开源模型

关于AI的开源的模型

PUSA V1.0，基于Wan2.1微调的视频模型，支持开始-结束帧、视频扩展、文本到视频等

PUSA V1.0，基于Wan2.1微调的视频模型，支持开始-结束帧、视频扩展、...

Voxtral，Mistral AI开源的语音识别模型，擅长语音转录、翻译和音频理解

Voxtral，Mistral AI开源的语音识别模型，擅长语音转录、翻译和音频...

IndexTTS2，情感表达和持续时间控制的自回归零镜头文本转语音模型

IndexTTS2，情感表达和持续时间控制的自回归零镜头文本转语音模型，可以实现...

Lingshu，阿里开源的医疗多模态LLM，支持超过 12 种医学成像模式

Lingshu，阿里开源的医疗多模态LLM，支持超过 12 种医学成像模式，包括...

Kimi K2，Kimi开源的专家混合（MoE）语言模型，具有 320 亿个激活参数和 1 万亿个总参数

Kimi K2，Kimi开源的专家混合（MoE）语言模型，具有 320 亿个...

Reka Flash 3.1，开源的编码模型，Reka Flash 3 的更新版本

Reka Flash 3.1，开源的编码模型，Reka Flash 3 的更新版...

T5Gemma，新的编码器-解码器 LLM 集合，基于 Gemma 2 框架

T5Gemma，新的编码器-解码器 LLM 集合，基于 Gemma 2 框架，可...

MedSigLIP，谷歌开源的用于医疗保健的专用图像编码器

MedSigLIP，谷歌开源的用于医疗保健的专用图像编码器，支持 448x448...

SmolLM3，Hugging Face开源的3B小模型，支持 6 种语言、高级推理和长上下文

SmolLM3，Hugging Face开源的3B小模型，支持 6 种语言、高级...

Keye-VL，快手开源的视觉模型，支持视频理解、视觉感知和推理任务

Keye-VL，快手开源的视觉模型，支持视频理解、视觉感知和推理任务。 Gith...

II-Medical-32B-Preview，基于Qwen3-32B模型微调的医学领域推理模型

II-Medical-32B-Preview，基于Qwen3-32B模型微调的医...

ThinkSound，用于音频生成和编辑的多模态大型语言模型中的思维链推理

ThinkSound，用于音频生成和编辑的多模态大型语言模型中的思维链推理，从视...