AI NEWS.ccAI는 지금, 미래는 업데이트 중
♡ 저장한 도구 0
AI NEWS · 모델 정보기능을 이해하고 근거 있게 선택하세요. ↗기본 정보 우선 등록 · 상세 정보 지속 보완
THE AI MODEL DIRECTORY 모델 탐색을 시작하세요

나에게 맞는 AI 모델을 찾아보세요.

언어부터 이미지, 오픈 웨이트부터 API까지. 기능과 실제 비용을 비교하세요.
다음 아이디어에 맞는 AI를 찾아보세요.

인기 검색
84,991 개 모델13202 개 제공사 / 게시자45 개 기능 분류465개 비교 가능 요금 · 30개 공개 평가
T텍스트 생성▧이미지 생성▷영상 생성⌘코드 생성◖음성 합성♫음악 생성⬡3D 모델링▤문서 분석
DISCOVER & COMPARE

AI 모델 탐색 11

주목할 모델을 찾아보세요

Quantized GGUF versions of **task-arithmetic merged** ACE-Step v1.5 XL DiT models, ready for use with C++ inference engines. These are **DiT (Diffusion Transformer)** models created by merging the official ACE-Step v1.5 XL checkpoints using task arithmetic. Task arithmetic blends the learned "task vectors" of two fine-tuned models at a controlled interpolation ratio, producing models that inherit qualities from both parents. - **SFT × Turbo** blends combine SFT's strong lyric adherence and musical structure with Turbo's faster convergence and energy - **Base × Turbo** blends bring Base's raw generative range together with Turbo's efficiency - Different ratios let you dial the trade-off to taste — lower λ for more structure, higher λ for more speed

번역 대기 중 · 원문 표시

음성 합성
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

MXFP4 quantized DiT models for ACE-Step music generation, in GGUF format. **Compatible with acestep.cpp and HOT-Step-CPP.** MXFP4 (Microscaling FP4) is a 4-bit floating point format from the Open Compute Project MX Specification. Unlike integer quantization (Q4_K_M etc.), MXFP4 stores weights as E2M1 floating point values with shared E8M0 block scales.

번역 대기 중 · 원문 표시

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

A fine-tuned **AutoencoderOobleck** decoder with an intent to improve audio fidelity for the ACE-Step 1.5 music generation pipeline. Drop-in compatible with all existing ACE-Step DiT checkpoints. ACE-Step 1.5 uses a VAE (Variational Autoencoder) to convert between audio waveforms and the latent space that the DiT diffusion model operates in. The original VAE decoder attenuates high-frequency content, resulting in audio with reduced clarity and detail above 6kHz. ScragVAE retrains the decoder half of the VAE to better reconstruct upper harmonics, transient detail, and spectral "air" — while keeping the encoder frozen so all existing DiT models remain fully compatible.

번역 대기 중 · 원문 표시

오디오 처리
입력 오디오→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

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

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

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

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

GGUF conversion of MiniMaxAI/MiniMax-Music3 for **HOT-Step CPP**, a fully local desktop app for AI music generation with a native C++/GGML engine. As far as we know this is the first GGUF conversion of this model. These files are downloaded automatically by HOT-Step's Model Manager when the MiniMax-Music3 backend is selected. They are **not** usable with llama.cpp alone: `mm3-lm-*.gguf` is structurally a Qwen3 GGUF, but music generation requires the full five-module pipeline (LM → RVQ depth decoder → condition encoder → flow-matching DiT → vocoder) implemented in HOT-Step's engine. Since 2026-08-14 the repo carries **one file per pipeline component**, so each can be picked at its own quantisation and swapped without re-downloading the others:

번역 대기 중 · 원문 표시

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

GGUF conversion of OpenMOSS-Team/MOSS-Music-8B-Instruct for **HOT-Step CPP**, a fully local desktop app for AI music generation with a native C++/GGML engine. As far as we know this is the first GGUF conversion of this model. Unlike everything else HOT-Step ships, this model **analyses** audio rather than generating it. It listens to a track and writes a caption describing what it hears — used in HOT-Step's Training Studio to caption your own dataset locally, with no API key and nothing leaving the machine. These files are downloaded automatically by HOT-Step's Model Manager. They are **not** usable with llama.cpp alone: `moss-lm-*.gguf` is structurally a Qwen3 GGUF, but captioning requires the audio tower in `moss-aud-f16.gguf` and the deepstack injection wiring implemented in HOT-Step's engine.

번역 대기 중 · 원문 표시

음악 생성오픈 웨이트
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

YuE2-GGUF

scragnog

GGUF conversions of m-a-p/YuE2-3B and m-a-p/YuE2-Vae for HOT-Step CPP, a local C++/GGML music generation engine. YuE2 is an autoregressive-planner + flow-matching music model from the M-A-P team; these files let it run through HOT-Step's GGML inference stack instead of the original PyTorch checkpoint. - Size: 3,960,938,800 bytes. - SHA256: `96fe199377309001ed8cd26a944baeee8cc31a20ba7c36d1d3c0a7e1f4149db6`. - No changes to the upstream checkpoint; the upstream CC BY-NC 4.0 licence applies. See LICENSE. All model weights here are derived from the original YuE2 release. Credit and thanks to the YuE2 authors (M-A-P) for the underlying research and checkpoints:

번역 대기 중 · 원문 표시

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗
COST EXPLORER

좋은 모델, 명확한 비용.

비용 분석

월간 토큰 사용량으로 예상 API 비용을 비교하세요.

1 M = 100만 토큰 · USD
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

선택 가이드 및 FAQ
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.

AI NEWS · 정보에서 선택으로

뉴스로 흐름을, 도구로 효율을, 모델로 가능성을.

AI 뉴스 탐색 ↗AI 도구 찾기 ↗