docs: update and optimize README and project documentation system

- Update README.md with improved formatting, logo, badges, and comprehensive documentation - Add README.en.md with English translation of the documentation - Include detailed quick start guide, CLI reference, and supported models table - Add changelog information highlighting recent features - Add script directory and adjust script file locations
2026-02-06 16:13:50 +08:00
parent 978b74ec13
commit c582c4cd0a
22 changed files with 5613 additions and 412 deletions
@@ -1,241 +1,167 @@
-# aha 
-一个基于 Candle 框架的 Rust 模型推理库，提供高效、易用的多模态模型推理能力。
+<p align="center">
+  <img src="assets/img/logo.png" alt="aha logo" width="100"/>
+</p>

-## 特性
-* 🚀 高性能推理 - 基于 Candle 框架，提供高效的张量计算和模型推理
-* 🎯 多模型支持 - 集成视觉、语言和语音多模态模型
-* 🔧 易于使用 - 简洁的 API 设计，快速上手
-* 🛡️ 内存安全 - 得益于 Rust 的所有权系统，确保内存安全
-* 📦 轻量级 - 最小化依赖，编译产物小巧
-* ⚡ GPU 加速 - 可选 CUDA 支持
-* 🧠 注意力优化 - 可选 Flash Attention 支持，优化长序列处理
+<p align="center">
+  <!-- <a href="https://github.com/jhqxxx/aha/releases">
+    <img src="https://img.shields.io/github/v/release/jhqxxx/aha" alt="GitHub release (latest by date)">
+  </a>
+  <a href="https://github.com/jhqxxx/aha/actions">
+    <img src="https://img.shields.io/github/actions/workflow/status/jhqxxx/aha/ci.yml" alt="GitHub Actions Workflow Status">
+  </a> -->
+  <a href="https://github.com/jhqxxx/aha/blob/main/LICENSE">
+    <img src="https://img.shields.io/github/license/jhqxxx/aha" alt="GitHub License">
+  </a>
+  <a href="https://github.com/jhqxxx/aha/stargazers">
+    <img src="https://img.shields.io/github/stars/jhqxxx/aha" alt="GitHub Stars">
+  </a>
+  <a href="https://github.com/jhqxxx/aha/issues">
+    <img src="https://img.shields.io/github/issues/jhqxxx/aha" alt="GitHub Issues">
+  </a>
+</p>

