# 輕量化模型

這是Qwen3-8B-abliterated模型的量化版本，使用llama.cpp進行量化，適用於文本生成任務。

基於Qwen2.5架構開發的文本轉中國手語模型

這是一個基於slim-orpheus-3b-JAPANESE-ft模型轉換的GGUF格式模型，專門針對日語文本處理進行了優化。

DeepSeek-V3-0324-Pruned-Coder-411B 是一個經過剪枝優化的代碼生成模型，基於 DeepSeek-V3 架構，專注於代碼生成任務。

TeapotLLM的ONNX版本，支持通過Transformers.js在瀏覽器中運行的多語言文本生成模型。

這是一個文本排序模型，用於對文本進行相關性排序。

Granite Vision 3.2 2B Abliterated 是一個視覺語言模型，專注於圖像文本轉文本任務。

LTX-Video 是一個基於文本到視頻生成技術的模型，能夠根據輸入的文本描述生成相應的視頻內容。

這是一個基於Llama-3架構的8B參數模型，專注於視覺小說和日本御宅族媒體內容的翻譯與處理。

基於nvidia/mit-b0微調的圖像分割模型，在評估集上表現出色，平均交併比達0.9210，平均準確率0.9571。

基於ONNX格式的輕量級零樣本目標檢測模型，兼容Transformers.js，適用於瀏覽器端部署。

IBM Granite團隊開發的多語言嵌入模型量化版本，支持17種語言的文本嵌入任務，適用於檢索和信息提取等場景。

基於GPT-2的Stable Diffusion提示詞生成模型，專門用於生成藝術創作相關的提示文本。

這是一個基於TinyLlama的輕量級文本排序模型，專門用於上下文和問題對的分類與重排任務。

YOLOv10是一種即時端到端目標檢測模型，具有高效的延遲-精度和尺寸-精度權衡。

YOLOv10是清華大學MIG實驗室開發的高效即時目標檢測模型，提供端到端檢測能力。

這是一個基於Unsloth優化的Transformer模型，專門針對阿拉伯語文本生成任務進行了優化。

該模型是Salesforce/blip-image-captioning-base的量化版本，通過降低浮點精度至bfloat16，內存佔用減少50%，適用於圖像到文本生成任務。

基於whisper-tiny的德語語音識別模型，參數量為3780萬，適用於對模型體積敏感的邊緣場景。

基於ONNX格式的小型深度估計模型，適配Transformers.js框架，適用於網頁端深度圖預測

基於distilwhisper-large-v2微調的中文語音識別模型，速度是whisper-large-v2的5.8倍，參數減少51%

基於MobileBERT的輕量級模型，用於檢測輸入字符串中的SQL注入攻擊，適用於邊緣計算場景。

基於mt5-small改造的俄語文本改寫模型，通過詞彙表裁剪大幅減小體積，適用於俄語文本改寫任務

TAPAS是一個基於表格的預訓練語言模型，專門用於處理表格數據相關的任務。

基於Oscar框架構建的中文多模態預訓練模型，採用孟子-Bert基礎版初始化，訓練數據包含370萬組圖文對。