模型部署教程

EchoMimicV3 是蚂蚁集团在8月底开源的一款高效、多模态、多任务的13亿参数数字人视频生成框架。

HunyuanVideo-Foley 是腾讯混元团队在2025年8月底开源的一款端到端视频音效生成模型。

YOLOv13 隆重推出 ——新一代实时检测器，拥有尖端的性能和效率。YOLOv13 系列包含四个版本：Nano、Small、Large 和 X-Large。

Qwen-Image 是阿里巴巴通义千问团队于 2025 年 8 月开源的首个图像生成基础模型，也是目前在复杂文本（尤其是中文）渲染方面表现最好的开源文生图大模型之一。

Seed-X-PPO-7B 是强大的开源多语言翻译语言模型，表现出业界领先的翻译能力，它以其 70 亿（7B）参数的“轻量级”设计，实现了支持 28 种语言双向互译的强大能力。

Ovis2.5 旨在实现原生分辨率的视觉感知和增强的多模态推理。它集成了一个原生分辨率的视觉变换器（NaViT），可以处理原始、可变分辨率的图像。

FLUX.1-Krea-dev是一个具有 120 亿参数的修正流变换器，能够根据文本描述生成图像，具有优质的输出质量，专注于美学摄影。

360Zhinao-1.8B-Reranking 模型以自主研发的 360Zhinao_1.8B_base 模型为基础

扣子利用大语言模型极大地简化了智能体的搭建过程。 在充分利用大语言模型优势的同时，扣子还支持用户通过知识库、工作流等功能来配置智能体如何响应用户查询，以保证智能体的回复符合预期。

Qwen-Image-Edit基于 20B Qwen-Image 模型，成功地将 Qwen-Image 独特的文本渲染能力扩展到了图像编辑任务中，实现了精确的文本编辑。

本工作流使用FLUX.1 Kontext智能地将一张图像中的物体迁移至另一张目标场景图中，并保持原物特征与目标场景的和谐融合。

Voxtral-Small-24B-2507 是一款由 Mistral 团队发布的大规模多模态语言模型，具备强大的自然语言理解与生成能力。

FFmpeg 是一套可以用来记录、转换数字音频、视频，并能将其转化为流的开源计算机程序。采用 LGPL 或 GPL 许可证。它提供了录制、转换以及流化音视频的完整解决方案。

HunyuanVideo 是腾讯推出的一款开源视频生成基础模型，拥有超过 130 亿个参数，是当前规模最大的开源视频生成模型。

OutsTTS是基于Qwen3 0.6B 构建的基础模型，经过持续的预训练和微调，主要用于克隆和合成语音。

Qwen-Image 是阿里巴巴通义千问团队于 2025 年 8 月开源的首个图像生成基础模型，也是目前在复杂文本（尤其是中文）渲染方面表现最好的开源文生图大模型之一。

8 月 5 日，OpenAI 重磅发布了自 GPT-2 以来的首批开源权重语言模型 gpt-oss-120b 和 gpt-oss-20b，标志着 OpenAI 在开源领域迈出了重要一步。

Wan2.2-TI2V-5B 是阿里巴巴通义万相团队于 2025 年 7 月开源的一款轻量级统一视频生成模型，属于 Wan2.2 系列中的核心成员。

本次合并模型整合了 Wan-AI/Wan2.1-VACE-14B 的作用域（scopes）与 vrgamedevgirl84/Wan14BT2VFusionX 的模型架构。

Calligrapher 是蚂蚁集团与香港科技大学的研究团队共同开发的一个创新的基于扩散模型的框架，主要用于数字书法和设计应用中的文本图像定制与风格转换。