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

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

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。

comfyui+nunchaku极速出图、改图！

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

实时交互数字人，支持ernerf、musetalk、wav2lip多种模型

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

用于训练bunkws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

Fay3.1.1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

V6版本 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！！！

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

0.6B-32B完整模型，无量化，支持OpenWebUI

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。

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

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