用 PyTorch 实现的 Vision Transformer（ViT），只需一个 Transformer 编码器就能在图像分类任务上达到 SOTA，代码简洁易读，适合快速复现和二次开发。
统一加载和运行文本、视觉、音频、多模态的预训练模型，覆盖推理与训练，省去为每个模型重写代码的麻烦。
把 PyTorch、TensorFlow、JAX、NumPy 等框架的机器学习代码互相转换，省去为不同框架重写模型的麻烦。
一条命令就能从数百个模型和供应商里筛出适合你硬件配置的本地大模型，省去逐个试跑和查显存的麻烦。
提供大量预训练、前沿的 ONNX 格式模型，可直接下载用于推理部署或迁移学习，省去自己转换和训练的成本。
基于 PyTorch 的语义分割模型库，提供 500+ 预训练卷积与 Transformer 骨干网络，开箱即用，省去自己搭建和训练分割模型的麻烦。
基于飞桨的 NLP 与大模型开发库，提供丰富模型库，覆盖 BERT、ERNIE、LLaMA 等，支持分布式训练、压缩和文档智能等任务。
基于新一代 Kaldi 和 onnxruntime 的离线语音工具包，一套搞定语音识别、合成、说话人分离、降噪、声源分离和 VAD，可跑在嵌入式、手机和服务器上。
… Omni/models ，以运行这些模型的 SGLang Omni 命名，不再放在 ActNow 模型库（~/Library/Application Support/ActNow/models）。Voxt 2.0.0 下载的模型在第一次启动时搬过来，不用重新下载（硬链接，不占新空间）；其他 ActNow app（AudioSmith、D
…）；也可以选 5、15、30 分钟、1 小时或“直到退出 Voxt”，让每次口述都立即开始。使用这个模型库的其他 app 仍然可以请 Voxt 释放闲置模型占用的内存。修改立即生效。 - 可选的提示音 （设置 → 音频 → 播放提示音）：开始和结束提示音分别从提示音库里选（来自 React Bits Sound Lab，只在官方构建里；默
…，以及 OpenRouter、Ollama 等平台。 自定义模型列表： 支持自定义模型列表，打造专属模型库。 搜索功能再升级！ 网络搜索： 支持 Tavily、Firecrawl、Bocha、Searxng 等搜索引擎，可以让不支持搜索的 LLM 可以更便捷地使用网络搜索功能。 服务器代理搜索 API： 支持服务器代理搜索 API，提升搜
…基础设施强化 ： - 新增Qwen2.5模型（ 9157 ），Mixtral 8 22B。进一步丰富模型库。 - Tokenizer功能升级，现支持加载额外解码标记added tokens decoder（ 8997 ），提升灵活性。 - 数据索引工具 tool helpers 重命名为 fast dataindex （ 9134 ），以
…、即插即用视频生成模型AnimateDiff、GIF视频生成模型Hotshot-XL； 2. 文生图模型库：新增高速推理文图生成模型LCM，适配SD/SDXL训练和推理； 3. 工具链升级：发布ppdiffusers 0.24.1版本，新增peft，accelerate后端； 权重加载/保存全面升级，支持分布式、模型切片、safetens