开源模型

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。

腾讯音乐 Lyra Lab 开源的实时高保真唇形同步模型，可在 V100 上 30fps+ 运行，支持多语言。

一份可商用开源大模型清单，收录模型参数、上下文、许可证与试用链接。

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。

OpenBMB 开源的无分词器 TTS 系统，2B 模型支持 30 种语言、音色设计与克隆，输出 48kHz 音频。

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。

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。

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

智谱开源的多模态 OCR 模型，基于 GLM-V 架构，在 OmniDocBench 上排名第一，擅长复杂文档理解。

智谱开源 MoE 大模型系列，主打编程与长程 Agent 任务，含 1M 上下文与 Flash 版本

开源金融大模型项目，提供金融情感分析、预测等模型与指令微调基准，模型发布于 HuggingFace。

MiniMax 开源的全模态生成系统，可理解文本图像视频音频并生成带原生立体声的 2K 视频。