DeepSeek-R1-Distill完整模型，无量化

本手册提供了 Ollama 和 Open WebUI 的安装和使用指南，支持deepseek r1版本

最强的图片数字人，支持唱歌、说话，效果超强！

LatentSync1.6 汉化版数字人制作 构建By科哥

LiveTalking + GPT-SOVITS V2 + Ollama + FunASR 洛曦AI定制版。 实时语音对话数字人 + 直播版数字人 注意防火墙需要开放UDP所有的端口，让WebRTC可以建立通信

musetalk1.5音频驱动视频生成数字人汉化webUI版 构建By科哥

index-tts-api-v1.5-ap在线推理服务deepspeed加速版

Wan2GP，高度优化的视频生成项目，支持Wan、Hunyuan和LTX等相关模型

MuseTalk数字人模型

搜集主流的开源ASR项目，提供api接口或webui页面完成ASR工作。 目前内置的项目有：FunASR（SenseVoice、speech_paraformer-large）、FireRedASR、PaddleSpeech

MOSS-TTSD邱锡鹏团队开源最新百万小时训练声音推理模型声音克隆 构建By科哥

简单易用的大模型即时通信机器人开发平台，支持 QQ 微信 企微 飞书 钉钉 等多种平台，已配置好 Ollama DeepSeek 模型

lora-scripts镜像提供轻量级LoRA训练套件，集成Kohya_ss训练器与WebUI界面，支持一键式模型微调、数据集预处理及参数可视化，简化Stable Diffusion衍生模型的定制流程，开箱即用。

Bunkws 是杭州国芯微自研的一款端到端唤醒词训练框架

牛哥专属调教版本： 开机即用 默认授权码9259 做了队列限制，多人排队，默认依次执行

comfyui+nunchaku极速出图、改图！

Flux-kontext & Nunchaku急速高清修复工作流

开源的SOTA级图像编辑模型的多种应用

最强大的图片编辑模型，支持基础修改、风格转换、角色一致性、文本编辑

黑森林开源最强图像编辑模型

镜像集成了multitalk数字人工作流与indextts语音克隆工作流

GPT-SoVITS-V4（v2Pro,v2ProPlus），所需素材少，训练耗时短，情绪可控。

index-tts在线api声音克隆快速声音生成api服务用于听小说语音直播等

6-23更新v2.7-大凯智障君-VACE / FusionX 专属AI视频镜像本镜像中包括了：最新的面部追踪流程、 Flux文生图+高清放大工作流 VACE / FusionX 文生视频、图生视频、视频生视频、首帧+尾帧视频comfyUI工作流。 如果你需要学习AIGC相关课程，可以前往哔哩哔哩（免费课程）： https://space.bilibili.com/499577088

Hunyuan3D-2.1

支持so-vits-svc4.1，DDSP6.3/6.1/6，ReFlow-VAE三个项目的模型训练。

单图生成零件级3D模型

n8n 是一个工作流自动化平台，为技术团队提供代码的灵活性和无代码的速度。拥有 400+ 集成、原生 AI 功能和公平代码许可证，n8n 让您构建强大的自动化，同时保持对数据和部署的完全控制。

大凯智障君-VACE / FusionX 专属AI视频镜像：包含Flux文生图高清放大、VACE模型视频创作流程、FusionX模型的图生视频、文生视频、视频转视频等最新的comfyUI工作流，我会定期更新本教学镜像，欢迎大家学习和测试使用。

tencent-ailab旗下的SongGeneration项目，目前只有base模型

Voila是一个超越人类反应速度的开源语音大模型，专为实时情感对话而设计。作为由美国加州大学圣地亚哥分校、阿联酋穆罕默德·本·扎耶德人工智能大学以及Maitrix.org团队共同开发的革命性语音基础模型，Voila采用端到端架构，实现了195ms超快响应，支持百万音色和10秒声音克隆，是构建有温度AI语音交互系统的理想选择。

Langchain-Chatchat 镜像，支持模型的对话和模型知识库问答。

V-JEPA 2（Video Joint-Embedding Predictive Architecture 2）是Meta AI在世界模型构建领域的重大突破，这是一个能够像人类一样理解、预测和规划的自监督视频模型

