HuggingFace

MaskGCT是Amphion项目中的非自回归文本转语音模型，公开目录提供预训练权重与本地推理步骤，用户可通过Gradio、Jupyter Notebook或推理脚本使用语音生成流程。

Ovis是面向图文理解的多模态语言模型系列，公开仓库提供模型权重、安装、推理和微调说明，并列有图像、多图、视频理解及OCR等视觉语言任务的相关支持。

GOT-OCR2.0是提供代码、模型权重和推理示例的OCR项目，支持普通文字识别、格式化输出、区域细粒度识别及多页文档处理，可供开发者构建图像与文档文字提取流程。