Files

T

XiaoYang c582c4cd0a 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

2.5 KiB

Raw Blame History

支持的模型

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

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

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

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

音频处理

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

模型格式

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：

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

模型来源

模型来源：

Hugging Face - 主模型中心
ModelScope - 中文模型中心
GitHub Releases - 备份发布

添加新模型

参见开发指南了解添加新模型集成的说明。

模型更新

模型定期更新。查看 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

基准测试因硬件和输入大小而异。

2.5 KiB Raw Blame History