01
微软开源的语音 AI 模型家族，包含长音频语音识别、多说话人 TTS 和实时流式 TTS 模型权重。 microsoft
2026-07-29
2025-08-25
56.4k stars
模型
共 96 个项目 · 第 1 / 1 页
第 1-96 条，共 96 个
03
开源2B多语言TTS模型，无需分词器，支持声音设计、可控复刻与48kHz studio级语音合成。 openbmb
2026-06-26
2025-09-16
41.3k stars
04
为日常对话优化的开源中英文语音合成模型，提供预训练权重与推理代码，支持多说话人与韵律控制。 2noise
2026-06-26
2024-05-27
40.0k stars
05
谷歌时序预测基础模型，支持多变量与协变量零样本预测，提供PyTorch与MLX推理代码及预训练权重。 google-research
2026-06-24
2024-04-29
35.5k stars
07
微软大规模自监督预训练项目合集，发布语言、视觉、语音与多模态等众多基础模型。 microsoft
2026-06-24
2019-07-23
22.2k stars
08
开源通义千问系列大语言模型权重发布，含基座与对话模型及量化微调部署说明。 QwenLM
2026-06-24
2023-08-03
22.0k stars
09
开源金融大模型项目，发布情感分析、投顾预测等多款微调权重、数据集与训练评测代码。 AI4Finance-Foundation
2026-06-24
2023-02-11
21.6k stars
10
通义30B深度信息搜索大模型权重发布，配套ReAct推理与评测脚本及在线演示。 Alibaba-NLP
2026-06-24
2025-01-09
20.1k stars
11
面向中文场景的LLaMA与Alpaca系列开源大模型，发布LoRA权重并提供词表扩充、预训练微调与本地量化部署教程。 ymcui
2026-06-24
2023-03-15
18.9k stars
14
重构Mythos架构的开源理论模型实现，含循环深度Transformer与稀疏混合专家结构。 kyegomez
2026-07-23
2026-04-18
14.9k stars
15
融合RNN与Transformer优点的RWKV线性注意力大模型系列，发布权重与训练推理实现。 BlinkDL
2026-06-24
2021-08-08
14.8k stars
17
前沿开源音乐生成模型，先规划符号化旋律与和弦，再生成含人声与伴奏的完整歌曲，支持翻唱与智能体编辑。 multimodal-art-projection
2026-09-12
2025-01-23
13.2k stars
18
开源文生视频与图生视频模型系列，提供权重下载、推理示例与微调代码的研究型模型发布。 zai-org
2026-06-24
2022-05-29
13.2k stars
20
脑启发分层推理模型官方代码与权重发布，含训练评估流程及数独迷宫推理基准的模型研究项目。 sapientinc
2026-06-24
2025-07-09
12.7k stars
21
复旦开源的中英双语工具调用对话大模型，提供系列权重、数据与部署微调代码。 OpenMOSS
2026-06-24
2023-04-15
12.3k stars
23
支持图文音视频混合输入的通用视频音频生成大模型，可生成2K立体声短片，附提示词技能与部署权重。 minimax-ai
2026-08-09
2026-07-30
11.4k stars
26
一组基于 Qwen 的小型决策模型，支持是/否、多选和评分问题，提供预训练权重、微调流程和本地服务。 jaredpalmer
2026-09-21
2026-09-17
9.9k stars
27
13.6B统一视频生成基础模型，支持文生图生视频续写与长视频高效推理，权重开放下载部署。 meituan-longcat
2026-07-09
2025-10-25
9.4k stars
28
字节跳动开源的文档图像解析模型，基于视觉语言模型把 PDF/图片解析成结构化 JSON 与 Markdown。 bytedance
2026-08-26
2025-05-13
9.1k stars
31
谷歌DeepMind的全球中期天气预报与气旋预报AI模型权重及运行代码。 google-deepmind
2026-08-09
2023-07-14
7.7k stars
32
智谱开源的MoE大语言模型系列，面向长程智能体与复杂系统工程，需自行下载部署权重。 zai-org
2026-06-26
2026-02-09
7.4k stars
33
面向二进制反编译的开源大模型系列，支持将汇编直接还原为可读C代码，并提供评测集与微调脚本。 albertan017
2026-06-24
2024-02-28
7.3k stars
34
基于Llama-2扩展中文词表并增量预训练的开源中文基座与指令大模型权重系列。 ymcui
2026-06-24
2023-07-18
7.1k stars
38
调试优先的代码大模型，SWE-bench领先，主打仓库级自主修复与根因分析。 Kodezi
2026-08-26
2025-07-21
5k stars
39
面向表格的结构化数据基础模型权重，单模型直推完成分类、回归与缺失值填充任务。 limix-ldm-ai
2026-08-07
2025-08-27
4.4k stars
41
开源长语音与对话合成模型家族，支持多语克隆、实时流式与音效生成，需自行下载部署。 OpenMOSS
2026-08-17
2026-02-07
4.3k stars
42
统一语音识别合成与声音转换的单体 tiny 模型权重发布，单模型实现多音频任务。 autoark
2026-07-16
2025-12-16
3.1k stars
43
谷歌研究的表格基础模型，开箱零样本做混合类型表格的分类与回归，附sklearn兼容接口与预训练权重。 google-research
2026-07-09
2026-06-16
2.8k stars
44
