--- title: "🧪 4B 參數語音轉語音、1.1k 下載多模態、Apache 2.0 影片生成：三個免費離線模型｜地端 AI 實驗室" description: "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。" canonical_url: "https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-11-13" author: "Mark Ku" author_url: "https://blog.markkulab.net/author/mark-ku" site: "Mark Ku's Blog" date_published: "2026-11-13T02:00:00.000Z" category: "地端 AI 實驗室" tags: ["local-ai", "podcast", "地端模型", "lora", "開源模型", "IFM/PAN2", "higurashi-ai/Haru-4B", "thinkingmachines/Inkling-2-Small"] language: "zh-TW" license: "CC BY 4.0" license_url: "https://creativecommons.org/licenses/by/4.0/" attribution: "轉載或引用請註明作者並附上原文連結" --- # 🧪 4B 參數語音轉語音、1.1k 下載多模態、Apache 2.0 影片生成：三個免費離線模型｜地端 AI 實驗室 ## 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](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](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](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。 --- ## 關於本文與作者 本文出自 [Mark Ku's Blog](https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-11-13) 授權條款： [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 轉載或引用請註明作者並附上原文連結 ### 關於作者 **[Mark Ku](https://blog.markkulab.net/author/mark-ku)** — 軟體工程師 - 10 年以上軟體工程師 - 做過北美電商與 AI SaaS 訂閱收費系統 ### 作者開發的免費工具 以下工具皆可免費使用： - [免費 PDF 簽名工具](https://blog.markkulab.net/tools/pdf-sign): 線上 PDF 簽名工具，瀏覽器內完成手繪、打字、上傳簽名，可拖曳放置、縮放、下載。所有處理都在你的裝置完成，檔案不會上傳。 - [VS Code Refactory](https://blog.markkulab.net/tools/refactory): Refactory 是一款 VS Code 重構擴充套件：34 個重構動作、37 條 code smell 檢查、Code Health 儀表板、18 種語言、534 支測試。懂你的專案慣例：介面放哪、DI 註冊寫在哪、'use client' 該不該加；還會用 git 修改頻率 × 複雜度排出「該先修哪個檔案」，並一鍵把壞味道交給你自己電腦上的 Claude Code 修。免費使用，原始碼不離開你的機器。 - [DB-Kit 資料庫管理工具](https://blog.markkulab.net/tools/db-kit): DB-Kit 是一個用 Tauri + Rust + React 打造的輕量跨平台資料庫管理工具，用單一一致的介面同時管理 MySQL、MariaDB、PostgreSQL、SQL Server、Oracle、SQLite、MongoDB、Redis、Kafka、Elasticsearch 與 RabbitMQ 十一種資料來源：連線密碼以 OS keychain 加密、SSH Tunnel、完整 CRUD、視覺化查詢建構器、多結果集同時顯示、跨連線資料傳輸、結構與資料比對（同步 SQL、結構快照）、Excel / CSV 匯入匯出、執行計畫視覺化、ER 圖、排程備份、SQL 壓力測試（p50～p99 延遲百分位）、15 條規則的 SQL 審查、執行前 AI 審查並逐句備份的「審查並執行」（自動產生回滾腳本）、Kafka 訊息瀏覽與監控告警、SSH 終端機與 SFTP / FTP、Docker / Kubernetes、遠端桌面（RDP / VNC / RustDesk）、檔案 / 資料夾比對、預存程序整合測試；六種介面語言，內建 AI 助手（本機 CLI 或 Anthropic / OpenAI 相容 API，自然語言生成 SQL、AI 審查與調校建議）與命令列工具 dbk。