indobert_sentiment_news
aliffiaaliffia基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 84991
qwen2.5-1.5b-legal-id-grpo
alifkha7基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗zephyr-7b-sft-full
alignment-handbook基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Mistral-nemo-3b-unhealed
Alignment-Lab-AI基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Neural-network-medium-5b-16k
Alignment-Lab-AI基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Vid
Alignment-Lab-AI基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 이미지→ 출력 영상
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Llama-3.3-Tiny-Instruct-boolq
AlignmentResearch基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗FLUX.1-dev-Controlnet-Inpainting-Beta
alimama-creativeThis repository hosts an improved Inpainting ControlNet checkpoint for the alimama-creative/FLUX.1-dev-Controlnet-Inpainting-Alpha model, developed by the AlimamaCreative Team. 1. **1024 Resolution Support**: Capable of directly processing and generating 1024x1024 resolution images without additional upscaling steps, providing higher quality and more detailed output results. 2. **Enhanced Detail Generation**: Fine-tuned to capture and reproduce finer details in inpainted areas. 3. **Improved Prompt Control**: Offers more precise control over generated content through enhanced prompt interpretation. The following images were generated using a ComfyUI workflow (click here to download) with these settings: `control-strength` = 1.0, `control-end-percent` = 1.0, `true_cfg` = 1.0
번역 대기 중 · 원문 표시
입력 이미지→ 출력 이미지
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗FLUX.1-Turbo-Alpha
alimama-creativeThis repository provides a 8-step distilled lora for FLUX.1-dev model released by AlimamaCreative Team. This checkpoint is a 8-step distilled Lora, trained based on FLUX.1-dev model. We use a multi-head discriminator to improve the distill quality. Our model can be used for T2I, inpainting controlnet and other FLUX related models. The recommended guidance_scale=3.5 and lora_scale=1. Our Lower steps version will release later. - With alimama-creative/FLUX.1-dev-Controlnet-Inpainting-Beta. Our distilled lora can be well adapted to the Inpainting controlnet, and the accelerated generated effect can follow the original output well.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 이미지
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the common_voice_albanian dataset. The following hyperparameters were used during training: - learning_rate: 0.0003 - train_batch_size: 16 - eval_batch_size: 8 - seed: 42 - gradient_accumulation_steps: 2 - total_train_batch_size: 32 - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08 - lr_scheduler_type: linear - lr_scheduler_warmup_steps: 500 - num_epochs: 30 - mixed_precision_training: Native AMP - Transformers 4.35.2 - Pytorch 2.1.0+cu118 - Datasets 2.14.7 - Tokenizers 0.15.0
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗albert-japanese
ALINEAR基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗albert-japanese-v2
ALINEAR基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗flash-sqlite
AlioLeuchtmann基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗qwen-3.5-sql-27B-Distill-2B
AlioLeuchtmann**WE HAVE A NEW MODEL scoring 73.73 EX on the hidden BIRD test set** https://huggingface.co/AlioLeuchtmann/flash-sqlite The smallest model in the top tier of the BIRD single-model leaderboard A 2B-parameter text-to-SQL model that outperforms models over 500× its size on the official BIRD benchmark. Qwen3.5-2B fine-tuned for SQLite text-to-SQL through execution-verified structured chain-of-thought distillation from a Qwen 27B teacher. Evaluated officially by the BIRD team on the hidden test set.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗small100
alirezamshSMaLL-100 is a compact and fast massively multilingual machine translation model covering more than 10K language pairs, that achieves competitive results with M2M-100 while being much smaller and faster. It is introduced in this paper(accepted to EMNLP2022), and initially released in this repository. The model architecture and config are the same as M2M-100 implementation, but the tokenizer is modified to adjust language codes. So, you should load the tokenizer locally from tokenization_small100.py file for the moment. Afrikaans (af), Amharic (am), Arabic (ar), Asturian (ast), Azerbaijani (az), Bashkir (ba), Belarusian (be), Bulgarian (bg), Bengali (bn), Breton (br), Bosnian (bs), Catalan; Valencian (ca), Cebuano (ceb), Czech (cs), Welsh (cy), Danish (da), German (de), Greeek (el), English (en), Spanish (es), Estonian (et), Persian (fa), Fulah (ff), Finnish (fi), French (fr), Western Frisian (fy), Irish (ga), Gaelic; Scottish Gaelic (gd), Galician (gl), Gujarati (gu), Hausa (ha), Hebrew (he), Hindi (hi), Croatian (hr), Haitian; Haitian Creole (ht), Hungarian (hu), Armenian (hy), Indonesian (id), Igbo (ig), Iloko (ilo), Icelandic (is), Italian (it), Japanese (ja), Javanese (jv), Georgian (ka), Kazakh (kk), Central Khmer (km), Kannada (kn), Korean (ko), Luxembourgish; Letzeburgesch (lb), Ganda (lg), Lingala (ln), Lao (lo), Lithuanian (lt), Latvian (lv), Malagasy (mg), Macedonian (mk), Malayalam (ml), Mongolian (mn), Marathi (mr), Malay (ms), Burmese (my), Nepali (ne), Dutch; Flemish (nl), Norwegian (no), Northern Sotho (ns), Occitan (post 1500) (oc), Oriya (or), Panjabi; Punjabi (pa), Polish (pl), Pushto; Pashto (ps), Portuguese (pt), Romanian; Moldavian; Moldovan (ro), Russian (ru), Sindhi (sd), Sinhala; Sinhalese (si), Slovak (sk), Slovenian (sl), Somali (so), Albanian (sq), Serbian (sr), Swati (ss), Sundanese (su), Swedish (sv), Swahili (sw), Tamil (ta), Thai (th), Tagalog (tl), Tswana (tn), Turkish (tr), Ukrainian (uk), Urdu (ur), Uzbek (uz), Vietnamese (vi), Wolof (wo), Xhosa (xh), Yiddish (yi), Yoruba (yo), Chinese (zh), Zulu (zu)