FusionX最全工作流合集，创建即用，AI视频生成这里都有

阿里开源实时交互数字人

Srt-AI-Voice-Assistant配音辅助工具搭配GSV的镜像

最新版comfyui，集成了360旋转工作流，WAN2.1视频转绘工作流，和图片重绘、flux-kontex工作流

LiveTalking镜像提供实时交互数字人解决方案，支持ERNerf、MuseTalk、Wav2Lip多种模型，通过端到端生成对抗网络实现单张人脸照片驱动的超低延迟（<100ms）唇形同步、表情及头部运动控制，开箱即用。

GPT-Sovits V4 推理特化 & 模型训练

最简单的lora制作工具，三步让你制作出自己的lora

TabbyAPI

Text-Generation-Webui大语言模型综合终端

用于训练alchemy kws模型

DreamO实现了比以前的适配器方法更高的保真度，在保留字符身份方面具有明显的优势。

这是一套强大的AI视频生成工具包，支持文生视频、图生视频，具备动作、镜头、参考图等高级控制功能，并可进行首尾特效、风格转绘、数字人生成等后期处理。

Wan2.1模型的文生视频、图生视频、首尾帧过渡动画体验镜像

一键部署AstrBot+NapCat+Ollama，兼容所有nv显卡 当廉价的喜欢布满街道 纯粹的爱意显得弱不禁风

DeepSeek-R1-0528-Qwen3-8B

在官方最新版本的基础上，你们喜爱的**牛哥（NiuGee）** 对其做了一些小改造： ### 1. 挂机模式 添加了你们喜欢的批量挂机模式：生成一张图一般需要一分钟左右，并且存在抽卡的可能，很多时候，我们希望可以一次性生成一批图片，然后我们逐个选择我们喜欢的就好了，但我们不想一次一次的修改提示词，点击开始，那么这个挂机模式就可以了 - 首先你准备一个Excel文件，然后再第一列，每行输入一个要生成图片的提示词，多少行就会最终生成多少。 - 打开web页面后，选择“批量”模式，上传Excel - 点击开始，之后就不用管了，等着完事就可以了 ### 2. 优化显存 我们知道在牛哥的5090上，这个软件基本已经快要占满了，那么我想把他运行在4090或者3090这种24GB显存版本的平台上，肯定会报显存溢出，牛哥通过一些“奇淫技巧！~”，嗯，现在只需要20G左右就可以了，剩下的空间，大胆的用来跑图吧 带来的影响：次推理第一张图的时候，时间会稍慢（Full 50步推理大概3分钟左右），之后就正常了，基本都是1分钟 ### 3. 软件汉化 & Bug修复 这个就不多展开了，官网是有一些小

index-tts来自B站的一个工业级别的声音克隆应用

Fay数字人3.1.1最小可运行版

vits-simple-api一个出色的声音API管理应用。

HeyGem的docker免费离线版本,你只需要Python和Linux！

CosyVoice阿里云同义实验室开源的AI声音克隆应用

F5-TTS 是由上海交通大学、剑桥大学和吉利汽车研究院（宁波）有限公司于 2024 年共同开源的一款高性能文本到语音 (TTS) 系统， 它基于流匹配的非自回归生成方法，结合了扩散变换器 (DiT) 技术。 1、一切环境已经就绪，开机已经启动应用，等待1-2分钟即可打开webUI进入使用页面： 2、如果需要重启程序，进入jupyterlab，终端命令行中输入： cd /root && run.sh 并回车，等待1-2分钟即可打开webUI进入使用页面. 官方更新源码在这里： https://github.com/SWivid/F5-TTS 使用视频及教程参考：B站搜索“F5-tts”相关视频教程 使用教程更新地址：https://kege-aigc.feishu.cn/docx/G5G1dcRUForkdnxhuQLcmsuknTb --- 有bug请微信科哥： 312088415 科哥目前在研究AI数字人直播卖货很成功，欢迎来了解一起玩： https://kege-aigc.feishu.cn/docx/G271dgZr1o8CvMx9KKrcRuuonDf