-## 支持的模型
-### 当前已实现
-* [Qwen2.5VL](https://huggingface.co/collections/Qwen/qwen25-vl) - 阿里通义千问 2.5 多模态大语言模型
-    - 模型：[Qwen2.5-VL-3B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-3B-Instruct) 开源协议：[Qwen RESEARCH LICENSE AGREEMENT](https://huggingface.co/Qwen/Qwen2.5-VL-3B-Instruct/blob/main/LICENSE)
-    - 模型：[Qwen/Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct) 开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
-* [MiniCPM4](https://huggingface.co/collections/openbmb/minicpm4) - 面壁智能 MiniCPM 系列语言模型
-    - 模型：
-    	- huggingface: [MiniCPM4-0.5B](https://huggingface.co/openbmb/MiniCPM4-0.5B)  开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
-        - AtomGit: [MiniCPM4-0.5B](https://ai.atomgit.com/OpenBMB/MiniCPM4-0.5B)
-* [VoxCPM](https://huggingface.co/collections/openbmb/voxcpm) - 面壁智能语音生成模型
-    - 模型：
-    	- huggingface: [VoxCPM-0.5B](https://huggingface.co/openbmb/VoxCPM-0.5B) 开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
-        - AtomGit: [VoxCPM-0.5B](https://ai.atomgit.com/OpenBMB/VoxCPM-0.5B)
-* [Qwen3VL](https://huggingface.co/collections/Qwen/qwen3-vl) - 阿里通义千问 3 多模态大语言模型
-    - 模型：[Qwen3-VL-2B-Instruct](https://huggingface.co/Qwen/Qwen3-VL-2B-Instruct) 开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
-    - 模型：[Qwen3-VL-4B-Instruct](https://huggingface.co/Qwen/Qwen3-VL-4B-Instruct) 开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
-    - 模型：[Qwen3-VL-8B-Instruct](https://huggingface.co/Qwen/Qwen3-VL-8B-Instruct) 开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
-    - 模型：[Qwen3-VL-32B-Instruct](https://huggingface.co/Qwen/Qwen3-VL-32B-Instruct) 开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
-* DeepSeek-OCR - 深度求索光学文字识别模型
-    - 模型：[DeepSeek-OCR](https://huggingface.co/deepseek-ai/DeepSeek-OCR) 开源协议：[MIT](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/mit.md)
-* Hunyuan-OCR - 腾讯混元光学文字识别模型
-    - 模型：
-    	- huggingface: [HunyuanOCR](https://huggingface.co/tencent/HunyuanOCR) 开源协议：[TENCENT HUNYUAN COMMUNITY LICENSE AGREEMENT](https://huggingface.co/tencent/HunyuanOCR/blob/main/LICENSE)
-        - AtomGit: [HunyuanOCR](https://ai.atomgit.com/tencent_hunyuan/HunyuanOCR)
-* [PaddleOCR-VL](https://huggingface.co/collections/PaddlePaddle/paddleocr-vl) - 百度飞桨光学文字识别模型
-    - 模型：
-    	- huggingface: [PaddleOCR-VL](https://huggingface.co/PaddlePaddle/PaddleOCR-VL) 开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
-        - AtomGit: [PaddleOCR-VL](https://ai.atomgit.com/paddlepaddle/PaddleOCR-VL)
-* [VoxCPM1.5](https://huggingface.co/collections/openbmb/voxcpm) - 面壁智能语音生成模型1.5版本
-    - 模型：
-    	- huggingface: [VoxCPM1.5](https://huggingface.co/openbmb/VoxCPM1.5) 开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
-        - AtomGit: [VoxCPM1.5](https://ai.atomgit.com/OpenBMB/VoxCPM1.5)
-* [RMBG2.0](https://huggingface.co/collections/briaai/rmbg) - RMBGv2.0由BRIA AI开发，供非商业用途使用。
-    - 模型：[RMBG2.0](https://huggingface.co/briaai/RMBG-2.0) 开源协议：[Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/deed.en)
-* GLM-ASR-Nano-2512 - 智谱AI语音识别模型
-    - 模型：
-    	- huggingface: [GLM-ASR-Nano-2512](https://huggingface.co/zai-org/GLM-ASR-Nano-2512) 开源协议：[MIT](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/mit.md)
-        - AtomGit: [GLM-ASR-Nano-2512](https://ai.atomgit.com/zai-org/GLM-ASR-Nano-2512)
-* Fun-ASR-Nano-2512 - 通义百聆语音识别模型
-    - 模型:[Fun-ASR-Nano-2512](https://huggingface.co/FunAudioLLM/Fun-ASR-Nano-2512) 开源协议未标明
-* [Qwen3](https://huggingface.co/collections/Qwen/qwen3) - 通义千问 Qwen3系列语言模型
-    - 模型:[Qwen3-0.6B](https://huggingface.co/Qwen/Qwen3-0.6B) 开源协议: [Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
-* [Qwen3-ASR](https://huggingface.co/collections/Qwen/qwen3-asr) - 通义千问 Qwen3语音识别模型
-    - 模型:[Qwen3-ASR-0.6B](https://huggingface.co/Qwen/Qwen3-ASR-0.6B) 开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)    
-    - 模型:[Qwen3-ASR-1.7B](https://huggingface.co/Qwen/Qwen3-ASR-1.7B) 开源协议：[Apache license 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md)
+<p align="center">
+  <a href="README.en.md">English</a> | <strong>简体中文</a>
+</p>

