# 英語專用

Jedi-3B-1080p是由xlangai開發的3B參數模型，經過llama.cpp量化處理，適用於圖像文本生成文本任務。

獵鷹-H1是由TII開發的混合Transformers+Mamba架構的因果解碼器專用語言模型，支持英語，性能卓越。

SmolVLM2-2.2B-Instruct 是一個2.2B參數規模的視覺語言模型，專注於視頻文本到文本任務，支持英語。

這是NVIDIA Llama-3_1-Nemotron-Ultra-253B-v1模型的量化版本，使用llama.cpp進行量化，支持多種量化類型，適用於不同硬件環境。

基於facebook/wav2vec2-xls-r-300m微調的語音郵件檢測模型，專用於區分語音郵件問候語和真人應答。

基於ModernBERT預訓練編碼器的文本嵌入模型，支持8192 tokens長文本處理，在MTEB、LoCO和COIR等評估任務中表現優異。

FLUX.1-Redux-dev 是一個文本生成圖像的模型，專注於將文本描述轉換為高質量的圖像。

這是Menlo/Ichigo-llama3.1-s-instruct-v0.4模型的GGUF量化版本，適用於資源受限環境下的語音語言處理任務。

GTE-v1.5系列中的英語文本編碼器，基於BERT架構改進，支持長達8192的上下文長度，適用於英語文本表示任務。

CogVideoX是源自清影的開源視頻生成模型，2B版本是入門級模型，平衡兼容性，運行和二次開發成本低。

Gemma是Google推出的輕量級開放模型系列，基於創建Gemini模型的技術構建，適用於多種文本生成任務。

Gemma是Google推出的輕量級前沿開放模型系列，基於與Gemini相同技術構建，適用於多種文本生成任務。

Gemma是Google推出的輕量級開源大語言模型系列，基於創建Gemini模型的相同技術構建，適用於多種文本生成任務。

GLiNER是一種基於雙向Transformer的命名實體識別模型，能夠識別任何實體類型，比傳統NER模型更靈活，比大語言模型更高效。

Gemma是Google推出的輕量級開放模型系列，基於與Gemini相同技術構建，適用於文本生成任務。

M2-BERT-128是論文《Benchmarking and Building Long-Context Retrieval Models with LoCo and M2-BERT》中提出的8000萬參數檢索模型檢查點

Gemma是Google推出的輕量級開源大語言模型，基於與Gemini相同技術構建，適用於多種文本生成任務。

SynapseLLM是WebraftAI開發的基於Mistral微調的7B參數大型語言模型，專注於代碼和常規問答場景。

TinyLLama-v0 是一個輕量級語言模型，基於 GGUF 格式提供，適用於文本生成任務。

基於Chessgpt-Base-v1進行監督微調(SFT)的28億參數對話模型，專注於國際象棋領域

LaMini-Flan-T5-248M是基於google/flan-t5-base在LaMini-instruction數據集上微調的248M參數模型，屬於LaMini-LM系列，專為響應自然語言指令設計。

基於OpenCLIP框架在LAION-2B英語子集上訓練的視覺語言模型，支持零樣本圖像分類和圖文檢索

該模型是基於facebook/wav2vec2-base在Common Voice 3.0英語數據集上微調的語音識別模型，在測試集上取得了0.247的詞錯誤率。