这是一个使用mergekit工具合并的12B参数规模的大语言模型，融合了多个优秀模型的特性。

DeepSeek-R1T-Chimera 是一个结合了 DeepSeek-R1 智能和 DeepSeek-V3 令牌效率的开源权重模型。

XYZ-embedding-zh 是一个基于 sentence-transformers 的中文嵌入模型，能够将句子和段落映射到1792维的密集向量空间，适用于聚类和语义搜索等任务。

这是一个基于BERT架构、针对英语质量领域文本分类任务进行微调的模型，属于Multi2ConvAI项目的一部分。

PEG是一种通过渐进式学习实现稳健文本检索的模型，基于负样本的难度级别调整损失权重。

基于ModernBERT-Ja构建的日语通用重排序模型，具有顶尖性能表现和长序列处理能力

基于ModernBERT架构的土耳其语预训练模型，支持8192上下文长度，在多个领域表现优异

基于12B参数的大语言模型，支持文本生成任务，采用Apache-2.0许可证发布。

这是一个基于 Mistral-Small-24B-Instruct-2501 的融合模型，采用了 DARE TIES 融合方法，整合了多个 24B 参数规模的模型。

基于OpenAI Whisper-small微调的土耳其语语音识别模型

DeepSeek-R1-Distill-Llama-8B 是一个基于 Llama 架构的 8B 参数规模的大型语言模型，经过蒸馏训练优化，适用于文本生成任务。

基于Whisper Large v3 Turbo优化的德语语音识别模型，在13小时精选数据集上微调，显著提升德语识别准确率

这是一个从Chuxin-Embedding转换而来的GGUF格式模型，主要用于中文文本检索任务。

基于whisper-large-v3微调的拉脱维亚语自动语音识别模型，由AiLab.lv训练，支持拉脱维亚语语音转文本任务。

由NVIDIA NeMo和Suno.ai联合开发的英语语音识别模型，支持标点符号和大小写转换，采用FastConformer-TDT-CTC架构

基于exaone-3-7.8B-it训练的英韩翻译模型，专注于指令数据集的翻译任务

专为斯瓦希里语与英语双向翻译开发的Transformer模型，基于21万条语料对微调训练

基于Llama3微调的波斯语问答专用版本，能够根据上下文准确回答波斯语问题

这是 bond005/whisper-large-v3-ru-podlodka 的 ctranslate2 转换版本，针对俄语语音识别任务进行了优化。

基于MIT许可证的开源模型，具体功能需根据实际模型确定

Turkish-Llama-8b-v0.1是基于LLaMA-3 8B模型完全微调的土耳其语文本生成模型，使用了30GB土耳其语数据集训练。

基于Llama-3-8B-it训练的英韩翻译模型，专门用于英语指令数据集的翻译

基于Meta Llama-2-7b进行荷兰语适配的版本，通过LoRa技术使用32B荷兰语Llama-2 tokens微调而成的基础模型

基于Flan-T5-Base微调的意图分类模型，用于将客户问题归类到预定义类别

基于SlimPajama-627B数据集训练的文本生成模型，采用视网膜网络架构。

基于FRED-T5-1.7B架构的蒸馏模型，用于俄语拼写、标点及大小写错误的自动校正

基于FRED-T5-large训练的俄语拼写检查模型，可纠正拼写、标点和大小写错误

TinyLlama是一个11亿参数的紧凑型语言模型，采用与Llama 2相同的架构和分词器，适用于计算和内存资源有限的应用场景。

TinyLlama是一个11亿参数的小型语言模型，采用与Llama 2相同的架构和分词器，适用于资源受限的应用场景。

Parakeet TDT 1.1B是由NVIDIA NeMo和Suno.ai联合开发的自动语音识别(ASR)模型，能够将语音转录为小写英文字母。

由Salesforce Research研发的文本嵌入模型，基于E5-mistral-7b-instruct和Mistral-7B-v0.1训练，主要用于文本检索任务。

InternLM2-7B是第二代书生·浦语模型系列中的7B参数规模版本，具有强大的通用语言能力和特定领域优化。

BCEmbedding是网易有道研发的双语跨语言嵌入模型库，包含EmbeddingModel（语义向量生成）和RerankerModel（结果精排）两类模型。

面向RAG优化的双语与跨语言重排序模型，支持中英日韩四语种，提供可解释的绝对分数

Parakeet CTC 0.6B是由NVIDIA NeMo和Suno.ai联合开发的自动语音识别模型，基于FastConformer架构，拥有约6亿参数，支持英语语音转录。

Parakeet RNNT 0.6B 是由 NVIDIA NeMo 和 Suno.ai 联合开发的自动语音识别模型，基于 FastConformer 架构，拥有约 6 亿参数，专门用于将英语语音转录为文本。

Parakeet CTC 1.1B是由NVIDIA NeMo和Suno.ai联合开发的自动语音识别模型，基于FastConformer架构，拥有约11亿参数，支持英语语音转录。

Parakeet RNNT 1.1B是由NVIDIA NeMo和Suno.ai联合开发的自动语音识别模型，基于FastConformer Transducer架构，参数约11亿，支持英语语音转录。

基于whisper-large-v2进行微调的中文语音识别模型，在多个中文语音识别基准测试中实现了30-70%的相对性能提升。

一个使用Hugging Face Transformers库微调的文本转视频生成模型，能够根据文本输入生成视频内容。