开源模型

OpenAI 开源的通用语音识别模型，支持多语言转写、翻译与语种识别，可本地运行。

Stability AI 开源的潜在扩散文生图模型，可根据文本提示生成照片级写实图像。

Stability AI 开源的文生图扩散模型，SDXL 基础版，可本地或云端推理生成高清图像。

基于码本查找 Transformer 的盲人脸修复模型，可修复老照片、增强模糊人脸并支持上色与补全。

Meta 开源的 80 亿参数指令微调大模型，支持多语言与长上下文，可本地部署。

Meta 开源的 70B 指令微调大模型，性能接近 405B，支持多语言与工具调用。

Black Forest Labs 开源的 120 亿参数文生图模型，画质仅次于 FLUX.1 pro，可本地部署。

Mistral 7B 指令微调开源大模型，支持函数调用与 v3 分词器。

DeepSeek 开源推理大模型，擅长数学、代码与复杂推理，权重在 Hugging Face 免费下载。

Stability AI 开源的多模态扩散 Transformer 文生图模型，图像质量、文字排版与复杂提示理解更强。

Meta 开源的 30 亿参数指令微调大模型，轻量高效，适合本地部署与二次开发。

Black Forest Labs 开源的 320 亿参数文生图与图像编辑模型，支持多参考图组合与风格迁移。

阿里通义千问开源文本向量模型，8B 规模，MTEB 多语言榜第一，支持 100+ 语言与代码检索。

OpenAI 开源的高效语音识别模型，支持多语言转录与翻译，速度更快。

Fish Audio 开源的 SOTA 多语言 TTS 系统，支持 80+ 语言与自然语言标签控制情感韵律。

腾讯混元开源的大视频生成基础模型，支持文生视频、图生视频，含权重与推理代码。

Jina AI 开源的多语言文本向量模型，支持长文本与多任务，适合检索与 RAG。

通义千问开源代码大模型，320亿参数，擅长代码生成与推理，可本地部署。

DeepSeek 开源 MoE 大模型，1.6T 参数、激活 49B，支持百万 token 上下文。

微软开源的小型语言模型 Phi-4，14B 参数，推理与数学能力突出，可在 Hugging Face 下载使用。

Coqui 开源的多语言语音克隆模型，仅需 6 秒音频即可克隆音色并跨语言合成语音。

开源大规模视频生成模型，采用MoE架构，支持文生视频、图生视频与720P高清生成

BigScience 开源的多语言大模型，架构类似 GPT-3，支持 46 种自然语言和 13 种编程语言。

Black Forest Labs 开源的 FLUX.1 文生图与图像编辑模型官方推理代码库