tckm.yan/aha
0
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

docs: update supported models documentation with new models and licensing info

Browse Source
This commit is contained in:
XiaoYang
2026-02-06 17:05:08 +08:00
parent f940bc6fe8
commit fd3ebc8d1c
2 changed files with 101 additions and 99 deletions
Download Patch File Download Diff File Expand all files Collapse all files
docs/supported-models.zh-CN.md
+50 -49
View File
@@ -4,60 +4,53 @@ aha 支持多个领域的最先进 AI 模型集合。
## 文本生成
| 模型 | 参数量 | 描述 | 使用场景 |
|------|--------|------|----------|
| **Qwen2.5-7B** | 7B | 通用大语言模型 | 对话、推理、代码 |
| **Qwen3** | 多种 | 最新一代 | 高级推理 |
| **MiniCPM4** | 4B | 高效轻量级 | 边缘部署 |
| 模型 | 参数量 | 描述 | 使用场景 | 开源协议 |
|------|--------|------|----------|---------|
| **Qwen2.5-VL-3B** | 3B | 多模态大语言模型 | 对话、推理、视觉 | [Qwen 研究许可协议](https://huggingface.co/Qwen/Qwen2.5-VL-3B-Instruct/blob/main/LICENSE) |
| **Qwen2.5-VL-7B** | 7B | 多模态大语言模型 | 对话、推理、视觉 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
| **Qwen3-0.6B** | 0.6B | 最新一代 | 高级推理 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
| **MiniCPM4-0.5B** | 0.5B | 高效轻量级 | 边缘部署 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
## 视觉与多模态
| 模型 | 类型 | 描述 | 分辨率 |
|------|------|------|--------|
| **Qwen2.5-VL** | 视觉语言 | 图像理解 | 最高 1024x1024 |
| **Qwen3-VL** | 视觉语言 | 增强多模态 | 最高 1536x1536 |
| **MiniCPM-V** | 视觉语言 | 轻量视觉 | 最高 768x768 |
| 模型 | 参数量 | 描述 | 分辨率 | 开源协议 |
|------|--------|------|--------|---------|
| **Qwen2.5-VL-3B** | 3B | 图像理解 | 最高 1024x1024 | [Qwen 研究许可协议](https://huggingface.co/Qwen/Qwen2.5-VL-3B-Instruct/blob/main/LICENSE) |
| **Qwen2.5-VL-7B** | 7B | 图像理解 | 最高 1024x1024 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
| **Qwen3-VL-2B** | 2B | 增强多模态 | 最高 1536x1536 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
| **Qwen3-VL-4B** | 4B | 增强多模态 | 最高 1536x1536 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
| **Qwen3-VL-8B** | 8B | 增强多模态 | 最高 1536x1536 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
| **Qwen3-VL-32B** | 32B | 增强多模态 | 最高 1536x1536 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
## 语音识别 (ASR)
| 模型 | 语言 | 实时 | 速度 |
|------|------|------|------|
| **FunASR-Nano** | 中/英 | 是 | 16x 实时 |
| **GLM-ASR-Nano** | 中/英 | 是 | 32x 实时 |
| 模型 | 参数量 | 语言 | 实时 | 速度 | 开源协议 |
|------|--------|------|------|------|---------|
| **Fun-ASR-Nano-2512** | 2512M | 中/英 | 是 | 16x 实时 | 未标明 |
| **GLM-ASR-Nano-2512** | 2512M | 中/英 | 是 | 32x 实时 | [MIT](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/mit.md) |
