2026-06-26 收录的 Space（8）

基于Transformer的文档解析OCR模型，支持单页和多页PDF/图片输入，输出解析结果，可配置base size等参数。

运行模型 baidu/Unlimited-OCR ↗

LTX 2.3图像转视频模型，支持原生音频生成，基于Comfy工作流运行，可控制目标模式。

Google DeepMind Gemma 4模型（多模态、256K上下文、支持140+语言）推理速度挑战排行榜，展示参赛者在固定GPU上的TPS与PPL。

运行模型 google/gemma-4-E4B-it ↗

VoxCPM2语音模型的Gradio演示，基于Nano-vLLM推理引擎，提供实验性推理接口。

Open LLM 排行榜：跟踪、排名和评估开放大语言模型与聊天机器人，提供 React 前端、后端 API 与 Docker 容器化部署，用于可复现地对比模型。

阿里 HumanAIGC 的虚拟试衣 demo，输入人物照与服装图，经两阶段扩散合成对应穿着效果，支持多体型与姿态。

Facebook Research 的 AudioCraft 音频生成库，包含 MusicGen 与 AudioGen 两个模型，提供高质量音频生成、训练与推理代码，依赖 Python 3.9 和 PyTorch 2.0。