 或 PNG。适合想从一个想法快速得到漫画分格的人。

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。

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。

GenFirst

ByteDance-Seed · 工具包

ByteDance-Seed 发布的研究权重，用于 VAE 与先验联合训练的图像生成器。涵盖类别条件和文生图采样，仅限非商业研究使用。

Cola DLM

ByteDance-Seed · 工具包

一个研究用的文本生成模型，在连续潜空间中写作，把文本自编码器和扩散 Transformer 配在一起。适合想运行并测试已发布检查点的研究人员和开发者。

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。

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。

SMaLL-100

alirezamsh · 工具包

在很长的语言列表之间翻译文本，覆盖超过 10K 个语言对，模型比 M2M-100 小得多、快得多。适合需要紧凑多语言翻译的开发者和研究者。

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。

H-JEPA

jepa-world-models · 工具包

提供已训练好的分层世界模型检查点，用于模拟迷宫、方块和推动任务以及 DROID 机器人数据上的视觉规划。适合复现论文的机器人和世界模型研究人员。

Tessera-small

thejagstudio · 工具包

用一个小型扩散模型，根据文字提示生成 16×16 像素画精灵图，大约 16 步就填满全部 256 个像素。适合非商业的游戏和美术实验。

Julia 1

SupersonicLabs · 工具包

这个模型接收一段文本、一个问题和一组可能的答案，选出最好的一个，用于分类、路由、有序评分和是非判断。是一个 144M 模型，适合在 PyTorch 里测试路由的开发者。

MOSS-TTS-Nano

OpenMOSS-Team · 工具包

用一个只有 0.1B 参数、可以在 CPU 上运行的小模型把文字转成语音，支持声音克隆，覆盖 20 种语言。适合给本地或网页应用加上语音的开发者。

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。

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。

Kronos-Tokenizer-base

NeoQuasar · 工具包

把 K 线价格数据转换成离散词元，供 Kronos 预测模型读取。适合用 Python 做金融市场预测的人。

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。

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。

AuraSR-v2

fal · 工具包

用基于 GAN 的超分辨率模型把生成的图片放大四倍。由 fal 制作，适合想把生成图片放大的人。

NLLB-200 3.3B

facebook · 工具包

在 200 种语言之间翻译单个句子，重点关注低资源语言。这是 facebook 发布的研究模型，面向机器翻译研究者，不用于生产环境或认证翻译。

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。

Meta-Llama-3.1-8B-Instruct-GGUF

bartowski · 工具包

Meta Llama 3.1 8B Instruct 的量化 GGUF 文件，用于本地聊天，例如 Q4_K_M 为 4.92 GB，Q8_0 为 8.54 GB。由 bartowski 用重要性矩阵制作。涵盖 8 种语言，可在 LM Studio 中运行。

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。

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。

Jocasta-diff-VLA

RobotLearningLab · 工具包

把 Dream-VLA-7B 适配到 robosuite 中八类模拟 Panda 机械臂任务的机器人控制策略，使用 Flow Matching 动作头。适合有 CUDA GPU 的机器人研究者。

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。

wespeaker-voxceleb-resnet34-LM

pyannote · 工具包

用 pyannote.audio 对 WeSpeaker ResNet34 模型的封装，把一段语音转成说话人嵌入向量，用来比较两个说话人有多像。适合语音和音频开发者。

GPT-2 XL

openai-community · 工具包

从一个起始短语出发续写英文文本，是 OpenAI GPT-2 的 1.5B 参数版本。适合想用经典开源文本生成模型的研究人员和开发者。

Florence-2-base

microsoft · 工具包

Microsoft 推出的小型视觉模型，通过更换文字提示词来做图像描述、目标检测和分割。适合需要用一个模型完成多种图像任务的开发者和研究者。

gnani-evon-v3.3-30B-A3B

gnani · 工具包

用英语和十种印度语言聊天、答题和推理，上下文长度 128K。这是 Gnani.ai 的 30B 混合专家模型，适合用印度语言构建助手、RAG 和智能体的团队。

RWKV7-G1 GooseOne

BlinkDL · 工具包

纯 RNN 的文本生成基础模型，用于聊天、推理和工具调用，可作为后训练和微调的起点。支持八种语言，适合开发者和研究人员。

Iris-3B

speridlabs · 工具包

通过直接绘制每个像素，根据文字提示生成 1024 像素的图像，不使用 VAE 或潜空间。微调后的版本可以估计深度，并修复或放大图像。适合视觉研究人员和图像创作者。

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。

Anime Face Detector

hysts · 工具包

用纯 PyTorch 在 Gradio 页面里找出图片中的动漫人脸，并为每张脸估计 28 个关键点，适合画师、数据集制作者和机器学习开发者。

mine-embed-v1

MineAITechnology · 工具包

用一个从零训练的 57.8M 小型嵌入模型，给两段简短英文在含义上的接近程度打分，是一项早期实验，适合研究或对比嵌入训练的人，不适合用于生产搜索。

UniMate

Linzhan · 工具包

根据文字描述，为任何形状的骨架生成动作，从动物、人形到有绑定的物体。适合动画研究人员和技术美术，采用非商业许可。

Silencio-2

BlueRoseLabs · 工具包

把英文文本转成 24 kHz 语音，支持情绪和声音标签，还能从一小段参考音频复制音色。这是基于 Kyutai 的 Pocket TTS 微调的小型文本转语音模型。