Voice-Changer 云端在线变声器

HiDream-I1是一种新的开源图像生成基础模型，具有 17B 参数，可在几秒钟内实现最先进的图像生成质量。

llamafactory微调qwen3-8b等模型

Alphafold3基础镜像，无MSA所需的数据库，无模型权重文件，需要自行下载

InternVL 系列：GPT-4o 的开创性开源替代品。 接近GPT-4o表现的开源多模态对话模型

这是一套强大的AI视频生成工具包，支持文生视频、图生视频，具备动作、镜头、参考图等高级控制功能，并可进行首尾特效、风格转绘、数字人生成等后期处理。

首个中医大语言模型——“仲景”。受古代中医学巨匠张仲景深邃智慧启迪，专为传统中医领域打造的预训练大语言模型。

GPT-SoVITS，已更新V4，[优先使用较新镜像]，所需素材少，训练耗时短，情绪较可控。已打包好整个流程所需的所有环境，开箱即用。

三面ComfyUI，400GB精选模型 + 105个常用节点

Qwen3系列模型，单卡4090推荐0.6B-8B模型，2卡推荐14B模型，4卡推荐32B模型

WAN2.1-lora训练包，基于kohya的musubi-tuner和TTP大佬的gui，我增加了tensorboard功能，希望能够帮助到大家！共建wan视频生态。

Qwen3-0.6B-235B量化模型，支持OpenWebUI

基于敏神发布的FramePack搭建的镜像

MICCAI Challenge STSR 2025 - Task 2 Baseline Docker 赛事主页：https://www.codabench.org/competitions/6470/ 挑战赛主页：https://songhen15.github.io/STSdevelop.github.io/miccai2025/index.html 本 Docker 镜像旨在为 MICCAI Challenge STSR 2025 挑战赛 - Task 2（牙冠和牙根配准）提供一个开箱即用的深度学习基线（Baseline）解决方案。通过CBCT与IOS影像的配准实现牙冠-牙根跨模态配准 联系方式: SemiTeethSegChallenge@aliyun.com

对牙根髓管进行精确分割可以更清晰地显示其形态、分支和弯曲，从而有助于制定更精细的填充策略。然而，在 CBCT 图像中标注牙根髓管区域本身就是一项劳动密集型工作，需要投入大量的时间和人力资源。在Miccai STSR 2025挑战任务1中，我们扩大数据集并为不同的牙齿（包括牙齿和相应的根毛管）提供更细粒度的注释。预计该分割算法将准确地分割恒牙（包括智慧牙齿）和相应的根毛管。

DeepFaceLab训练环境dfl训练linux环境v1.0

Heygem数字人WebUI轻量版视频生成数字人克隆对口型音频驱动视频构建By科哥

vits-simple-api声音推理api服务

LatentSync1.5数字人视频制作 ai数字人视频制作

ComfyUI-v0.3.26JoyCaption2批量打标

GLM-4-0414系列模型

HeyGem镜像使用教程，HeyGem是由Duix.com开发的免费开源 AI 头像项目。

LLaMA-Factory（v0.9.2）大模型训练环境，内置WebUI启动器和API启动器，以及常用的6B、7B、8B、9B模型。

包含Qwen2.5-VL多模态、QWQ-32B两个模型

qwen2.5-Omni

创建实例，点击部署，然后稍等2-3分钟，进入JupyterLab 创建一个终端Terminal 启动 ollama 输入 ollama serve 启动 open-webui 然后启动open-webui，open-webui serve --port 8080 open-webui serve 然后在实例页面找到公网ip，在网页输入xxx.xxx.xxx.xxx:8080，xxx.xxx.xxx.xxx为你的公网ip， 即可进入我们的open-webui，我们点击开始使用 随后我们设置邮箱，用户名和密码，创建管理员。例如 coderabo@qq.com #邮箱 coderabo #用户名 coderabo #密码 然后右上角会提示“已登陆”，我们稍等一下 点击确认，即可开始使用！ 后记：重置密码方法为： 进入以下目录删除：webui.db，然后重启open-webui 服务即可。 /usr/local/miniconda3/envs/py312/lib/python3.12/site-packages/open_we