-## 计划支持
-我们持续扩展支持的模型列表，欢迎贡献！
+# aha

-⭐ 如果这个项目对你有帮助，请给我们一个 Star！
+**轻量 AI 推理引擎 —— 文本、视觉、语音与 OCR 一站式解决方案**

-## 环境依赖
-* 启用ffmpeg的feature时：
-    * ubuntu/WSL
-    ```bash
-    sudo apt-get update
-    sudo apt-get install -y clang pkg-config ffmpeg libavutil-dev libavcodec-dev libavformat-dev libavfilter-dev libavdevice-dev libswresample-dev libswscale-dev
-    ```
-    * windows参考： https://github.com/zmwangx/rust-ffmpeg/wiki/Notes-on-building
+aha 是一款基于 Rust 和 Candle 框架构建的高性能跨平台 AI 推理引擎。将最先进的 AI 模型带到您的本地机器——无需 API 密钥，无需云依赖，纯粹、快速的 AI 直接在您的硬件上运行。
+
+## 更新日志
+
+### v0.2.0 (2026-02-05)
+- 新增 Qwen3-ASR 语音识别模型
+
+### v0.1.9 (2026-01-31)
+- 新增 CLI `list` 子命令，显示支持的模型
+- 新增 CLI 子命令结构支持（`cli`、`serv`、`download`、`run`）
+- 修复 Qwen3VL thinking startswith bug
+- 修复 `aha run` 多输入 bug
+
+### v0.1.8 (2026-01-17)
+- 新增 Qwen3 文本模型支持
+- 新增 Fun-ASR-Nano-2512 语音识别模型
+- 修复 ModelScope Fun-ASR-Nano 模型加载错误
+- 使用 rubato 更新音频重采样
+
+### v0.1.7 (2026-01-07)
+- 新增 GLM-ASR-Nano-2512 语音识别模型
+- 合并 Metal (GPU) 支持，适用于 Apple Silicon
+- 新增动态主目录和模型下载脚本
+
+**[查看完整更新日志](docs/changelog.zh-CN.md)** →
+
+## 快速开始
+
+### 安装

-## 功能特性
-项目提供了几个可选的功能特性，您可以根据需要启用它们：
-* flash-attn: 启用 Flash Attention 支持以提升模型推理性能：
 ```bash
-cargo build -r --features flash-attn
+git clone https://github.com/jhqxxx/aha.git
+cd aha
+cargo build --release
 ```

-* cuda: 为 candle 核心组件启用 CUDA 支持，实现 Nvidia GPU 加速计算：
-```bash
-cargo build -r --features cuda
-```
-
-* cuda: 为 candle 核心组件启用 Metal 支持，利用 Apple GPU 加速计算（适用于 macOS/iOS 平台）：
-```bash
-cargo build -r --features metal
-```
-
-* ffmpeg: 启用 FFmpeg 支持，提供多媒体处理功能：
-```bash
-cargo build -r --features ffmpeg
-```
-* 组合使用功能特性
+**可选特性：**

 ```bash
-# 同时启用 CUDA 和 Flash Attention 以获得最佳性能
-cargo build -r --features "cuda,flash-attn"
-```
-## 命令行工具 (CLI)
-项目提供命令行工具，支持模型下载、服务启动和直接推理等多种操作。
+# CUDA (NVIDIA GPU 加速)
+cargo build --release --features cuda
+
+# Metal (Apple GPU 加速，适用于 macOS)
+cargo build --release --features metal
+
+# Flash Attention (更快推理)
+cargo build --release --features flash-attn
+
+# FFmpeg (多媒体处理)
+cargo build --release --features ffmpeg
+
+# 组合多个特性
+cargo build --release --features "cuda,flash-attn"
+```
+
+### CLI 快速参考

-### 快速开始
 ```bash
+
+# 列出所有支持的模型
+aha list
+
+# 仅下载模型
+aha download -m qwen3asr-0.6b
+
 # 下载模型并启动服务
 aha -m qwen3asr-0.6b

 # 直接运行推理（无需启动服务）
-aha run -m qwen3asr-0.6b -i "audio.wav" --weight-path /path/to/model
+aha run -m qwen3asr-0.6b -i "audio.wav"
+
+# 仅启动服务（模型已下载）
+aha serv -m qwen3asr-0.6b -p 10100

