awesome-pretrained-chinese-nlp-models

找中文NLP模型，一个仓库全搞定

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 513 🐛 待处理 5 👀 关注 91

GitHub ↗

GitHub 星标 ★ 5611

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，全部免费，无付费版本。

项目预览

awesome-pretrained-chinese-nlp-models 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队lonePatient

GitHubhttps://github.com/lonePatient/awesome-pretrained-chinese-nlp-models

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，全部免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型bert,chinese,dataset,ernie,gpt,gpt-2,large-language-models,llm,multimodel,nezha,nlp,nlu-nlg,pangu,pretrained-models,roberta,simbert,xlnet

GitHub 星标★ 5611

上线时间2019-05-25 00:00:00

代码更新2026-08-30

仓库体积874 KB

本站数据更新2026-11-10

维护状态维护中

收录时间2026-08-09

浏览次数5

项目介绍

这是一个高质量中文预训练模型、大模型、多模态模型及大语言模型的精选集合，旨在为中文NLP从业者提供一站式模型资源导航。项目系统整理了从BERT、GPT到LLaMA等各类中文适配模型，覆盖通用、对话、医疗、法律、金融等多个领域，并附有模型介绍、论文链接、下载地址及使用说明。它解决了中文NLP社区模型分散、查找困难、信息不透明的问题，帮助开发者快速定位适合任务的模型，减少调研成本。核心能力包括模型分类索引、多维度筛选、资源链接聚合，以及持续更新维护。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 5611

技术标签

bert chinese dataset gpt gpt-2

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 5 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 GitHub 的网络环境
已安装 git 命令行工具
（可选）能访问 HuggingFace 或 hf-mirror.com 镜像以获取模型权重

安装与启动步骤

1克隆资源仓库

把模型索引仓库下载到本地，README 本身就是主要使用入口，无需编译或安装依赖。
```
git clone https://github.com/lonePatient/awesome-pretrained-chinese-nlp-models.git
```
2进入仓库目录

切换到克隆下来的目录，后续查看 README 目录导航和 docs 分类文档都在这里。
```
cd awesome-pretrained-chinese-nlp-models
```
3查看分类索引

打开 README，按“模型分类索引”定位大模型系列或预训练模型系列，点击对应链接跳转。
```
cat README.md
```
4浏览分类清单

README 目录导航指向 docs 下的分类文档，如 NLU、NLG 系列清单，可按需查看具体模型条目。
```
ls docs
```
5国内镜像下载权重

README 明确推荐国内下载 HuggingFace 仓库模型时使用镜像地址，直接在该站点检索模型名即可。

如何确认成功

能打开 README 目录导航，并成功访问 docs 目录下的分类文档，即表示资源已可用。

常见问题

Q：这个项目需要安装依赖或启动服务吗？

A：不需要。README 未提供任何安装、依赖或启动命令，本仓库是模型资源索引与导航，克隆后直接阅读文档即可。

Q：国内下载 HuggingFace 模型很慢怎么办？

A：README 推荐国内下载 HuggingFace 仓库模型时使用 HuggingFace 镜像地址 https://hf-mirror.com/，在该站检索目标模型即可。

Q：怎么快速找到某个领域的模型？

A：从 README 的模型分类索引入手，大模型系列按通用、垂直领域、对话、多模态、推理分类，预训练模型系列按 NLU/NLG/NLU-NLG/多模态分类。

Q：里面有可直接使用的模型权重吗？

A：没有。仓库只提供模型介绍、论文链接、下载地址和使用说明，权重需要在各模型对应的下载地址自行获取。

注意事项

README 未提供安装或部署说明，本教程仅覆盖克隆仓库与阅读索引的通用准备动作，confidence 为 low。
该仓库是 awesome 资源集合，不是可运行代码库，不存在服务端口、API Key 等配置项。
文档中出现的 docs/nlu-models.md、docs/nlg-models.md、docs/nlu-nlg-models.md 等为分类清单文件路径，具体内容以仓库实际文件为准。