NVIDIA Isaac GR00T N1是全球首个用于通用人形机器人推理和技能的开源基础模型。这种跨实体模型可以接收多模态输入，包括语言和图像，以在各种环境中执行操作任务。GR00T的名称源自Generalized Robot Operations and Telemetry，代表着其通用化的操作能力和遥测数据处理能力。 GR00T N1 基于广泛的人形机器人数据集进行训练，这些数据集包括真实捕获的数据、使用NVIDIA Isaac GR00T Blueprint组件生成的合成数据，以及互联网规模的视频数据。通过训练后的适应过程，它可以针对特定的机器人实体、任务和环境进行优化。

hunyuan3D-2

腾讯混元3d生成模型，自带环境，开箱即用

MSST-webUI版本，更简单，加入一键处理，效率更高，更好用的干声分离以及去和声混响的项目，可以作为传统UVR的上位替代，并兼容UVR的模型，简单且快。

Google发布的Gemma_3全系列模型 + Open-Webui

ComfyUI-v0.3.26，预装了ComfyUI相关常用插件

一键运行wanx i2v

GPT-SoVITS，已更新V3，[优先使用较新镜像]，所需素材少，训练耗时短，情绪较可控。已打包好整个流程所需的所有环境，开箱即用。

这个镜像提供了一个免费的OpenManus环境，并基于ollama来快速启动一个 LLM（大型语言模型）应用程序。该项目可支持单卡运行整个项目。

该版本是满血版本，需要四卡运行！！！Qwen发布了最新的32B推理模型QwQ-32B，其性能在许多基准测试中表现出色，甚至不逊色于671B参数的满血版DeepSeek R1。QwQ-32B基于Qwen2.5-32B，并通过强化学习（RL）进行进一步优化。

智谱发布的首个支持生成汉字的开源文生图模型。

基于 Ollama 和 Open WebUI 运行的 QwQ-32B 模型。

基于拼接和重定向控制的高效人像动画。

Koyha_ss项目使用了gradio对lora的训练任务进行了封装，提供了可视化交互界面，通过交互界面，可以方面修改训练参数的配置，对小白更加友好。

ComfyUI Native实现wan2.1（通义万象）。

通义万相2.1-文生视频-1.3B

数字人成品项目包含数字人克隆、声音克隆、短视频生成、直播（待发布）、AI配音、AI字幕，包括Windows安装版，Web版，H5版，小程序版，副业必备

Wan-2.1，已下载好1.3B和14B的模型。

阿里推出的视频生成模型，效果媲美商用模型

用于大模型镜像制作或接口部署

本镜像安装的gromacs版本为2025.0，且是单节点GPU版本。

基于大语言模型自监督能力的提示优化框架，SPO通过对比不同提示生成的输出质量，自主完成优化迭代。

Xinference 框架

一个领先的开源文本到语音（TTS）模型，专为生成自然流畅的语音而设计。

AI翻唱+语音变声器：RVC语音转换训练推理用WebUI，3分钟极速训练新模型

微软开源的屏幕解析工具，旨在将用户界面的屏幕截图解析为结构化且易于理解的元素。

最新WebUi1.10.0+全新整合包4.0+一个命令启动

使用[LLaMA-Factory](https://github.com/hiyouga/LLaMA-Factory)在多张RTX4090上微调DeepSeek-R1-Distill系列模型

SF-Loc应该算是DBA-Fusion(RAL2024)的改进版。 在image+IMU的基础上额外加了map-aided localization.而所谓的map属于priori map，是由稀疏帧（每帧为稠密的深度）来组成的。而要实现map-aided localization，就需要分别解决mapping以及re-localization的两个问题。

用纯文本提示的方法实时“微调”LLM，使得基础模型在推理过程中与人类偏好对齐，生成更好的结果。`TPO-LLM-WebUI` 为TPO框架提供了一个友好的WebUI以便你加载LLM和奖励模型，以及展示输出结果。

终端输入 cd /root/ai-toolkit && bash /root/ai-toolkit/运行.sh

建议4卡4090，内存300G以上！KTransformers 使用说明文档，目前支持Q4级别的deepseek的QA对话

Fish Speech，已发布正式版1.5，强大的zero shot能力，支持中日英德法阿拉伯等多国语言。镜像打包了所需的环境，包括干声分离，切片，标注等工具，开箱即用。

