開場白

本期雷達掃到三個 Apache-2.0 可商用模型：Inkling-2-Small 靠 1.1k 次下載領軍，Haru-4B 是罕見 4B audio-to-audio，PAN2 則讓你在消費級顯卡離線跑影片生成。等一下告訴你哪個適合拿來寫 PR 描述、哪個能塞進 Raspberry Pi、以及為什麼前端工程師要先在本地跑提示詞再決定接不接雲端 API。

本期精選

1. IFM/PAN2：唯一入選的 image-text-to-video 模型，Apache-2.0 可商用、diffusers 原生支援

• 這是什麼: 這是一個 image-text-to-video 影片生成模型，授權 Apache-2.0 可商用，提供 safetensors 格式，原生支援 diffusers 管線，讓工程師不用寫額外載入碼就能整合。
• 能用在哪些場景:
  • 獨立開發者在無 GPU 伺服器環境下，為側專案快速產生概念影片素材，像是 App 預覽動畫、UI 轉場展示。
  • 資料科學家將文本敘述轉為短影片輔助教學內容視覺化，資料不出門避免外洩風險。
  • 前端工程師在本地端驗證「文字生成影片」提示詞效果，確認可行後再決定是否接入雲端更大模型。
• 跑得動嗎: 官方 model card 未標示硬體需求；選題理由提到「消費級顯卡離線跑」，可推估至少需具備一定運算量的消費級顯卡，實際門檻請參考官方後續補充說明。
• 本期聲量: HF 熱度 91，248 次下載、91 個讚。
• 跟同類比: 與同屬 Apache-2.0 的 CogVideoX、Open-Sora 相比，PAN2 模型卡片未在搜尋結果中提供差異說明，架構細節需進一步閱讀 model card 確認。
• 怎麼取得: 官方 README 未提供載入指令，建議直接至 Hugging Face 頁面下載 safetensors 權重，搭配 diffusers DiffusionPipeline.from_pretrained("IFM/PAN2") 載入。
• 連結: https://huggingface.co/IFM/PAN2

2. higurashi-ai/Haru-4B：極少見的 4B 參數 audio-to-audio 模型，Mac CPU 甚至 Raspberry Pi 都能跑

• 這是什麼: 這是一個 4B 參數的 audio-to-audio 模型，不像 Whisper 或 VALL-E 走 ASR 加 TTS 兩階段，而是直接音訊進音訊出，授權 Apache-2.0，格式為 safetensors。
• 能用在哪些場景:
  • 語音介面開發者在筆電離線環境做即時語音風格轉換，例如把方言口音正規化為標準國語。
  • 無障礙工具作者將文字內容轉為自然語音輸出，部署於離線嵌入式裝置，如 Raspberry Pi 4 加小喇叭。
  • 遊戲開發者快速生成 NPC 臨時語音原型，早期開發階段省下 TTS API 費用。
• 跑得動嗎: 官方 model card 未標示硬體需求；選題理由指出「參數量極小、消費級顯卡甚至 Mac CPU 皆可跑」，屬於從參數量與定位推估的判斷，非官方實測數據。
• 本期聲量: HF 熱度 102，165 次下載、103 個讚。
• 跟同類比: 與 Whisper、Bark、VALL-E 等開源語音模型相比，Haru-4B 主打 audio-to-audio 而非 ASR/TTS 分離，但模型卡片未給出具體架構差異說明。
• 怎麼取得: 官方 README 未包含載入指令，建議至 Hugging Face 頁面取得 safetensors 權重，依照 audio-to-audio 任務類型自行串接推論管線。
• 連結: https://huggingface.co/higurashi-ai/Haru-4B

3. thinkingmachines/Inkling-2-Small：小尺寸多模態模型，8-bit 量化、transformers 原生支援，適合 8-12GB 顯示記憶體

• 這是什麼: 這是一個小尺寸多模態模型，支援 image-text-to-text 任務，提供 8-bit 量化版本，授權 Apache-2.0，原生支援 transformers 庫。
• 能用在哪些場景:
  • 全端工程師在側專案加入「上傳截圖自動生成 PR 描述」功能，模型部署在同一台開發機，零雲端成本。
  • 技術文件維護者批次處理大量架構圖、流程圖，自動產出文字說明初稿再人工微調。
  • 資安團隊離線分析系統截圖日誌，提取關鍵錯誤碼與堆疊追蹤，敏感畫面不上傳。
• 跑得動嗎: 官方 model card 未標示硬體需求；選題理由建議「適合想在 8-12GB 顯卡跑視覺問答、圖文摘要的工程師」，此為根據參數量與量化格式推估的門檻，非官方實測標示。
• 本期聲量: HF 熱度 188，1.1k 次下載、191 個讚。
• 跟同類比: 同為小型多模態的 Qwen-VL-Chat-Int4、MiniCPM-V 等，Inkling-2-Small 模型卡片未提供基準比較數據，需實測或查閱第三方評測。
• 怎麼取得: 官方 README 未標示載入方式，建議使用 transformers AutoModel.from_pretrained("thinkingmachines/Inkling-2-Small") 搭配對應 processor 載入 8-bit 或 safetensors 權重。
• 連結: https://huggingface.co/thinkingmachines/Inkling-2-Small

結尾段落

本期三個模型都走 Apache-2.0 可商用路線，涵蓋影片生成、語音轉換、多模態理解，共同點都是「參數量小、格式標準、離線跑得動」，精準卡在地端工程師「不想送雲端、不想付 API、硬體預算有限」的甜蜜點。如果你手邊有截圖轉文案、語音原型或概念影片的需求，建議先從 Inkling-2-Small 這顆下載量最大的多模態模型下手，下集再見。