免費開源（MIT），提供 Windows / macOS / Linux 安裝檔。 - [VS Code Super Mermaid](https://blog.markkulab.net/tools/super-mermaid): Super Mermaid 是一款 VS Code 擴充套件：開箱即用的漂亮 Mermaid 圖表，自動上色、即時預覽、滑鼠平移縮放、PNG / SVG 高解析匯出，內建 21 種範本與多種主題。免費開源（MIT）。 - [React Super Mermaid](https://blog.markkulab.net/tools/react-super-mermaid): react-super-mermaid 是一個開源 React 元件庫：一行 即可渲染漂亮的 Mermaid 圖表，內建 colorful / sketch 主題、平移縮放、圖內搜尋、SVG / PNG 高解析匯出。輕量、SSR 安全、完整 TypeScript 型別。免費開源（MIT）。 - [Jira / Confluence Super Mermaid](https://blog.markkulab.net/tools/jira-super-mermaid): Atlassian Forge app：在 Jira issue 與 Confluence 內文直接寫 Mermaid 語法，畫流程圖、時序圖、狀態機與甘特圖。11 種圖表、SVG / PNG 匯出、明暗主題、完整中日韓文字支援。取得 Runs on Atlassian 資格：圖表存在你自己的站台，app 不呼叫任何第三方服務。免費，即將上架 Atlassian Marketplace。 - [Mermaid 線上預覽](https://blog.markkulab.net/tools/mermaid-preview): 在瀏覽器裡寫 Mermaid、即時看圖，整張圖表壓進網址就能分享。免註冊、不上傳伺服器，相容 mermaid.live 的分享連結。 - [React Intl Phone Number](https://blog.markkulab.net/tools/react-intl-phone-number): react-intl-phone-number 是一個開源 React 元件：framework-agnostic、不依賴 antd，提供 E.164 進出、可搜尋國旗 / 國碼下拉、可配置驗證等級（strict / mobile-strict / loose）、可主題化 CSS 與 i18n，電話邏輯由 google-libphonenumber 驅動。輕量、完整 TypeScript 型別。免費開源（MIT）。 - [Uptime Kuma Cluster](https://blog.markkulab.net/tools/uptime-kuma-cluster): 把單機版 Uptime Kuma 改造成高可用叢集：OpenResty + Lua 智慧負載平衡、MariaDB 共享狀態、健康檢查與自動 Failover，附監控與叢集管理 RESTful API，一行 Docker Compose 啟動。免費開源（MIT）。 - [AI Podcast Cut 音檔剪輯](https://blog.markkulab.net/tools/ai-podcast-cut): 丟進一段錄音，AI 幫你剪掉「嗯、呃、那個」與講到一半重講的片段，平衡逐段音量，並派第二個 agent 覆核每一刀。辨識與去人聲都在你自己的電腦上跑，不上傳、不需要金鑰。剪點會貼齊字邊界與零交越、每一刀都有漸弱漸強，句尾還留得住呼吸感。Windows / macOS / Linux 桌面應用，MIT 開源，Windows 安裝檔內建 ffmpeg。 - [AI Video Cut 影片剪輯](https://blog.markkulab.net/tools/ai-video-cut): 在影片裡選一個東西：打字（人臉、車牌、手機螢幕、logo）、手動點選或拖框，或交給 Claude Code / Codex 挑。AI Video Cut 會逐幀追蹤它，再幫你打馬賽克或模糊、調色、加跟著走的貼紙與文字、把螢幕或海報換成你的圖片或影片，甚至用其他幀拍到的背景把它移除。另有序列剪輯、本機字幕與 AI 助手。免費開源（MIT）的 Windows 桌面應用（macOS / Linux 實驗中），本機運行，影片不上傳。 - [open-pos 開源餐飲 POS](https://blog.markkulab.net/tools/open-pos): 一台電腦加一台出單機就能開店。資料存在自己的硬碟裡、沒有月租、沒有綁約，MIT 全開源。金額用整數元依營業稅法拆算稅額，銷售額加稅額恆等於總額；出單走網路型 ESC/POS（TCP 9100），不必裝廠商驅動。Tauri + Rust + SQLite 桌面應用，v1.0 開發中。 - [.NET 電商 API 架構範本](https://blog.markkulab.net/tools/dotnet-ecommerce-api): 以 .NET 10 打造的電商平台後端 API 架構範本：Controller → Service → Repository 分層、Autofac 依命名慣例自動註冊、SqlSugar 支援 MySQL / MariaDB 與 SQL Server、Redis 快取與訊息佇列、Hangfire 排程、JWT 認證，內建可擴充的金流 Provider 模組（綠界 ECPay、藍新 Newebpay）。Apache 2.0 開源。 - [Open Token Monitor 團隊 AI 用量監控](https://blog.markkulab.net/tools/open-token-monitor): 把每位員工電腦上 AI coding 工具的 token 用量與等值成本集中到公司自架的 hub：PostgreSQL、組織名單、依公司與部門比較的 dashboard、報表 API。員工端有 Electron 與 Rust/Tauri 兩種，每 30 分鐘自動上傳。MIT 開源，Docker 一行起。 - [AI 資安監控 ai-security-monitor](https://blog.markkulab.net/tools/ai-security-monitor): 網站上線了，漏洞、憑證與安全設定誰來檢查？ai-security-monitor 用自架 Security Hub 集中網站掃描與主機監控，合併重複發現、比對修補前後，讓你知道哪些問題還沒處理。 ### 每日 Podcast - [Mark's Tech Insights 每日 AI 新鮮事](https://blog.markkulab.net/category/tech-news): 每日精選 AI 與科技趨勢，透過語音摘要快速掌握最新技術動態，涵蓋 AI 應用、軟體架構、DevOps 與工程實戰。 — RSS: https://blog.markkulab.net/feed.xml - [AI股市蝦聊](https://blog.markkulab.net/category/ai-stock-chat): 每個交易日用 AI 分析台股盤勢，以雙人對話聊當天的盤中觀察與隔日預測。 — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml - [開源好物日報](https://blog.markkulab.net/category/open-source-weekly): 每天從 Hacker News、GitHub、Reddit 聲量雷達精選免費開源工具，以雙人對話聊解決什麼痛點與怎麼快速上手。 — RSS: https://blog.markkulab.net/open-source-weekly/feed.xml - [AI 運動日報](https://blog.markkulab.net/category/sports-weekly): 每天以雙人對話聊 NBA、MLB 與國際體壇大事，台灣球迷視角，輕鬆有梗不酸人。 — RSS: https://blog.markkulab.net/sports-weekly/feed.xml - [AI 國際新聞快報](https://blog.markkulab.net/category/world-news): 每天早上以雙人對話把過去一天的國際大事講白：政治外交、全球經濟、衝突與安全、災害與氣候，台灣視角、中立客觀、每則附出處。 — RSS: https://blog.markkulab.net/world-news/feed.xml - [地端 AI 實驗室](https://blog.markkulab.net/category/local-ai-lab): 每天精選可以下載到自己機器上跑的開源模型與 LoRA，用雙人對話講清楚能用在哪些場景、你的顯卡跑不跑得動、跟同類差在哪，規格一律引述官方 model card。 — RSS: https://blog.markkulab.net/local-ai-lab/feed.xml - [AI 行銷日報](https://blog.markkulab.net/category/ai-marketing): 每天以雙人對話整理最新 AI 在行銷、廣告、SEO／GEO 與內容行銷的大事，實戰視角、不業配、每則附出處。 — RSS: https://blog.markkulab.net/ai-marketing/feed.xml - [AI 資安日報](https://blog.markkulab.net/category/ai-security): 每天以雙人對話整理最新 AI 與資安交會的大事：LLM 與 AI agent 漏洞、prompt injection、模型供應鏈、攻擊者怎麼用 AI，防禦視角、每則附出處。 — RSS: https://blog.markkulab.net/ai-security/feed.xml ### 電子報 [訂閱電子報](https://blog.markkulab.net/subscribe) — 第一時間收到新文章通知，無垃圾信、隨時可取消訂閱。