仅7B就在数学推理能力上超越70B和一众小型模型，MIT与哈佛基于行动-思维链（COAT）机制训练的 Satori-7B-Round2 推理模型。本镜像提供了一个 Gradio API 提供了一个友好的 Web UI，方便快速部署实例后立即体验 Satori-7B-Round2 模型的推理能力。

YOLOv5 镜像，开箱即用，支持模型训练、模型验证和模型推理。

ChatGLM3 镜像，开源双语对话语言模型，支持模型的推理和模型微调。

这个镜像将会创建大模型推理加速SGLang框架所需的环境，同时将会采用Xinference作为模型管理工具。

一键实现各种NLU任务

分割任何物体模型 (SAM)可根据点或框等输入提示生成高质量物体蒙版，并可用于为图像中的所有物体生成蒙版。该模型已在包含 1100 万张图像和 11 亿个蒙版的数据集上进行了训练，并且在各种分割任务中具有强大的零样本性能

快速分割任何内容

Deepseek-R1-Distilled-Qwen-1.5B，通过简单的强化学习（RL）微调，得到了全新的DeepScaleR-1.5B-Preview。 在AIME2024基准中，模型的Pass@1准确率达高达43.1% ——不仅比基础模型提高了14.3%，而且在只有1.5B参数的情况下超越了OpenAI o1-preview！

deepseek-r1:32b版本，单卡4090可以流畅推理，适合用于自己的知识库构建。

最强大和模块化的扩散模型GUI、api和后端，具有图形/节点界面，专业人士首选。

阿里 TTS模型，提供多语言语音生成、零样本语音生成、跨语言语音克隆和指令跟随能力

671Bdeepseek 量化版本，最低可以双卡4090运行，速度较慢，如果有较快需求可以提卡，建议4卡运行这个ollama模型是最好的，并在`vim /etc/systemd/system/ollama.service`文件中将两卡，修改成你加载的卡数`Environment=CUDA_VISIBLE_DEVICES=0,1`

deepseek-vllm-chatbot可视化大模型聊天机器人

该镜像使用sglang加速框架部署DeepSeek-R1-Distill系列大模型服务

R1-671b动态量化版，由unsloth发布，推荐使用多卡进行部署。 详情请查看镜像内说明或者readme。还附带32b的无限制版蒸馏模型，使用open-webui和ollama以及llama.cpp进行部署。

需要双卡，Ollama 和 Open WebUI搭建的DeepSeek-R1-70B版本，支持API调用

GLM-4-9B在vLLM加速推理框架的部署

diffsinger基本全自动的声库制作镜像，镜像内涵盖了所有环境，开箱即用。所制作声库用于openutau歌声合成引擎，该镜像使用diffsinger的多字典分支，默认支持中日跨语种，但仅支持中文的全自动数据集处理。

Janus-Pro-7B大模型

cp2k_lammps_deepmd-kit

一款简单易用的 AI 证件照制作工具，能够生成标准证件照和六寸排版照。支持抠图、尺寸调整和自定义底色等功能。

用于医学图像分割的定制化 Segment Anything 模型

Cogview3 是一个先进的文本到图像生成模型，由清华大学 KEG 实验室和智谱AI公司联合训练。CogView-3-Plus 基于 CogView3 (ECCV'24)，引入了最新的 DiT 框架，以进一步提高整体性能。 CogView-3-Plus 使用零信噪比扩散噪声调度，并结合了联合文本图像注意机制。与常用的MMDiT结构相比，它在保持模型基本能力的同时，有效降低了训练和推理成本。 CogView-3Plus 使用潜在维度为 16 的 VAE。

MiniCPM-o 是从 MiniCPM-V 分级的最新端侧多模态 LLM （MLLM） 系列。这些模型现在可以将图像、视频、文本和音频作为输入，并以端到端方式提供高质量的文本和语音输出。