| **Qwen3-ASR-0.6B** | 0.6B | 中/英 | 是 | 快速 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
| **Qwen3-ASR-1.7B** | 1.7B | 中/英 | 是 | 快速 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
## OCR
| 模型 | 语言 | 类型 | 优势 |
|------|------|------|------|
| **PaddleOCR-VL** | 80+ | 轻量级 | 通用文档 |
| **Hunyuan-OCR** | 中文 | 深度学习 | 复杂布局 |
| **DeepSeek-OCR** | 多语言 | 场景文字 | 自然图像 |
| 模型 | 语言 | 类型 | 优势 | 开源协议 |
|------|------|------|------|---------|
| **PaddleOCR-VL** | 80+ | 轻量级 | 通用文档 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
| **Hunyuan-OCR** | 中文 | 深度学习 | 复杂布局 | [腾讯混元社区许可协议](https://huggingface.co/tencent/HunyuanOCR/blob/main/LICENSE) |
| **DeepSeek-OCR** | 多语言 | 场景文字 | 自然图像 | [MIT](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/mit.md) |
## 音频处理
## 语音生成
| 模型 | 类型 | 描述 |
|------|------|------|
| **VoxCPM** | 语音编解码器 | 神经音频编解码 |
| **RMBG-2.0** | 背景移除 | 语音隔离 |
| 模型 | 参数量 | 类型 | 描述 | 开源协议 |
|------|--------|------|------|---------|
| **VoxCPM-0.5B** | 0.5B | 语音编解码器 | 神经音频编解码 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
| **VoxCPM1.5** | - | 语音编解码器 | 增强语音生成 | [Apache 2.0](https://huggingface.co/datasets/choosealicense/licenses/blob/main/markdown/apache-2.0.md) |
## 模型格式
## 图像处理
所有模型均采用优化的 ONNX 格式，提供：
- **跨平台兼容** - Windows、macOS、Linux
- **CPU 加速** - AVX2、NEON、SIMD
- **边缘部署** - 无需 GPU
- **快速推理** - 优化运行时
## 模型选择
aha 会自动为每个任务选择最佳模型。如需覆盖：
```bash
aha chat "你好" --model qwen2.5-7b
aha vision --model qwen2.5-vl "描述这个" --image img.jpg
aha asr --model fun-asr-nano audio.wav
```
| 模型 | 类型 | 描述 | 开源协议 |
|------|------|------|---------|
| **RMBG-2.0** | 背景移除 | 移除图像背景 | [CC BY-NC 4.0](https://creativecommons.org/licenses/by-nc/4.0/deed.zh-hans) |
## 模型来源
@@ -65,28 +58,36 @@ aha asr --model fun-asr-nano audio.wav
- [Hugging Face](https://huggingface.co) - 主模型中心
- [ModelScope](https://modelscope.cn) - 中文模型中心
- [GitHub Releases](https://github.com) - 备份发布
## 添加新模型
参见 [开发指南](./development.zh-CN.md) 了解添加新模型集成的说明。
## 许可证合规
**重要提示**：每个模型都有自己的许可证。在生产环境使用前请查看模型许可证。一些关键注意事项：
- **Apache 2.0**: 宽松许可，支持商业使用
- **MIT**: 宽松许可，支持商业使用
- **Qwen 研究许可协议**: 研究用途，可能有使用限制
- **腾讯混元社区许可协议**: 自定义许可，请查看条款
- **CC BY-NC 4.0**: 仅限非商业用途
在生产环境部署前，请务必验证许可证条款。
## 模型更新
模型定期更新。查看 [releases](https://github.com/jhqxxx/aha/releases) 获取最新版本。
## 许可证
每个模型都有自己的许可证。在生产中使用前请查看模型许可证。
## 性能基准
CPU (M1 Pro) 上的近似推理速度：
| 模型 | 任务 | Tokens/秒 |
|------|------|-----------|
| Qwen2.5-7B | 文本 | 25-35 |
| Qwen2.5-VL | 视觉 | 20-30 |
| FunASR-Nano | ASR | 200-500x |
| Qwen3-0.6B | 文本 | 40-50 |
| Qwen2.5-VL-3B | 视觉 | 20-30 |
| Qwen3-ASR-0.6B | ASR | 200-500x |
| VoxCPM-0.5B | TTS | 实时 |
*基准测试因硬件和输入大小而异。*