这是Qwen3-8B-abliterated模型的量化版本，使用llama.cpp进行量化，适用于文本生成任务。

基于Qwen2.5架构开发的文本转中国手语模型

这是一个基于slim-orpheus-3b-JAPANESE-ft模型转换的GGUF格式模型，专门针对日语文本处理进行了优化。

DeepSeek-V3-0324-Pruned-Coder-411B 是一个经过剪枝优化的代码生成模型，基于 DeepSeek-V3 架构，专注于代码生成任务。

TeapotLLM的ONNX版本，支持通过Transformers.js在浏览器中运行的多语言文本生成模型。

这是一个文本排序模型，用于对文本进行相关性排序。

Granite Vision 3.2 2B Abliterated 是一个视觉语言模型，专注于图像文本转文本任务。

LTX-Video 是一个基于文本到视频生成技术的模型，能够根据输入的文本描述生成相应的视频内容。

这是一个基于Llama-3架构的8B参数模型，专注于视觉小说和日本御宅族媒体内容的翻译与处理。

基于nvidia/mit-b0微调的图像分割模型，在评估集上表现出色，平均交并比达0.9210，平均准确率0.9571。

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。

基于GPT-2的Stable Diffusion提示词生成模型，专门用于生成艺术创作相关的提示文本。

这是一个基于TinyLlama的轻量级文本排序模型，专门用于上下文和问题对的分类与重排任务。

YOLOv10是一种实时端到端目标检测模型，具有高效的延迟-精度和尺寸-精度权衡。

YOLOv10是清华大学MIG实验室开发的高效实时目标检测模型，提供端到端检测能力。

这是一个基于Unsloth优化的Transformer模型，专门针对阿拉伯语文本生成任务进行了优化。

该模型是Salesforce/blip-image-captioning-base的量化版本，通过降低浮点精度至bfloat16，内存占用减少50%，适用于图像到文本生成任务。

基于whisper-tiny的德语语音识别模型，参数量为3780万，适用于对模型体积敏感的边缘场景。

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

基于distilwhisper-large-v2微调的中文语音识别模型，速度是whisper-large-v2的5.8倍，参数减少51%

基于MobileBERT的轻量级模型，用于检测输入字符串中的SQL注入攻击，适用于边缘计算场景。

基于mt5-small改造的俄语文本改写模型，通过词汇表裁剪大幅减小体积，适用于俄语文本改写任务

TAPAS是一个基于表格的预训练语言模型，专门用于处理表格数据相关的任务。

基于Oscar框架构建的中文多模态预训练模型，采用孟子-Bert基础版初始化，训练数据包含370万组图文对。