Z-Image（造相）是一個擁有60億參數的高效圖像生成基礎模型，專門解決圖像生成領域的效率和質量問題。其蒸餾版本Z-Image-Turbo僅需8次函數評估就能達到或超越領先競品，在企業級H800 GPU上可實現亞秒級推理延遲，並能在16G VRAM的消費級設備上運行。

計算機視覺Diffusers多語言

基於 black-forest-labs/FLUX.2-dev 的優化版本圖像生成模型，支持圖像到圖像的生成和編輯任務，採用 fp8_scaled 量化技術提升推理速度，特別適合在低顯存 GPU 上使用。

GLM-4.5-Iceblink-v2-106B-A12B-FP8是基於GLM-4.5-Iceblink-v2-106B-A12B模型，採用最先進的混合專家量化方法進行FP8量化的版本。該模型專門針對支持硬件FP8的Ada、Hopper或Blackwell系列GPU優化，在保持高質量輸出的同時顯著提升推理效率。

自然語言處理Safetensors

混元視頻-1.5是一款輕量級高性能視頻生成模型，僅用83億參數就能提供頂級的視頻質量，顯著降低了使用門檻。它能在消費級GPU上流暢運行，支持文本到視頻和圖像到視頻生成，讓每個開發者和創作者都能輕鬆使用。

多模態Diffusers多語言

VieNeu-TTS-1000h是一款先進的越南語端側文本轉語音模型，基於約1000小時高質量越南語語音數據訓練，具備即時語音克隆功能，支持越南語與英語的無縫切換，能在CPU或GPU上即時合成24kHz波形。

音頻處理Tensorboard其他

Wan2.2-TI2V-5B-Turbo-GGUF是基於quanhaol/Wan2.2-TI2V-5B-Turbo基礎模型轉換而來的圖像轉視頻模型，經過優化可在4GB GPU上運行，具有出色的通用性和高效推理能力。

多模態Gguf

FastVideo團隊推出的圖像轉視頻模型，屬於CausalWan2.2 I2V A14B系列，支持8步推理，能適配從H100到4090等多種GPU，也支持Mac用戶使用。

計算機視覺Diffusers

本項目是基於Flux架構的文本到圖像模型Nepotism的量化版本，採用SVDQuant技術進行優化。提供了INT4和FP4兩種量化格式，分別適用於不同世代的GPU硬件，在保持圖像生成質量的同時顯著減少模型大小和內存佔用。

多模態Diffusers英語

Qwen3-VL是通義系列最強大的視覺語言模型，採用混合專家模型架構（MoE），提供GGUF格式權重，支持在CPU、GPU等設備上進行高效推理。模型在文本理解、視覺感知、空間理解、視頻處理等方面全面升級。

多模態Gguf

Qwen3-VL-2B-Thinking是Qwen系列中最強大的視覺語言模型之一，採用GGUF格式權重，支持在CPU、NVIDIA GPU、Apple Silicon等設備上進行高效推理。該模型具備出色的多模態理解和推理能力，特別增強了視覺感知、空間理解和智能體交互功能。

多模態Transformers

Qwen3-VL是通義系列中最強大的視覺語言模型，具備出色的文本理解和生成能力、深入的視覺感知和推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及智能體交互能力。本倉庫提供GGUF格式權重，支持在CPU、GPU等設備上高效推理。

多模態Transformers

Qwen3-VL-2B-Instruct-GGUF是通義千問系列的多模態視覺語言模型的GGUF量化版本，具備20億參數，支持圖像理解和文本生成的無縫融合，可在CPU、GPU等設備上高效運行。

多模態Transformers

這是基於Danrisi的Flux架構文本到圖像模型UltraReal Fine-Tune的Nunchaku量化（SVDQ）版本。該模型提供了兩種量化格式：INT4適用於非Blackwell架構GPU（50系列之前），NVFP4適用於Blackwell架構GPU（50系列），旨在降低硬件需求同時保持圖像生成質量。

計算機視覺Diffusers英語

這是UltraReal Fine-Tune模型的SVDQ量化版本，由Danrisi基於Flux開發，是一款文本到圖像生成模型。該版本提供了多種量化方案，適配不同GPU硬件，特別針對非Blackwell系列和Blackwell系列GPU進行了優化。

多模態Diffusers英語

這是DeepSeek-OCR的模態平衡量化（MBQ）變體，通過對視覺編碼器採用4位NF4量化減少內存佔用，同時保持投影器和語言/解碼器的BF16精度，可在普通GPU上進行本地部署和快速CPU試驗。

多模態Transformers

TheWhisper-Large-V3是OpenAI Whisper Large V3模型的高性能微調版本，由TheStage AI針對多平臺（NVIDIA GPU和Apple Silicon）的即時、低延遲和低功耗語音轉文本推理進行了優化。

音頻處理Transformers其他

Llama-4-Maverick-17B-128E-Instruct-NVFP4是一個經過FP4量化處理的多語言大語言模型，基於Meta-Llama-3.1架構，專為商業和研究用途設計。該模型通過將權重和激活量化為FP4數據類型，顯著減少了磁盤空間和GPU內存需求，同時保持較好的性能表現。

自然語言處理Safetensors多語言

Project0 SVDQ 是基於 Flux Dev 和 Flux Krea 的文本到圖像模型的量化版本，採用 SVDQuant 技術進行優化，提供 INT4 和 FP4 兩種量化格式，分別適用於不同世代的 GPU 硬件。

多模態Diffusers英語

這是Project0模型的SVDQ量化版本，基於Flux Dev和Flux Krea創建的文本到圖像模型。該模型提供了多種量化格式，針對不同GPU架構進行了優化，包括INT4和FP4量化版本，適用於Blackwell和非Blackwell GPU用戶。

多模態Diffusers英語

Svara-TTS是一款面向印度語言的開源多語言文本轉語音模型，支持19種語言（18種印度語言+印度英語）。該模型基於Orpheus風格的離散音頻令牌方法構建，旨在普通GPU/CPU上實現清晰、富有表現力且低延遲的語音合成。

音頻處理Transformers多語言