-# 仅下载模型
-aha download -m qwen3asr-0.6b
 ```
-### 主要功能
-* 模型管理 - 自动下载、本地模型加载
-* 服务模式 - 启动 HTTP API 服务
-* 直接推理 - 命令行直接执行推理任务
-* 多模型支持 - 支持aha已实现的模型类型

-### 详细使用说明
-请参阅 [CLI_USAGE.md](./docs/CLI_USAGE.md) 获取完整的命令行工具使用说明、参数详解和支持的模型列表。
+### 对话

-## 安装及使用
-
-### 从源码构建部署
 ```bash
-git clone https://github.com/jhqxxx/aha.git
-cd aha
+aha serv -m qwen3-0.6b -p 10100
 ```

-#### cargo run 运行参数说明
-##### 基本用法
+然后使用统一(兼容 OpenAI)的 API：
+
 ```bash
-cargo run -F cuda -r -- [参数]
+curl http://localhost:10100/chat/completions \
+  -H "Content-Type: application/json" \
+  -d '{
+    "model": "qwen3-0.6b",
+    "messages": [{"role": "user", "content": "你好！"}]
+  }'
 ```
-##### 参数详解
-1. 端口设置
-----
-    -p, --port <PORT>
-* 设置HTTP服务监听的端口号
-* 默认值：10100
-* 示例：--port 8080 或 -p 8080

-2. 模型选择（必选）
-----
-    -m, --model <MODEL>
-* 指定要加载的模型类型
-* 可选值：
-    * minicpm4-0.5b：OpenBMB/MiniCPM4-0.5B 模型
-    * qwen2.5vl-3b：Qwen/Qwen2.5-VL-3B-Instruct 模型
-    * qwen2.5vl-7b：Qwen/Qwen2.5-VL-7B-Instruct 模型
-    * qwen3-0.6b: Qwen/Qwen3-0.6B 模型
-    * qwen3asr-0.6b: Qwen/Qwen3-ASR-0.6B 模型
-    * qwen3asr-1.7b: Qwen/Qwen3-ASR-1.7B 模型
-    * qwen3vl-2b：Qwen/Qwen3-VL-2B-Instruct 模型
-    * qwen3vl-4b：Qwen/Qwen3-VL-4B-Instruct 模型
-    * qwen3vl-8b：Qwen/Qwen3-VL-8B-Instruct 模型
-    * qwen3vl-32b：Qwen/Qwen3-VL-32B-Instruct 模型
-    * deepseek-ocr: deepseek-ai/DeepSeek-OCR 模型
-    * hunyuan-ocr: Tencent-Hunyuan/HunyuanOCR 模型
-    * paddleocr-vl: PaddlePaddle/PaddleOCR-VL 模型
-    * rmbg2.0: AI-ModelScope/RMBG-2.0 模型
-    * voxcpm: OpenBMB/VoxCPM-0.5B 模型
-    * voxcpm1.5: OpenBMB/VoxCPM1.5 模型
-    * glm-asr-nano-2512: ZhipuAI/GLM-ASR-Nano-2512 模型
-    * fun-asr-nano-2512: FunAudioLLM/Fun-ASR-Nano-2512 模型
-* 示例：--model deepseek-ocr 或 -m qwen3vl-2b

-3. 权重路径
-----
-    --weight-path <WEIGHT_PATH>
-* 指定本地模型权重文件路径
-* 如果指定此参数，则跳过模型下载步骤
-* 示例：--weight-path /path/to/model/dir
+### 支持的模型

-4. 保存路径
-----
-    --save-dir <SAVE_DIR>
-* 指定模型下载保存的目录
-* 默认保存在用户主目录下的 .aha 文件夹中
-* 示例：--save-dir /custom/model/path
+| 类别 | 模型 |
+|------|------|
+| **文本** | Qwen3, MiniCPM4 |
+| **视觉** | Qwen2.5-VL, Qwen3-VL |
+| **OCR** | DeepSeek-OCR, Hunyuan-OCR, PaddleOCR-VL |
+| **ASR** | GLM-ASR-Nano, Fun-ASR-Nano,Qwen3-ASR |
+| **音频** | VoxCPM, VoxCPM1.5 |
+| **图像** | RMBG-2.0 (背景移除) |

-5. 下载重试次数
