开源模型

英伟达基于 Llama 3.1 微调的 70B 开源指令模型，对齐出色，支持本地部署与推理。

RWKV 是兼具 RNN 与 Transformer 优势的开源大模型架构，线性时间、无 KV 缓存、支持无限上下文。

Meta 发布的开源基础大语言模型，含 65B 参数版本，效率高、性能强，需申请获取。

基于 LLaMA 微调的开源聊天机器人，用 7 万条 ShareGPT 对话训练，质量接近 ChatGPT 的 90%。

Stability AI 开源的文生图扩散模型，可在本地 GPU 运行，商用免费。

Mistral 官方模型页，提供从云端到边缘的开放权重前沿模型，支持定制与微调。

Meta 开源的生成式音频代码库，含 MusicGen 文生音乐与 AudioGen 音效生成。

面向对话场景的开源语音合成模型，支持中英文、多说话人，韵律自然，可控制笑声停顿。

Meta 开源的可提示分割基础模型，支持文本/点/框/掩码提示，可分割并跟踪图像与视频中的任意概念。

Hugging Face 开源的 30 亿参数小语言模型，支持多语言与长上下文，可本地部署。

Ai2 推出的完全开源大模型系列，公开权重、训练数据与完整模型流程，含 7B/32B 多种版本。

基于点的交互式 GAN 图像编辑工具，通过拖拽控制点精准操控生成图像内容。

OpenAI 开源的 120B 参数大模型，可在 Hugging Face 下载并本地部署。

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。

基于大模型的多语言语音生成系统，支持零样本语音克隆、流式合成与指令控制。

智谱开源文生视频与图生视频模型，含 CogVideoX 系列，支持本地推理与微调。

Suno 开源的 Transformer 文本转音频模型，可生成多语言语音、音乐、音效与非语言声音

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多模态大模型，27B 参数，支持图文理解，可在 Hugging Face 下载部署。

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。

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。