Cosmos-v1.0

ddsp6.2,内置环境，上传数据即可训练，支持批量推理。后续会更新

LLaMA3-8B-Instruct WebDemo 部署

TensorRT-LLM 为用户提供了易于使用的 Python API，用于定义大型语言模型 (LLM) 并构建包含最先进优化的 TensorRT 引擎，以便在 NVIDIA GPU 上高效执行推理。TensorRT-LLM 还包含用于创建执行这些 TensorRT 引擎的 Python 和 C++ 运行时的组件。

EchoMimicV2是阿里蚂蚁集团推出的半身人体AI数字人项目，基于参考图片、音频剪辑和手部姿势序列生成高质量动画视频，确保音频内容与半身动作的一致性。

FunClip 是一款开源的自动化视频剪辑工具，通过集成先进的 AI 技术，降低了视频剪辑的难度，使得非专业人士也能够轻松制作出专业水准的视频内容。

支持cuda版本的高斯渲染的代码操作，并支持二次激光雷达开发

VoiceTransl是一站式离线AI视频字幕生成和翻译软件，从视频下载，音频提取，听写打轴，字幕翻译各个环节为翻译者提供便利。

Compshare云服务平台Genesis世界模型的上手与测试。详情可以参考：https://hermit.blog.csdn.net/article/details/144665610

混元视频模型lora一键训练，镜像内打包了标注，训练，和用于测试的comfyui，打包所有环境，支持上传图片一键训练

基于ComfyUI，支持当前最强的开源视频基础模型，目前支持t2v，之后会更i2v和v2v,镜像内置完整环境，包含bf16和fp8量化后占用更小的两种模型，并链接了插帧和超分功能，开箱即用

sovits svc项目的主分支，带干声分离和音频切割，打包了整套数据集制作工具，基本一键训练，开箱即用

HunyuanVideoGP

Diffusion_Policy这是一种生成机器人行为的新方法，它将机**器人的视觉运动策略（visuomotor policy）表示为条件去噪扩散过程（conditional denoising diffusion process）。在 4 个不同的机器人操纵基准中的 15 个不同任务中对 Diffusion Policy 进行了基准测试**，发现它始终优于现有的最先进的机器人学习方法，平均提高了 46.9%。Diffusion Policy 可以学习动作分布得分函数的梯度（gradient of the action-distribution score），并在推理过程中通过一系列随机朗之文动力学（stochastic Langevin dynamics）步骤对该梯度场进行迭代优化。

Ai学术叫叫兽出品，必属精品！ YOLOv3环境,数据集,代码,全套可,一键跑通

Ai学术叫叫兽出品，必属精品！ rtdetr环境,数据集,代码,全套可,一键跑通

Ai学术叫叫兽出品，必属精品！ YOLOv6环境,数据集,代码,全套可,一键跑通

Ai学术叫叫兽出品，必属精品！ YOLOv9环境,数据集,代码,全套可,一键跑通

Ai学术叫叫兽出品，必属精品！ YOLOv5环境,数据集,代码,全套可,一键跑通

集成了最新的视频模型LTXV，支持在线文生视频跟图生视频

Ai学术叫叫兽出品，必属精品！ YOLOv8环境,数据集,代码,全套可,一键跑通

LLaMA-Factory 大模型训练环境，内置WebUI启动器和API启动器，以及常用的6B、7B、8B、9B模型。

QwQ-32B-Preview

Qwen-Audio 是阿里云研发的大规模音频语言模型（Large Audio Language Model）。Qwen-Audio 可以以多种音频 (包括说话人语音、自然音、音乐、歌声）和文本作为输入，并以文本作为输出。

Ai学术叫叫兽出品，必属精品！ YOLOv10环境,数据集,代码,全套可,一键跑通

OpenELM是由苹果公司开发的一款先进语言模型，通过一种新的层级缩放策略优化每个Transformer层的参数分配，从而提升模型的效率和准确性。OpenELM还提供了一个开放的训练和推理框架，包含数据集、训练日志和检查点等资源，支持研究的可重复性和透明性。 模型地址：https://huggingface.co/collections/apple/openelm-instruct-models-6619ad295d7ae9f868b759ca 项目地址：https://github.com/apple/corenet/tree/main/projects/openelm 官方报道：https://machinelearning.apple.com/research/openelm 论文链接：https://arxiv.org/abs/2404.14619