----- 
-    --download-retries <DOWNLOAD_RETRIES>
-* 设置模型下载失败时的最大重试次数
-* 默认值：3次
-* 示例：--download-retries 5
+## 文档

-##### 注意事项
-* 参数前需要使用双横线 -- 分隔 cargo 命令和应用程序参数
-* 模型参数 (--model 或 -m) 是必需的
-* 如果未指定 --weight-path，程序会自动下载指定模型
-* 下载的模型默认保存在 ~/.aha/ 目录下（除非指定了 --save-dir）
+| 文档 | 描述 |
+|------|------|
+| [快速入门](docs/getting-started.zh-CN.md) | aha 入门指南 |
+| [安装指南](docs/installation.zh-CN.md) | 详细安装说明 |
+| [CLI 参考](docs/cli.zh-CN.md) | 命令行界面 |
+| [API 文档](docs/api.zh-CN.md) | 库与 REST API |
+| [支持的模型](docs/supported-models.zh-CN.md) | 可用的 AI 模型 |
+| [核心概念](docs/concepts.zh-CN.md) | 架构与设计 |
+| [开发指南](docs/development.zh-CN.md) | 贡献指南 |
+| [更新日志](docs/changelog.zh-CN.md) | 版本历史 |

-### API接口介绍
-项目提供基于 OpenAI API 兼容的 RESTful 接口，支持多种模型推理任务。
+## 为什么选择 aha？
+- **🚀 高性能推理** - 基于 Candle 框架，提供高效的张量计算和模型推理
+- **🔧 统一接口** — 一个工具搞定文本、视觉、语音和 OCR
+- **📦 本地优先** — 所有处理在本地运行，数据不离境
+- **🎯 跨平台** — 支持 Linux、macOS 和 Windows
+- **⚡ GPU 加速** — 可选 CUDA 支持以获得更快推理
+- **🛡️ 内存安全** — Rust 构建，稳定可靠
+- **🧠 注意力优化** - 可选 Flash Attention 支持，优化长序列处理

-#### 接口列表
-1. 对话接口
- **端点**: `POST /chat/completions`
- **功能**: 多模态对话和文本生成
- **支持模型**: Qwen2.5VL, Qwen3, Qwen3VL, DeepSeekOCR, GLM-ASR-Nano-2512, Fun-ASR-Nano-2512 等
- **请求格式**: OpenAI Chat Completion 格式
- **响应格式**: OpenAI Chat Completion 格式
- **流式支持**: 支持
+## 开发

-2. 图像处理接口
- **端点**: `POST /images/remove_background`
- **功能**: 图像背景移除
- **支持模型**: RMBG-2.0
- **请求格式**: OpenAI Chat Completion 格式
- **响应格式**: OpenAI Chat Completion 格式
- **流式支持**: 不支持
+### aha 作为库使用
+> cargo add aha

-3. 语音生成接口
- **端点**: `POST /audio/speech`
- **功能**: 语音合成和生成
- **支持模型**: VoxCPM,VoxCPM1.5
- **请求格式**: OpenAI Chat Completion 格式
- **响应格式**: OpenAI Chat Completion 格式
- **流式支持**: 不支持
-
-### 作为库使用
-* cargo add aha
-* 或者在Cargo.toml中添加
-```toml
-[dependencies]
-aha = { git = "https://github.com/jhqxxx/aha.git" }
-
-# 启用 CUDA 支持（可选）
-aha = { git = "https://github.com/jhqxxx/aha.git", features = ["cuda"] }
-
-# 启用Flash Attention 支持（可选）
-aha = { git = "https://github.com/jhqxxx/aha.git", features = ["cuda", "flash-attn"] }
-```
-#### VoxCPM示例
-```rust
+```bash
+# VoxCPM示例
 use aha::models::voxcpm::generate::VoxCPMGenerate;
 use aha::utils::audio_utils::save_wav;
 use anyhow::Result;
@@ -262,108 +188,43 @@ fn main() -> Result<()> {
 }
 ```

