THE AI MODEL DIRECTORY 模型探索，从这里开始

找到适合你的 AI 模型。

从语言到影像，从开源到 API。读懂模型能力、比较真实成本，
为你的下一个想法，找到合适的智能引擎。

热门探索

84,991 款模型档案13202 家厂商 / 发布者45 个能力分类465 款有可比报价 · 30 款有公开评测

T文本生成 ▧图像生成 ▷视频生成 ⌘代码生成 ◖语音合成 ♫音乐生成 ⬡3D 建模 ▤文档分析

DISCOVER & COMPARE

探索 AI 模型 4

厂商输入输出许可

为你发现值得关注的模型

QwenCleo-ASR

mohammedaly22

The best open-source model for Egyptian Arabic & code-switching speech recognition Built on Qwen3-ASR-1.7B , fine-tuned for Egyptian dialect and Arabic ↔ English code-switching. QwenCleo — the name carries three meanings: Qwen , the powerful base model it is built on; Queen , signalling a model that reigns over its domain; and Cleo , for Cleopatra , the queen of Egypt — because this model is tailored for Egyptian Arabic. 👑🏺

译文排队中 · 当前显示来源原文

语音识别

输入音频→ 输出文本

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

QwenCleo-ASR-GGUF

mohammedaly22

**Egyptian Arabic & code-switching speech recognition for audio.cpp: 3–4× faster than PyTorch on the same GPU, no Python** These are standalone GGUF packages of QwenCleo-ASR, a Qwen3-ASR-1.7B fine-tune for Egyptian Arabic and Arabic↔English code-switching (`فبتديك كل ال soft skills بشكل indirect`). On the author's 3,699-utterance Egyptian test set it reaches **19.85% WER, against 41.51% for base Qwen3-ASR-1.7B**. Full results are on the original model card. In audio.cpp it runs through the existing **`qwen3_asr`** family, the same C++ runtime and options as Qwen3-ASR: offline and streaming modes, long-audio chunking, word timestamps with Qwen3 Forced Aligner, and the OpenAI-compatible server.

译文排队中 · 当前显示来源原文

语音识别

输入音频→ 输出文本

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

VoiceTut-TTS

mohammedaly22

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。

语音合成

输入文本→ 输出音频

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

VoiceTut-TTS-GGUF

mohammedaly22

**Egyptian Arabic & code-switching TTS for audio.cpp: up to 6.6× faster than the PyTorch package on the same GPU, no Python** These are standalone GGUF packages of VoiceTut-TTS, an OmniVoice fine-tune trained on ~380 hours of Egyptian podcast speech. It speaks natural Egyptian Arabic, switches between Arabic and English mid-sentence (`عندي meeting بكرة`), and clones voices zero-shot. VoiceTut has exactly the same architecture as OmniVoice, so it runs through audio.cpp's existing **`omnivoice`** family with every OmniVoice route: voice cloning, voice design, streaming, the long-text chunker, and the server.

译文排队中 · 当前显示来源原文

语音合成

输入文本→ 输出音频

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

COST EXPLORER

好模型，也要算好成本。

费用分析

调整月度 Token 用量，直观比较不同模型的预估 API 开支。

每月输入 Token 10 M每月输出 Token 2 M1 M = 100 万 Token · 美元计价
仅比较同一渠道的基础文本 Token 报价

使用已采集且单位可比的 USD / 百万 Token 渠道报价。报价为采集时快照；不计缓存优惠、阶梯价、推理额外输出与税费，请以来源的当前报价为准。

MODEL HANDBOOK

读懂模型，再做选择

选型与常见问题

API 价格应该怎么比较？+

先区分输入、输出和缓存价格，再使用同一任务和用量估算总费用。图像、音频和视频可能按张、时长或分辨率计费，不能直接与 Token 单价比较。

开放权重，就代表可以免费商用吗？+

不一定。必须逐一核对具体模型版本的许可证、商用限制及使用政策。自己部署还需要考虑显存、推理资源和运维费用。

排行榜第一，就是最适合我的模型吗？+

榜单取决于测试任务、版本与评测方法。建议用实际业务样本比较准确性、时延、稳定性和成本，再选择模型。

找到适合你的 AI 模型。

探索 AI 模型 4

QwenCleo-ASR

QwenCleo-ASR-GGUF

VoiceTut-TTS

VoiceTut-TTS-GGUF

暂未找到匹配模型

好模型，也要算好成本。

读懂模型，再做选择

资讯看趋势，工具提效率，模型筑可能。