为LTX视频模型提供额外控制的ComfyUI节点集合

微软开源的视频分词器家族

一款文本转语音工具，帮助您轻松阅读文本。

统一的开放命名实体和语音识别模型

ComfyUI节点，用于MMAudio模型的音频处理

音频采样器，创造音乐节奏

MCP服务器目录，汇集多个MCP服务器资源。

领先的指令遵循模型家族，提供开源数据、代码和指南。

先进的文本生成模型，支持多样化任务

高性能英文文本生成模型

高分辨率、高效率的文本到图像生成框架

先进的文本生成模型，支持多样化任务，Llama-3.1-Tulu-3-8B-DPO官网入口网址

开源知识图谱构建模型，成本低廉，Triplex官网入口网址

与任何大型语言模型进行快速的免提语音交互。Open-LLM-VTuber官网入口网址

基于大型语言模型的高性能MacOS聊天应用，ChatMLX官网入口网址

一种先进的文本到图像的生成模型。FLUX.1-dev-Controlnet-Union-alpha官网入口网址

一个高效的语音合成模型，支持中英文及语音克隆。

生成高质量 SVG 代码的基础模型。

一款开源的14B参数量的数学模型，通过强化学习训练，性能卓越。

Steiner 是一个基于合成数据训练的推理模型，旨在探索多种推理路径并自主验证。

TableGPT2-7B 是一款专注于表格数据处理的大语言模型，适用于数据分析和商业智能任务。

一个用于构建Retrieval-Augmented Generation (RAG)应用的开源项目。

一个基于音频驱动的实时2D聊天头像生成模型，可在仅使用CPU的设备上实现30fps的实时推理。

OmniParser 是一款通用屏幕解析工具，可将 UI 截图转换为结构化格式，提升基于 LLM 的 UI 代理性能。

Magic 1-For-1 是一个高效的图像到视频生成模型，可在一分钟内生成一分钟的视频。

Xyne 是一款开源的、以 AI 为先的搜索与答案引擎，专为工作场景设计。

开源的工业级普通话自动语音识别模型，支持多种应用场景。

YuE是一个开源的音乐生成模型，能够将歌词转化为完整的歌曲。

这是一个基于Qwen2.5-32B模型的4位量化版本，专为高效推理和低资源部署设计。

DeepSeek-R1-Distill-Qwen-7B 是一个开源的推理模型，专注于数学、代码和推理任务。

DeepSeek-R1-Distill-Llama-70B 是一款基于强化学习优化的大型语言模型，专注于推理和对话能力。

AI语音代理测试与可观测性平台