-### 从源码构建运行测试
-```bash
-git clone https://github.com/jhqxxx/aha.git
-cd aha
-# 修改测试用例中模型路径
-# 运行 PaddleOCR-Vl 示例
-cargo test -F cuda paddleocr_vl_generate -r -- --nocapture

-# 运行 Hunyuan-OCR 示例
-cargo test -F cuda hunyuan_ocr_generate -r -- --nocapture
+### 扩展新的模型 

-# 运行 DeepSeek-OCR 示例
-cargo test -F cuda deepseek_ocr_generate -r -- --nocapture
+- 在src/models/创建新模型文件
+- 在src/models/mod.rs中导出
+- 在src/exec/中添加支持cli运行模型推理
+- 在tests/中添加测试和示例

-# 运行 Qwen3VL 示例
-cargo test -F cuda qwen3vl_generate -r -- --nocapture

-# 运行 MiniCPM4 示例  
-cargo test -F cuda minicpm_generate -r -- --nocapture
+## 特性

-# 运行 VoxCPM 示例
-cargo test -F cuda voxcpm_generate -r -- --nocapture
-```
-
-## 开发
-### 项目结构
-```text
-.
-├── Cargo.toml
-├── README.md
-├── src
-│   ├── chat_template
-│   ├── models
-│   │   ├── common
-│   │   ├── deepseek_ocr
-│   │   ├── hunyuan_ocr
-│   │   ├── minicpm4
-│   │   ├── paddleocr_vl
-│   │   ├── qwen2_5vl
-│   │   ├── qwen3vl
-│   │   ├── voxcpm
-│   │   └── mod.rs
-│   ├── position_embed
-│   ├── tokenizer
-│   ├── utils
-│   ├── api.rs
-│   └── lib.rs
-└── tests
-    ├── test_hunyuan_ocr.rs
-    ├── test_deepseek_ocr.rs
-    ├── test_minicpm4.rs
-    ├── test_paddleocr_vl.rs
-    ├── test_qwen2_5vl.rs
-    └── test_voxcpm.rs
-```
-
-### 添加新模型
-* 在src/models/创建新模型文件
-* 在src/models/mod.rs中导出
-* 在tests/中添加测试和示例
+- 基于 Candle 框架的高性能推理
+- 多模态模型支持（视觉、语言、语音）
+- 简洁易用的 API 设计
+- 最小化依赖，紧凑的二进制文件
+- Flash Attention 支持长序列处理
+- FFmpeg 支持多媒体处理

 ## 许可证
-本项目采用 Apache License, Version 2.0 许可证 - 查看 [LICENSE](./LICENSE) 文件了解详情。
+
+Apache-2.0 &mdash; 详见 [LICENSE](LICENSE)

 ## 致谢
-* [Candle](https://github.com/huggingface/candle) - 优秀的 Rust 机器学习框架
-* 所有模型的原作者和贡献者

-## 支持
-#### 如果你遇到问题：
-1. 查看 Issues 是否已有解决方案
-2. 提交新的 Issue，包含详细描述和复现步骤
+- [Candle](https://github.com/huggingface/candle) - 优秀的 Rust 机器学习框架
+- 所有模型作者和贡献者

-## 更新日志
-### [Unreleased] - 2025-02-04
-* 支持Qwen3-ASR 模型
-### v0.1.8
-* 支持Fun-ASR-Nano-2512, Qwen3 模型
+---

-### v0.1.7
-* 支持GLM-ASR-Nano-2512 模型
-
-### v0.1.6
-* 支持RMGB2.0 模型
-
-### v0.1.5
-* 支持VoxCPM1.5 模型
-
-### v0.1.4
-* 添加PaddleOCR-VL 模型
-
-### v0.1.3
-* 添加 Hunyuan-OCR 模型
-
-### v0.1.2
-* 添加 DeepSeek-OCR 模型
-
-### v0.1.1
-* 添加 Qwen3VL 模型
-
-### v0.1.0
-* 初始版本发布
-* 支持 Qwen2.5VL, MiniCPM4, VoxCPM 模型
+<p align="center">
+  <sub>由 aha 团队用 ❤️ 构建</sub>
+</p>

+<p align="center">
+  <sub>我们持续扩展支持的模型列表，欢迎贡献！</sub>
+</p>

+<p align="center">
+  <sub>如果这个项目对你有帮助，请给我们一个 ⭐ Star！</sub>
+</p>