Phi-3-4k，Phi-3系列包含三个规模的模型，该模型经过了一个后期培训过程，其中包括指导遵循和安全措施的监督微调和直接偏好优化。当根据测试常识、语言理解、数学、代码、长上下文和逻辑推理的基准进行评估时，Phi-3-Medium-128k-Instruction在参数不到130亿的模型中展示了稳健和最先进的性能。

YuanLLM 模型，源2.0 是浪潮信息发布的新一代基础语言大模型，包括源2.0-102B，源2.0-51B和源2.0-2B。源2.0是在源1.0的基础上，利用更多样的高质量预训练数据和指令微调数据集，令模型在语义、数学、推理、代码、知识等不同方面具备更强的理解能力。 算法方面，源2.0提出并采用了一种新型的注意力算法结构：局部注意力过滤增强机制(LFA：Localized Filtering-based Attention)。LFA通过先学习相邻词之间的关联性，然后再计算全局关联性的方法，能够更好地学习到自然语言的局部和全局的语言特征，对于自然语言的关联语义理解更准确、更人性，提升了模型的自然语言表达能力，进而提升了模型精度。

Yi-LLM-9B-coder

TransNormerLLM 大模型

MiniCPM-chat

InternLM2-7B-chat

Gemma-2-9b镜像集成谷歌轻量级开源大语言模型，基于Gemini同源技术构建，专注文本生成任务（问答/摘要/推理），通过90亿参数优化实现高性能与低资源消耗，支持笔记本到云环境的灵活部署，提供开箱即用的英文文本生成服务。

CharacterGLM-6B-Chat镜像集成清华大学开源的对话大语言模型，专注角色扮演与个性化交互，通过6B参数架构与128K上下文窗口实现长程角色一致性，支持多轮情感化对话与性格定制，预训练融合戏剧/文学角色数据

BlueLM-7B 是由 vivo AI 全球研究院自主研发的大规模预训练语言模型，参数规模为 70 亿。需要一个4090 GPU来完成运行，这里提供了一个Web端以供使用者二次开发

Index-1.9B-Chat镜像集成轻量级开源对话大语言模型，基于Index-1.9B模型经SFT与DPO对齐优化，预训练引入海量网络社区语料，显著增强趣味聊天能力与多轮交互表现，兼顾低资源部署与高响应速度，开箱即用。

Atom-7B镜像集成高性能轻量级开源大语言模型，基于2T高质量多语种数据预训练，具备高效推理与强泛化能力，支持中英双语任务处理及低成本本地部署，兼顾性能与资源效率，开箱即用。

YOLOv11镜像集成最新目标检测框架升级版，关注B站：Ai学术叫叫兽，跟着视频教程一分钟快速跑通，免费福利专为遥遥领先大家庭小伙伴提供，开箱即用。

DeepSeek-V2-Lite镜像提供高性能开源大语言模型服务，需双4090 GPU支持运行，集成完整Web交互界面供用户直接调用与二次开发，开箱即用。

FaceFusion 3.0.1镜像集成开源人脸融合与增强工具，支持图像/视频/直播流的高精度人脸交换、年龄性别编辑及清晰度修复，通过多线程优化与显存管理实现实时处理速度，提供简洁API与开箱即用的一键式本地部署方案。

MSST，更好用的干声分离以及去和声混响的项目，可以作为传统UVR的上位替代，并兼容UVR的模型，带webui，也可通过笔记本一键处理音频，简单且高效

3DGS镜像集成开源3D高斯点云渲染框架，通过高效可微栅格化技术实现实时的照片级场景重建与渲染，支持从稀疏图像生成高质量动态3D场景，在渲染速度与视觉保真度上超越传统神经辐射场方案，适用于虚拟现实、数字孪生及影视制作领域

MixVPR镜像集成全局特征聚合的位置识别模型，通过混合多尺度特征与自适应聚合技术提升复杂场景（如视角/光照变化）下的定位鲁棒性，支持端到端训练与轻量部署，适用于自动驾驶、机器人导航等视觉定位任务

