开源项目Hugging Face
ZONOS3-Mini 开放轻量语音克隆模型
Zyphra 在 11 月 12 日公开的社区文章中介绍 ZONOS3-Mini，面向多语言语音合成、零样本声音克隆和精细发声控制。模型总参数约八亿，每次激活约一亿，文章称覆盖 43 种语言。
阅读全文Hugging Face
查看来源为 Hugging Face 的资讯与动态，保留原文入口和发布时间。
全部内容
共 34 篇
ZONOS3-Mini 开放轻量语音克隆模型
Zyphra 在 11 月 12 日公开的社区文章中介绍 ZONOS3-Mini，面向多语言语音合成、零样本声音克隆和精细发声控制。模型总参数约八亿，每次激活约一亿，文章称覆盖 43 种语言。
Hugging Face 演示多向量检索压缩训练
在减少文档向量数量时一同训练检索器，降低压缩带来的信息损失。
Hugging Face 介绍直接输出决策概率的模型
面向路由、分流和分类任务，在预定义选项上作选择，减少逐字生成的环节。
Hugging Face 支持通过谷歌云账号结算
组织管理员可从 Google Cloud Marketplace 建立关联，统一管理部分 Hub 用量账单。
开放语音识别榜单加入两种英语口音
Open ASR Leaderboard 新增埃及英语和尼日利亚英语测试，便于按口音对比转写表现。
Ripple-65B 开放编程模型预览
Ripple-65B Preview 提供开放权重及百万 token 上下文支持。
DeepSeek 社区量化版公布逐档评测
AtomicChat 在 Hugging Face 发布基于 DeepSeek-V4.1-Flash-1017 的社区 GGUF 衍生版本，组合 GSQ-RCO 量化和行为调整，并公开各个量化档位的测试记录。这是社区维护的版本，并非 DeepSeek 官方发布。
OBLITERATUS 发布 DeepSeek 衍生模型评测
OBLITERATUS 公布了基于 DeepSeek-V4.1-Flash-1017 的行为调整版本，提供 BF16 权重和评测方法。这一社区版本改变了模型的拒答行为，不是 DeepSeek 官方更新。
LFM3 社区 GGUF 版本公布兼容要求
AtomicChat 在 Hugging Face 发布基于 LiquidAI/LFM3-1.7B 的社区 GGUF 衍生版本，并附带行为变化和能力测试记录。它不是 Liquid AI 官方发行，仍需遵循基础模型的 LFM Open License v1.0。
Open-H3 开放高分辨率视频重生成方案
Efficient-Large-Model 团队开放 Open-H3-Regenerate-2K，把低分辨率视频草稿重新生成为高分辨率画面。项目基于 MiniMax H3，提供三步细化流程，项目页列出最高 4K 的输出路径。
4B 社区模型尝试生成 Three.js 场景
CCORE 发布 Qwen3.5-4B-3D-Coder 预览版，针对交互式 Three.js 场景和代码生成进行独立微调。项目提供 FP16、Q4_K_M 与 Q8_0 权重，还公开了包含 4146 个场景样例的训练数据集。
Qwen-Image 社区量化包面向本地生成
社区维护者 abenzerps 发布 Qwen-Image-2.1 量化资源，提供 GGUF、Safetensors 与 MLX 等格式，用于不同硬件上的本地图片生成。模型卡列出配套文本编码器、VAE 与 ComfyUI 文件目录要求。
SenseNova Loop 用共享权重加深模型计算
商汤公开的 SenseNova-Loop-9B-Preview 支持文字和图像输入，面向长上下文、文档理解、编程及工具交互。它在解码器中重复执行一段共享权重的层，以较少的参数副本增加计算深度。
Audio8 TTS 小模型支持 23 种语言语音生成
Audio8-TTS-Realistic-Air 基于 0.6B 级架构，支持文本转语音和零样本声音克隆。模型卡列出 23 种支持语言，并提供交互试玩入口、模型权重和 44.1kHz 音频编解码器。
小米 OCR 模型用 0.8B 参数解析文档
小米研究团队公开 Xiaomi-OCR-0，面向文档解析和围绕文字的视觉理解。模型基于 Qwen3.5-0.8B-Base，官方模型卡介绍了约 1.7 亿条训练样本及渐进式训练流程。
Liquid d1 把分类判断压缩为一次前向计算
Liquid AI 的 d1-2B 面向路由、分类、文档提取、审核和重排序等判断任务。它接收文字、图片或视频，通过一次前向计算返回结果，不像聊天模型那样逐个生成回答 token。
Idol 从单张图片生成 3D 高斯模型
Sperid Labs 的 Idol 可以把一张物体图片转换为 3D Gaussian Splat，先去除背景、确定物体范围，再生成可由常见查看器打开的 PLY 文件。作者报告可输出超过一百万个高斯单元。
Liquid LFM3 语音模型支持本地边说边转写
LFM3-Audio-2B 接收文字或音频，能够输出文字、语音或两者交织的回答，面向笔记本和边缘设备。模型采用自研音频编码器及 LiquidCodec，并提供转写和语音合成示例。
Pika H3 Flex 开放视频与同步音频生成
Pika H3 Flex 用六步采样生成视频和同步音频，并通过参考素材及提示控制镜头。公开模型支持本地 480p、768p 原生输出，托管 API 则提供更高分辨率和额外制作功能。
Clover 把块扩散引入 35B 混合专家语言模型
DiffuSpace 的 Clover-35B-A3B-Preview 基于 Qwen3.6 架构，结合块扩散生成与混合专家机制，总参数约 35B，每 token 激活约 3B 参数，支持 128K 上下文。
Mistral Large 4 发布多模态开放权重
Mistral 在官方模型库公开 Large 4，一款万亿总参数规模的原生多模态混合专家模型。官方把指令跟随、推理、编程和智能体流程整合进同一组权重，并提供 API 与量化版本。
LFM3 视觉模型面向端侧文档和屏幕理解
Liquid AI 的 LFM3-VL-2B 接收文字、图像与视频，面向本地文档阅读、图表理解、屏幕识别和物体定位。模型把 LFM3 语言部分与新的自研视觉编码器结合。
LFM3 Omni 用一个本地模型处理图文音视频
LFM3-Omni-2B 是 Liquid AI 的端到端全模态模型，可以理解文字、图像、视频和音频，并用文字或语音回答。其目标是在端侧把原本分开的识别、视觉理解、语言和语音合成组件合并。
英伟达 Nemotron 转写模型支持一小时录音
英伟达公开 Nemotron 3.5 Transcribe，支持 40 种语言的离线转写，可处理最长一小时录音，并提供翻译、说话人归属、时间戳和音频问答等功能。权重包含多种精度版本。
ZONOS3-Mini 开放轻量语音克隆模型
Zyphra 在 11 月 12 日公开的社区文章中介绍 ZONOS3-Mini，面向多语言语音合成、零样本声音克隆和精细发声控制。模型总参数约八亿，每次激活约一亿，文章称覆盖 43 种语言。