模型社区与下载

Google 开源的多模态大模型 Gemma 4 31B 指令微调版，支持图文输入，可在 Hugging Face 下载与部署。

谷歌开源的小型指令微调模型，仅10亿参数，轻量高效，适合本地部署。

阿里通义千问开源的小型大模型，1.7B 参数，支持本地部署与推理。

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。

国内影响力领先的AI创作平台，提供10万+模型下载、在线WebUI/ComfyUI绘图与LoRA训练。

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。

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。

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

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。

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。

微软开源的长篇多说话人语音合成模型，可生成播客级对话音频，最长 90 分钟、最多 4 位说话人。

英伟达开源的多语言语音识别模型，6 亿参数，支持 25 种欧洲语言自动识别转写

开源本地 AI 工作台，可在个人电脑上运行和微调大模型，支持文本、图像、视频与音频。

NVIDIA 开源的高效语音识别模型系列，含 CTC 与 RNN-Transducer 变体，支持流式与多语言。

Lightricks 开源的视频生成模型，支持文生视频与图生视频，可本地部署并带音频生成。

Stability AI 基于 Llama 65B 微调的 Orca 风格开源大模型，需合并 Delta 权重使用。

Jais 系列是英阿双语大模型，30B 对话版支持 16K 上下文，阿拉伯语能力突出。

Nari Labs 开源的 1.6B 文本转语音模型，可生成带情感、语气和非语言声音的对话语音。

面向东南亚的开源多语言多模态大模型家族，支持11种以上东南亚语言，可在轻量设备部署。

一份在 Rentry 上维护的 Stable Diffusion 模型清单，汇总各类 checkpoint 下载链接与信息。