统一骨骼动画生成模型：根据文本提示为任意骨架生成动作，附带 UniML3D 数据集、训练与推理代码，支持动作补间、编辑和扩展。 friedrich-m
2026-10-01
2026-07-22
2.7k stars
45
通义 MAI-UI/Qwen-UI-Agent 基础 GUI 智能体模型库，统一手机、电脑、浏览器与深度搜索场景，并发布模型权重与评测。 tongyi-mai
2026-08-21
2025-12-15
2.4k stars
46
CVPR 2025 的视频转音频合成模型，可根据视频和文本生成同步音效，并提供预训练权重与推理、训练代码。 hkchengrex
2026-08-26
2024-12-07
2.3k stars
47
开源 0.9B 端到端音频理解模型，支持 50 多种语言的长音频转写、说话人分离、时间戳和声学事件标注，附带推理代码、字幕 Web 应用与微调指南。 OpenMOSS
2026-07-19
2026-05-13
2.3k stars
49
京东开源的音视频生成模型仓库，包含长视频生成 Echo-LongVideo 与可交互世界模型 Echo-WM，提供推理代码与模型权重。 jd-opensource
2026-08-25
2026-06-02
2.1k stars
51
通用音频语言模型 FireRedAudio 的官方代码与权重，覆盖语音识别、理解、克隆和编辑。 fireredteam
2026-08-21
2026-08-22
2k stars
53
Descript 开源的神经音频编解码器模型，可将 44.1kHz 音频高保真压缩约 90 倍，并提供训练、编码与解码脚本及权重。 descriptinc
2026-08-26
2023-06-12
1.9k stars
54
Google 开源的实时音乐生成模型，附带 JAX/MLX 推理库、C++ 引擎与示例应用，可在 Apple Silicon 上流式生成音乐。 magenta
2026-08-26
2025-06-12
1.9k stars
55
IRCAM 开源的实时神经音频合成模型 RAVE，提供训练、导出与实时推理工具，可用于音色转换与音乐生成。 acids-ircam
2026-08-26
2021-06-25
1.8k stars
56
腾讯微信视觉团队开源的多模态嵌入模型系列，提供 2B/4B/9B 权重，统一文本、图像、视频与文档的检索表示。 tencent
2026-08-25
2026-08-25
1.8k stars
60
通义实验室开源的端到端语音识别模型家族，覆盖中文方言口音与31种语言，提供多种推理方案。 QwenAudio
2026-08-26
2025-12-15
1.6k stars
61
字节跳动的多模态大语言模型系列，覆盖语音、音频与音视频理解，并开源模型权重与推理训练代码。 bytedance
2026-08-26
2023-08-11
1.6k stars
62
面向逐字转写的多语言语音识别模型，支持逐字/意图双模式与词级时间戳，并提供推理代码与权重。 nyrahealth
2026-08-26
2024-05-24
1.5k stars
64
一个可在单张 8GB 显存显卡上持续训练的字节级语言模型实验，权重存磁盘、按需换入显存，并能从阅读中不断学习。 volotat
2026-09-21
2026-09-19
1.3k stars
65
基于 9B 视觉模型的文档结构化抽取工具，可按 JSON Schema 从 PDF 和图片中输出可验证的结构化数据。 datalab-to
2026-08-27
2026-06-03
1.3k stars
66
完全开放的多模态大模型框架，统一图像长视频与空间理解并发布模型数据与训练全流程。 evolvinglmms-lab
2026-07-26
2025-09-16
1.2k stars
76
面向具身智能的开源大规模MoE视频生成模型，提供模型权重、推理脚本与评测基准。 robbyant
2026-07-09
2026-07-08
983 stars
78
Alaya Lab 的交互式音视频世界模型实现，支持文本/图像/视频条件生成、相机控制和长时程续写，并发布推理代码与权重。 alayalab
2026-08-25
2026-08-12
915 stars
81
面向计算机使用智能体的开放基础套件，包含 OpenCUA 系列视觉语言模型权重、AgentNet 数据集、标注工具与离线评测基准。 xlang-ai
2026-08-27
2025-06-21
873 stars
82
网易有道开源的多语言跨语种零样本 TTS 模型，支持 14 种语言的声音克隆与情感迁移。 netease-youdao
2026-08-27
2026-05-19
852 stars
83
让大模型瞬间记住文档的超网络方法与预训练权重，可内化上下文后直接问答并一键复现论文实验。 SakanaAI
2026-06-24
2026-02-11
844 stars
86
将异构视觉任务统一为多模态生成的视觉大模型，发布权重、语料与推理评测训练流程。 opensensenova
2026-08-13
2026-06-29
729 stars
87
开源音频理解模型系列，支持语音识别、环境声与音乐理解、音频描述、时间感知问答和复杂推理，并提供 4B/8B 的 Instruct 与 Thinking 权重。 OpenMOSS
2026-09-06
2026-04-11
701 stars
89
Noiz AI 的实时交互式音视频世界模型，给定图像和提示词即可边移动边生成同步画面与空间音频，并发布推理代码和权重。 noizai
2026-08-25
2026-08-03
647 stars
92
Liquid AI 发布的 LFM2-Audio-1.5B 端到端语音大模型，附 Python 推理与微调代码，支持实时语音对话、ASR 和 TTS，可下载权重本地运行。 Liquid4All
2026-08-27
2025-09-29
590 stars
94
单图生成可绑定动画3D资产的统一场模型，支持骨骼蒙皮与动作驱动。 vast-ai-research
2026-07-22
2026-02-27
545 stars