Klein-TTS-X1.5-Pro

klein-ml · 工具包

用 13.1M 参数的模型把文字变成四种语言的 24 kHz 语音，有 17 种声音，在 CPU 上比实时还快。适合需要小而快的语音模型的开发者。

JDI-Decision-V1

JoyIndustrial · 工具包

以选项和概率回答关于文本和图像的结构化问题，是京东工业推出的决策系统，基于 Qwen3.8-27B 并内置 OCR。适合需要分派或分类请求的团队。

Hy-Nomas

tencent · 工具包

根据文字指令和镜头运动，一段一段地生成视频世界，你可以边生成边改变物体、风格和视角。适合创作者和研究者。

AADD

gertelrina · 工具包

每 20 毫秒检测语音录音中的 12 种音频劣化，比如噪声、混响、削波和编解码伪影。适合清理语音数据集和审查录音。

pplx-decider-v1.2

perplexity-ai · 工具包

一次读入一个情境和多个问题，再逐个给出选择、是否或分数。适合需要分派、标记或评估请求的团队。

GPT-2

openai-community · 工具包

用最小的 GPT-2 模型根据提示词生成英文文本，它经过预训练，学习预测下一个词。适合想运行或微调小型基础模型的学习者、研究人员和开发者。

Minimax H3 Latent Upscaler

LBH-123-AI · 工具包

直接放大 Minimax H3 的视频潜变量，让你先低分辨率生成，再在目标尺寸上细化，不必解码再重新编码。适合运行 Minimax H3 视频生成的人。

pplx-decider-flash-v1.2

perplexity-ai · 工具包

Perplexity 的小型决策模型，基于 Qwen3.5-4B，读取文字和图片，用概率回答选择题、是非题和打分题，适合快速分流和分诊。

caramel-1

naklecha · 工具包

这是一个 413M 参数的语音到语音模型，只用对话录音训练，从未见过文本，能进行实时的你来我往。适合语音 AI 研究者和爱好者。

Scylla's Band

spybyscript · 工具包

既能朗读又能按旋律谱演唱的文字转语音模型，有十四种声音、六种语言，可调强度、语速和音高。

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。

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。

HairDeck

hyz317 · 工具包

把一张角色图片变成风格化的 3D 发片，带颜色和用于动画的弹簧骨骼链，可导出为 GLB 网格或 VRM 虚拟形象，适合有 CUDA GPU 的虚拟形象创作者和 3D 美术。

whisper-large-v3

openai · 工具包

OpenAI 的语音转文字模型，能转写多种语言的音频，可以把语音翻译成英文文字，还能加上句子或单词级时间戳，适合任何想把录音变成文字的人。

Alpamayo 2 Edge

nvidia · 工具包

读取多路摄像头画面、导航指令和运动历史，输出带文字理由的行驶轨迹，也能回答关于场景的问题。适合自动驾驶开发者和研究者。

TorchCAM 类激活图

frgfm · 工具包

frgfm 做的 Docker 应用，为 PyTorch 模型生成类激活图，比如 CAM 和 Grad-CAM，显示图像模型看了哪里。适合想在浏览器里看它输出的开发者。

Holocron

frgfm · 工具包

frgfm 做的 Gradio 演示，对应 Holocron，一个用 PyTorch 写成的近期计算机视觉技术合集，用的是 rexnet1_0x 模型。适合想在浏览器里试用它的图像模型的人。

Pytorch Image Classifier

abidlabs · 工具包

一个基于 Gradio 3.0.17 的图像分类演示，带两张示例照片：猎豹和狮子。适合想在浏览器里试用图像分类的人。

Pytorch Image Classifier

abidlabs · 工具包

一个 Gradio 图像分类演示，带四张示例照片：香蕉、汽车、猎豹和狮子。适合想在浏览器里试用图像分类的人。

Draw2

abidlabs · 工具包

一个自带 PyTorch 模型文件和类别名称列表的 Gradio 应用，可在浏览器里试用。README 没有描述，具体功能要看页面。

AI Engineering Book

Sachin-0001 · 工具包

一个名为 AI Engineering Book 的 Gradio 应用，自带 PyTorch 模型、配置和分词器文件。可在 Hugging Face 的浏览器里用，也可在装有 Python 3.12 的自己电脑上运行。

mini-infer

prajwalpujari16 · 工具包

一个浏览器工作室，模拟 GPU 上的 PagedAttention 块分配、前缀缓存、投机解码校验和 KV 缓存估算。适合想看清 LLM 服务如何管理显存的工程师和学生。

RealESRGAN Pytorch

Nick088 · 工具包

通过一个好用的 Gradio 应用，用 Real-ESRGAN 放大图像和视频。适合想把低分辨率素材变得更大更清晰的摄影师、视频剪辑师和创作者。

Smilo

ktejeshnaidu · 工具包

用小型 PyTorch 模型和 OpenCV，从照片、快照或实时摄像头画面中识别七种面部情绪。提供 Gradio 网页和桌面窗口两种用法。

NTv3 Foundation Models for Genomics

InstaDeepAI · 工具包

介绍 InstaDeepAI 的 NTv3 基因组基础模型，它们一次能读取最长 1 Mb 的 DNA，页面还指向可运行的 PyTorch 笔记本，可以在浏览器里看，也可以下载。