大模型

阿里通义万相开源视频生成模型，MoE架构，支持文生视频，720P@24fps，画质电影级。

pyannote 开源说话人分离模型，纯 PyTorch 实现，输入音频输出谁在何时说话的标注。

通义千问开源的多模态图像生成与编辑模型，7B 参数，支持文生图、透明图层与局部编辑。

腾讯开源的130亿参数视频生成基础模型，文生视频效果对标闭源模型。

开源、全面的大模型评测开放平台，提供 LLM 与多模态榜单、评测集社区和竞技场。

Stability AI 基于 Llama2 70B 微调的开源大语言模型，采用 Orca 风格数据集训练。

魔搭社区是阿里达摩院推出的开源模型社区，提供模型、数据集与在线 Demo 一站式服务。

阿里通义千问开源的多模态大模型，支持图文理解，可在 Hugging Face 下载部署。

基于大模型的开源语音合成系统，支持零样本多语言语音克隆与流式输出

OpenAI 开源的 20B 参数大模型，可在 Hugging Face 下载并本地部署运行。

微软开源的小型指令微调模型，参数少、性能强，适合本地部署与轻量推理。

复旦大学开源的中英双语对话大模型，160亿参数，支持工具调用与插件，可本地部署微调。

Google Research 的文本生成音乐模型，可按文字描述生成高保真音乐，并支持哼唱旋律转风格。

xAI 开源的 314B 参数大模型权重，可在 Hugging Face 下载并本地运行。

xAI 开源的 314B 参数 MoE 大模型，含权重与 JAX 示例代码，Apache 2.0 许可。

DeepSeek 在 Hugging Face 上发布的多模态开源大模型，支持图文输入与本地部署。

DeepSeek 开源的多模态理解与生成统一模型，解耦视觉编码，7B 参数。

月之暗面开源的万亿参数 MoE 大模型，激活 32B，擅长推理、编程与 Agent 工具调用。

轻量级开源 TTS 模型，仅 8200 万参数，质量媲美大模型，速度快、成本低，Apache 许可。

通义千问开源图像编辑模型，支持中英文字精准编辑与语义/外观修改，性能达 SOTA。

FunAudioLLM 开源的多语言语音理解模型，支持 ASR、语种识别、情感识别与音频事件检测，推理极快。

腾讯开源的 7B 翻译大模型，支持 33 种语言互译，WMT25 比赛 31 项中 30 项第一。

智谱开源大模型 GLM-5.3，基于 GLM-5.2 后训练强化，复杂编程能力显著提升。

Stability AI 推出的生成式音频模型家族，基于全授权数据训练，部分模型开放权重可下载。