这是一个基于 YOLOv5 v7.0 版本构建的 YOLO Docker 镜像，适用于 YOLOv5 v7.0版本的 AI 视觉处理任务。通过该镜像，用户可以轻松进行 图像分类、目标检测、目标跟踪、姿态识别、图像分割 等任务，该镜像支持以下操作： 模型训练（train）：在自定义数据集上训练 YOLO 模型。 模型验证（val）：验证模型性能，获得关键指标。 模型推理（inf）：对图像、视频流进行目标检测和分类。 部署优化（opt）：通过 TensorRT 等工具，优化 GPU 加速推理。

VNC可视化镜像专为具身智能从业者提供优刻得远程可视化服务，支持无物理显示设备的跨平台图形界面交互，可基于此完成定制化开发与发布。

LLaMAFactory镜像提供一站式开源大语言模型微调框架，支持全参数/部分参数/QLoRA等高效微调方法，兼容LLaMA、BLOOM等主流架构，通过无需代码的Web界面简化训练流程，显著降低模型定制门槛，开箱即用。内置Qwen2.5-7B-Instruct和alpaca_zh供测试

Ollama-0.4.1镜像提供轻量级本地大语言模型运行框架，支持一键拉取与运行Llama2、CodeLlama、Mistral等开源模型（GGUF格式），通过类Docker的CLI实现零配置本地部署与交互式对话，开箱即用。

AniTalker镜像集成清华大学开源的2D动画角色口型同步工具，通过轻量级模型实现实时语音驱动口型生成与表情控制，支持静态图/动态视频输入，提供高精度唇形匹配与低延迟渲染，适用于动画制作及虚拟主播场景，开箱即用。

这是一个基于 YOLOv8 构建的 YOLO Docker 镜像，适用于 YOLOv8 及以上版本的 AI 视觉处理任务。通过该镜像，用户可以轻松进行 图像分类、目标检测、目标跟踪、姿态识别、图像分割 等任务，该镜像支持以下操作： 模型训练（train）：在自定义数据集上训练 YOLOv8 模型。 模型验证（val）：验证模型性能，获得关键指标。 模型推理（inf）：对图像、视频流进行目标检测和分类。 部署优化（opt）：通过 TensorRT 等工具，优化 GPU 加速推理。

DeepSpeed 只需单击一下即可实现类似 ChatGPT 的模型训练，与 SOTA RLHF 系统相比，其速度提高了 15 倍，并且在各个规模上都实现了前所未有的成本降低

Qwen2.5-VL镜像集成通义千问开源多模态大语言模型，支持高精度图文理解、文档解析与多图推理，具备128K长上下文能力与增强OCR技术，在跨模态任务中达到业界前沿水平，提供高效开源部署方案及商用友好授权。

ChatTTS镜像集成开源对话式文本转语音模型，支持中英双语自然语音合成与细粒度韵律控制（笑声/停顿/情感调节），针对对话场景优化，具备高保真音质与低延迟特性，提供零依赖部署及API服务。

ComfyUI-V2镜像集成Flux工作流与Stable Diffusion 3.5模型，预装六大核心插件：汉化支持、ControlNet预处理、IP适配增强、图像浏览工具、节点管理器及工作流增强组件（开关/图像对比），提供开箱即用的高级AI绘画与图像处理环境。

ComfyUI-Flux.1-dev 镜像预装 Flux.1 开发版工作流套件，集成 ComfyUI 核心环境与常用节点依赖，支持 Stable Diffusion 高级图像生成与处理任务，开箱即用。

GPT-SoVITS-V2镜像提供高效零样本语音克隆与文本转语音工具，所需训练素材少、耗时短且情绪控制更精准，集成完整API接口及环境依赖，开箱即用。相比V1版本显著优化音色还原度与合成自然度，并增强跨语言支持与长音频稳定性，支持一键式本地部署。

Qwen镜像集成通义千问开源大语言模型系列，提供Qwen-7B基础对话模型与Qwen-VL多模态模型，支持中英双语128K长上下文、代码生成及图像理解，基于高质量预训练与对齐优化实现强任务泛化能力，兼顾高性能与开源友好部署特性。

VisualGLM-6B 是一个开源的，支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM-6B，具有 62 亿参数；图像部分通过训练 BLIP2-Qformer 构建起视觉模型与语言模型的桥梁，整体模型共78亿参数。