軟銀與OpenAI合資成立SB OAI Japan，各持股50%，旨在將OpenAI企業級AI技術引入日本市場。公司將推出企業AI解決方案“Crystal intelligence”，推動本地化應用，深化雙方在人工智能領域的合作。
["Stability AI Japan最近發佈了兩款令人矚目的日語語言模型，分別命名爲“Japanese Stable LM3B-4E1T”和“Japanese Stable LM Gamma7B”。","這兩款模型基於之前發佈的英語語言模型構建，後來通過引入大量日語和英語數據進行預訓練，提升其日語語言處理能力。","這兩款模型分別具有30億和70億參數的規模，允許商業使用，爲日本的自然語言處理領域帶來了一次革命性的突破。"]
DeepSeek 是一款先進的 AI 語言模型，擅長邏輯推理、數學和編程任務，提供免費使用。
AI生成的日本名字，尊重傳統和文化多樣性。
Keltezaa
這是一個基於LoRA和Diffusers技術的文本到圖像生成模型，專門針對日本風格內容進行了優化，使用FLUX.1-dev作為基礎模型
prj-beatrice
本模型是基於rinna/japanese-hubert-base通過CTC進行日語音素識別的微調模型，可有效提升日語語音識別的準確性。
PaddlePaddle
由PaddleOCR團隊開發的超輕量級日語文本行識別模型，支持日語和數字字符識別。
hotchpotch
這是一個非常小巧且快速的日語重排序模型，適用於提升RAG系統的精度，在CPU或邊緣設備上也能高效運行。
這是一個非常小巧且快速的日語重排序模型，適用於提升RAG系統的精度。
Aratako
基於modernbert-ja-310m微調的日語小說質量評估獎勵模型，用於預測用戶對小說文本的評價。
基於modernbert-ja-130m微調的日語小說質量評估獎勵模型，用於預測用戶對小說文本的評價分數。
基於sbintuitions/sarashina2.1-1b微調的日語小說質量評估模型，用於預測用戶對小說文本的評價。
2121-8
Parler-TTS Mini v1 是一個輕量級的文本轉語音模型，Retrieva-JP T5 Base Long 是一個日語文本處理模型，兩者結合用於日語文本轉語音任務。
reazon-research
基於wav2vec 2.0 Large架構，在大型日語ASR語料庫ReazonSpeech v2.0上微調而成的日語自動語音識別模型
基於parler-tts-large-v1再訓練的日語文本轉語音模型，可生成高質量日語語音
Parler-TTS Mini v1 是一個基於日語的小型文本轉語音模型，支持高質量的語音合成。
japanese-asr
這是一個基於級聯方法的日語語音到任意目標語言文本的翻譯流水線，由自動語音識別（ASR）和文本翻譯兩部分組成。
基於大規模日語自動語音識別語料庫ReazonSpeech v2.0微調的wav2vec 2.0 Base模型，適用於日語自動語音識別任務。
alvdansen
本模型可生成具有20世紀中葉日本版畫風格的作品，特別適合極簡風格和版畫效果的圖像生成。
dddump
這是一個專門為Mergekit - MoE測試設計的文本生成模型，僅限個人使用。
TFMC
這是Japanese-Starling-ChatV-7B模型的GGUF格式轉換版本，基於Mistral-7B架構的日語聊天模型，通過Starling-LM-7B-beta的權重調整優化。
基於chatntq-ja-7b-v1.0開發的70億參數日語對話模型，原始架構基於Mistral-7B-v0.1
TKU410410103
基於rinna/japanese-wav2vec2-base在common_voice_11_0日語數據集上微調的語音識別模型，僅支持平假名輸出
這是一個基於日語訓練的Reranker（CrossEncoder）模型，用於文本相關性排序任務。
一個能進行日語文本分析的MCP服務器，提供字符計數、單詞統計及詳細語言特徵分析功能，支持文件路徑和直接文本輸入。
一個提供日本天氣預報的MCP服務器，通過weather.tsukumijima.net API獲取日本各地天氣數據，支持主要城市查詢和詳細天氣信息展示。
一個提供日本天氣信息的MCP服務器
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
