Tag

开源模型

当前标签下共有 5 篇内容。

腾讯混元开源 AuK：一个把语音生成、编辑、增强和分离统一起来的 1.5B 基础模型

腾讯混元开源 AuK：一个把语音生成、编辑、增强和分离统一起来的 1.5B 基础模型

腾讯混元团队开源 AuK，一款 1.5B 参数语音生成与编辑基础模型。它用统一自然语言指令支持 TTS、内容编辑、情绪与音色修改、语音增强和分离，并提供 AuK Flash、Gradio、ComfyUI 与 Python API。

MiniMax Music 3 开源：可生成最长 5 分钟完整歌曲，本地部署支持 SGLang-Omni 与 Diffusers

MiniMax Music 3 开源：可生成最长 5 分钟完整歌曲，本地部署支持 SGLang-Omni 与 Diffusers

MiniMax 在 Hugging Face 开放 MiniMax Music 3，可依据歌词与音乐描述生成最长约 5 分钟完整歌曲。模型采用 Global/Local LLM、RVQ 与 Flow VAE 架构，并提供 SGLang Omni、Diffusers 等本地推理方式。

VoxCPM2：OpenBMB 开源的无 Tokenizer 多语言语音合成与声音克隆模型

VoxCPM2：OpenBMB 开源的无 Tokenizer 多语言语音合成与声音克隆模型

VoxCPM2 是 OpenBMB 推出的开源多语言语音合成模型，采用无离散语音 Token 的扩散自回归架构，支持 30 种语言、声音设计、可控克隆、48kHz 输出、流式推理以及多种生产部署方案。

英伟达开源 Nemotron 3.5 Lightning：30B MoE 仅激活 3B，支持百万上下文

英伟达开源 Nemotron 3.5 Lightning：30B MoE 仅激活 3B，支持百万上下文

英伟达发布开放模型 Nemotron 3.5 Lightning，总参数 30B、每次仅激活约 3B，并支持最高百万 token 上下文。模型面向 AI Agent、RAG、代码与工具调用场景，同时提供 NVFP4、DFlash 和 DSpark 等低延迟部署方案。

Kimi K3 开源引发本地运行热潮：2.8 万亿参数模型正在被压缩进消费级设备

Kimi K3 开源引发本地运行热潮：2.8 万亿参数模型正在被压缩进消费级设备

Moonshot AI 发布的 Kimi K3 以 2.8 万亿参数规模进入开放模型竞争前沿，而社区量化项目进一步降低本地部署门槛。本文梳理 Kimi K3 的技术特点、Unsloth 适配进展，以及超大模型走向消费级设备背后的开源生态变化。