Qwen3-1.7B 是阿里云推出的1.7B参数规模的开源大语言模型，基于Transformer架构，支持多种自然语言处理任务。

NVIDIA FastConformer-Hybrid Large 是一个基于 FastConformer 架构的俄语自动语音识别模型，支持 CTC 和 RNN-T 解码器。

用于检测图像是否包含不适宜工作场所（NSFW）内容的模型，支持网页端部署

基于ONNX格式的轻量级零样本目标检测模型，兼容Transformers.js，适用于浏览器端部署。

IBM Granite系列的时间序列预测模型，基于PatchTST架构，适用于多种时间序列预测任务。

一个基于ONNX格式的轻量级人像分割模型，专门优化用于横向图像中的人物与背景分离。

Hiera是一种高效的视觉Transformer模型，专为图像分类任务设计，具有较小的参数量和高效的计算性能。

TimeSformer-HR 是一个基于视频的动作识别模型，专门针对高分辨率视频进行了优化，并在 Kinetics-600 数据集上进行了微调。

TimeSformer是一种基于Transformer的视频理解模型，专门针对时序动作识别任务进行了优化。

TimeSformer 是一个基于 Transformer 架构的视频理解模型，专门用于处理视频分类任务。

TimeSformer 是一个基于 Transformer 的视频理解模型，专门针对 Kinetics-400 数据集进行了微调。

Whisper是一个通用的语音识别模型，由OpenAI训练。

Whisper是一个自动语音识别(ASR)系统，由OpenAI训练，支持多语言语音转录。

这是MoritzLaurer/roberta-base-zeroshot-v2.0-c模型的ONNX格式转换版本，适用于零样本分类任务。

基于GAN的4倍超分辨率图像放大模型，兼容Transformers.js

基于 YOLOv9 (GELAN-C) 架构的目标检测模型，专为 Transformers.js 优化的 ONNX 版本

这是 gyr66/bert-base-chinese-finetuned-ner 模型的 ONNX 格式转换版本，用于中文命名实体识别任务。

基于Transformers.js的深度估计模型ONNX版本，适用于网页端应用

基于Transformers.js的深度估计模型，适配ONNX权重版本，用于从图像中预测深度信息。

基于ONNX格式的小型深度估计模型，适配Transformers.js框架，适用于网页端深度图预测

中文CLIP模型，基于Vision Transformer架构，支持图像与文本的跨模态理解与生成。

这是 fmops/distilbert-prompt-injection 模型的 ONNX 格式转换版本，用于检测提示注入攻击。

OWL-ViT是一个基于视觉Transformer的零样本目标检测模型，能够在不进行微调的情况下检测新类别的物体。

这是dslim/bert-base-NER模型的ONNX格式版本，用于命名实体识别任务，能够识别四种实体类型：地点、组织、人物和杂项。

Intel开发的混合深度估计模型，结合了卷积神经网络和Transformer架构的优势

轻量级的Swin2SR图像超分辨率模型，可将图像分辨率提升2倍

基于Swin2SR架构的经典图像超分辨率模型，可将图像分辨率提升2倍

基于Transformer架构的手写文本识别模型，可将手写图像转换为文本

基于Transformer的小型手写文本识别模型，适配网页端使用

TrOCR是基于Transformer的OCR模型，专门用于识别印刷体文本。

TrOCR-small-printed 是一个小型的光学字符识别（OCR）模型，专门用于识别印刷体文本。

基于sentence-transformers的德语文本嵌入模型，可将文本映射到1024维向量空间，专为提升德语小样本文本分类效果设计

DistilBART-CNN-12-6是BART模型的蒸馏版本，专为文本摘要任务优化，体积更小但保持较高性能。

YOLOS-small 是一个基于 Transformer 架构的小型目标检测模型，专为高效视觉任务设计。

YOLOS-tiny 是一个轻量级的目标检测模型，基于Transformer架构，适用于实时目标检测任务。

基于DeBERTa架构的自然语言推理(NLI)模型，适用于零样本分类任务，已转换为ONNX格式以兼容Transformers.js

基于DeBERTa-v3的小型自然语言推理模型，适用于零样本分类任务

TinyStories-1M-ONNX 是一个基于 ONNX 格式的小型语言模型，适用于文本生成任务。

E5-small-v2 是一个高效的文本嵌入模型，适用于多种自然语言处理任务。

基于wav2vec2架构的音频分类模型，适用于关键词检测任务