# 快速推理

ERNIE-4.5-0.3B-PT-bf16 是由百度開發的 ERNIE 系列模型的一個版本，參數規模為 0.3B，使用 bf16 精度進行訓練。

這是一個基於Hugging Face Transformers庫的模型，使用Unsloth進行優化。具體功能和用途需要進一步補充信息。

這是一個基於🤗 transformers庫的模型，使用了unsloth技術進行優化。具體功能和用途需要進一步補充信息。

基於Qwen2.5架構的3B參數指令微調模型，使用Unsloth和Huggingface TRL庫優化訓練速度

Qwen3-0.6B-8bit是基於Qwen/Qwen3-0.6B轉換的8位量化版本，適用於MLX框架的文本生成模型。

該模型是一個圖像到圖像轉換的PyTorch模型，通過PytorchModelHubMixin集成推送至Hub。

基於wav2vec2-base訓練的鳥類聲音分類模型，可識別21種印度Vedanthangal鳥類保護區的鳥類物種

FRIDA模型的輕量快速修改版，用於計算俄語和英語句子的嵌入向量

Lite-Whisper 是 OpenAI Whisper 的壓縮版本，採用 LiteASR 技術，在保持較高準確率的同時顯著減小模型體積。

Lite-Whisper 是採用 LiteASR 技術壓縮的 OpenAI Whisper 輕量化版本，在保持較高識別準確率的同時顯著減小模型體積。

Kokoro是一款擁有8200萬參數的開源文本轉語音模型，以輕量架構實現媲美大型模型的音質，同時提升生成速度並降低計算成本。

SmolLumi-8B-Instruct是一個基於Unsloth和Huggingface TRL庫訓練的8B參數羊駝模型，專注於文本生成推理任務。

這是一個基於自動訓練的圖像分類模型，能夠識別多種常見物體類別

Stable Diffusion 是一個文本生成圖像的擴散模型，能夠根據文本描述生成高質量的圖像。

Stable Diffusion 3.5 Large 的 FP8 量化版本，用於文本到圖像的生成任務。

Sana是一個高效的文本生成圖像框架，能夠生成分辨率高達4096×4096的圖像，支持多語言輸入。

基於Llama-3-8B的Groq優化版本，支持工具使用和函數調用功能

DepthPro是一個用於零樣本度量單目深度估計的基礎模型，能夠生成高分辨率、高精度的深度圖。

這是一個基於OpenVINO優化的midjourney-mini模型，用於文本到圖像的生成任務。

Sana是一個能高效生成高達4096×4096分辨率圖像的文生圖框架，可在筆記本電腦GPU上部署。

基於AMD Instinct™ GPU從主流擴散模型蒸餾而成的高效文生圖模型系列

基於MetaCLIP-2.5B數據集訓練的雙框架兼容視覺模型，支持OpenCLIP和timm框架

基於MetaCLIP-2.5B數據集訓練的雙用途視覺語言模型，支持零樣本圖像分類任務

基於MetaCLIP-2.5B數據集訓練的雙框架兼容視覺模型，支持零樣本圖像分類任務

基於MetaCLIP-400M數據集訓練的視覺變換器模型，支持零樣本圖像分類任務

基於MetaCLIP-2.5B數據集訓練的雙框架兼容視覺模型，支持OpenCLIP和timm框架

基於MetaCLIP-2.5B數據集訓練的視覺Transformer模型，兼容open_clip和timm框架

基於MetaCLIP-400M數據集訓練的視覺語言模型，支持零樣本圖像分類任務

這是一個使用AutoTrain在SST-2英文數據集上微調的DistilBERT模型，用於文本分類任務。

Molmo-7B-O的4bit量化版本，顯著降低顯存需求，適合資源有限的環境。

一個多功能視覺+文本生成模型，特別適用於生成模擬彩色膠片攝影的寫實圖像，呈現從奧托克羅姆到柯達克羅姆再到富士膠片等標誌性攝影技術的廣泛視覺範式。

基於Meta-Llama-3.1-8B-Instruct的4位量化版本，使用Unsloth和TRL庫進行高效訓練

一個基於PyTorch的文本分類模型，可用於文本分類相關任務

基於MLX框架優化的4位量化文本生成圖像模型，支持高效圖像生成

FLUX.1-schnell的量化版本，基於文本生成圖像的擴散模型，支持多種量化精度選擇

FLUX.1-schnell 是一個基於 GGUF 格式的文本到圖像生成模型，適用於圖像生成任務。

LinFusion是一個基於Diffusers庫的文本生成圖像模型，支持通過文本描述生成高質量圖像。

基於Meta-Llama-3.1-8B-Instruct的4位量化版本，使用Unsloth和Huggingface TRL庫進行訓練，速度提升2倍。

基於Transformers庫的零樣本分類模型，能夠在沒有特定任務訓練數據的情況下進行分類任務。

StableMaterials 是一款基於擴散模型的物理渲染（PBR）材質生成工具，能夠根據文本或圖像提示生成高分辨率、可平鋪的材質貼圖。