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗roberta-large-wanli
alisawuffles基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗rm-seed-42-harmfulness-flipped-05
AlisonWenNCTU基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗BFS-Best-Face-Swap
AlissonerdxBFS is a collection of LoRAs for face, head, and body replacement across Qwen Image 2.1, Qwen Image Edit 2509/2511, Flux 2 Klein, Krea 2, and experimental LTX-2 workflows. Each release has its own base-model, input-order, prompt, and workflow contract. Use the guide for the exact version you are loading. - BFS Head V1 / V1.1 for Qwen Image 2.1 - BFS Body Swap V1.0 for Qwen Image 2.1 - Qwen Image Edit 2509/2511 - Flux 2 Klein - Krea 2 - Experimental LTX-2 weights - Use the LoRA with its matching base model whenever possible. - Follow the input order in the version guide; several BFS head releases intentionally use body first and reference face second. - Start at LoRA strength `1.0`, then adjust for the base model, resolution, and reference image. - The examples and workflows in this repository are demonstrations, not a guarantee of identical results on every image. - Do not use or share results involving public figures or people who have not given consent.
번역 대기 중 · 원문 표시
입력 이미지→ 출력 이미지
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗BFS-Best-Face-Swap-Video
Alissonerdx基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 이미지→ 출력 영상
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗CustomLightning
Alissonerdx基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 이미지
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗EditAnything
Alissonerdx> **Heads up.** These LoRAs are research experiments. They are far from > production-ready and will fail on many inputs. They are released for the > community to play with and break, not as a finished tool. 0. **Edit Anything v2 for LTX-2.5** — the current one, a plain instruction-editing IC-LoRA. Start here. *(built on LTX-2.5 22B)* 1. **Edit Anything v0.1 — motion transfer LoRA** (two ranks). *(LTX-2.3)* 2. **Edit Anything — no-reference multitask LoRA** (rank 256, prompt-driven only). *(LTX-2.3)* 3. **Reference video-to-video (Ref V2V) — experimental IC-LoRA + sidecar modules** (two builds). *(LTX-2.3)* Tracks 1-3 are **LTX-2.3** and are kept for reference. Track 0 is **LTX-2.5** and is the one being worked on.
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗flux.1-dev-SRPO-LoRas
AlissonerdxThese LoRAs were extracted from **three sources**: - the original SRPO (Flux.1-Dev): tencent/SRPO - community checkpoint: rockerBOO/flux.1-dev-SRPO - community checkpoint (quantized/refined): wikeeyang/SRPO-Refine-Quantized-v1.0 They are designed to provide modular, lightweight adaptations you can mix with other LoRAs, reducing storage and enabling fast experimentation across ranks (8, 16, 32, 64, 128). Notes: - The Loras version for Nunchaku was converted using the official Nunchaku conversion tool but it is something experimental I still need to test and analyze the results, I do not recommend using it for now it is only for testing. - These loras allow you to use the quality of SRPO using the official flux dev as a base, without the need to use the base flux SRPO, that is, in my opinion, it is not very advantageous to use any of these loras + flux SRPO as a base, unless you want to apply the quality of, for example, SRPO RockerBOO in the base flux SRPO model. - The version I recommend is RockerBOO but I advise you to test the others, because the original version will give you different results than the other versions. - According to some reports it seems to work well with Flux Krea, the report was with rank 256, I haven't tested it yet to confirm.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 이미지
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗LTX-LoRAs
AlissonerdxThese LoRAs may cover different use cases over time, so this repository is not limited to inpainting only. These inpainting LoRAs were trained with a specific guide and mask setup, so input preparation during inference is important. After that, you need to use the **`LTXVAddGuideMulti`** node to pass the guide video into the model.
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Minimax-H3-ComfyUI
AlissonerdxExperimental LoRAs for MiniMax H3, packaged for ComfyUI and tested mainly with the `ref2va` weights. These are research models, not finished tools. Results vary substantially with the source clip, resolution, prompt and reference images. **Training adapter V2.** The Motion Transfer LoRAs were trained on top of ostris' training adapter V2 (`minimax_h3_ref2va_training_adapter_v2.safetensors`) kept frozen. They usually work without it, but loading the adapter first (strength 1) and the motion LoRA after it reproduces the training conditions; compare both on your clips.
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗일치하는 모델 없음
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
COST EXPLORER
좋은 모델, 명확한 비용.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교
동일 채널의 기본 텍스트 토큰 요금 비교
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
MODEL HANDBOOK
이해하고 선택하세요
API 요금은 어떻게 비교하나요?+
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
오픈 웨이트는 무료 상업 이용을 뜻하나요?+
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
1위 모델이 나에게 가장 적합한가요?+
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.