本地 AI 全家桶:8 組模型與工具一次看,用途、大小、硬體與授權整理

本地 AI 全家桶 文章封面

AI 工具與方案 / 資料更新至 2026 年 11 月

一台電腦、不連網路,能不能從寫程式、聽會議錄音,一路做到寫歌、生圖、把照片變成影片?最近一支本地 AI 實作影片就示範了這件事,而且用的全是可以下載回家的模型。

我們把影片裡出現的 8 組模型與工具逐一查證,整理成這份清單:每一項是做什麼的、在 Hugging Face 或官方網站的正確名稱、檔案多大、要什麼等級的硬體、授權能不能商用。想自己搭一套本地 AI 工作站,可以從這裡開始評估。

30 秒看重點

8 組工具

從大腦、代理人到語音、音樂、圖像與影片,一條龍都在自己的電腦上跑。

約 78 GB

千問 122B 載入後佔用的記憶體,整套系統的硬體門檻就卡在它。

約 330 GB

全部模型檔加起來的硬碟空間(估算),建議準備 1 TB 以上的 SSD。

5 秒

LTX-2.5 參考一張照片,就能生成一段 5 秒、連聲音一起產生的動態影片。

6 組免費商用

千問、Hermes 與 Ollama、Breeze、ACE-Step、千問 Image 與 Edit 都是 MIT 或 Apache 2.0。

資料:各模型 Hugging Face 頁面、官方公告與社群整理,詳見文末資料來源。大小標「估算」者依官方需求或參數量推算。

01先看分工:一個大腦,配六種專長

這套組合的思路很像一間小工作室:一個會思考、會寫程式的總指揮,加上幾位各有專長的助手。依影片中的分工,流程是這樣:

1

Hermes 接下任務

透過 Ollama 在本機叫用大語言模型,負責對話、記憶與任務排程

2

千問 122B 拆解與轉譯

把需求拆成步驟、寫程式,並把中文想法改寫成生圖、生影片用的提示詞

3

Breeze 聽懂台灣口音

把影片或會議錄音轉成逐字稿,中英夾雜也聽得懂

4

ACE-Step 寫歌

輸入風格描述與歌詞,一次生成含旋律、編曲與人聲的完整歌曲

5

千問 Image 生圖與修圖

一個從零生成圖片,一個只改局部,例如保留主體、換背景與光線

6

LTX-2.5 讓照片動起來

參考一張靜態照片,生成 5 秒的動態影片

7

ComfyUI 與 Photoshop 收尾

在 NVIDIA 顯示卡上跑生圖、生影片流程,並用本機 AI 消除照片裡的路人

為什麼要「本地」

資料不離開自己的電腦、沒有按次計費、不怕服務改版或下架。代價是要自己準備硬體、自己維護,下面每一節都會把硬體門檻寫清楚。

02大腦與代理人:千問 122B、Hermes、Ollama

影片中的核心是千問 122B,正式名稱是 Qwen3.5-122B-A10B。它是混合專家架構:總共 1,220 億參數,但每處理一個字只動用其中約 100 億,所以速度比同等大小的模型快得多。

模型/工具(用途/ID/授權)大小與硬體
Qwen3.5-122B-A10B(千問 122B)
阿里巴巴,2026 年 2 月發布。能讀圖、原生 262K 上下文,負責任務拆解、寫程式與提示詞轉換。
ID:Qwen/Qwen3.5-122B-A10B
Ollama:qwen3.5:122b
授權:Apache 2.0
Q4 約 81 GB
載入約 78 GB
原檔 244 GB
Hermes Agent
Nous Research 的開源 AI 代理人:會自己累積技能、跨對話記憶,可接 Telegram、Discord 等通訊軟體。影片中當作任務調度介面。
GitHub:NousResearch/hermes-agent
授權:MIT
軟體很小
Ollama
在自己電腦上執行大語言模型的工具,提供和 OpenAI 相容的本機 API,Hermes 透過它呼叫千問。
官網:ollama.com
授權:MIT
Win/Mac
Linux

資料:Hugging Face 模型頁、Ollama 模型庫與各專案官方文件(2026 年 11 月查詢)。81 GB 為 Ollama 預設的 Q4_K_M 量化版。

1,220 億參數為什麼只要 78 GB

原始 BF16 權重約 244 GB,Ollama 預設下載的是 4 位元量化版,大小剩三分之一左右。代價是些微的品質損失,換來一般工作站也放得下。

安裝 Ollama 之後,下面兩行就能把大腦和代理人裝好。網站有防複製,請按右上角的按鈕複製:

指令 1/下載千問並啟動 Hermes

# 1. 下載千問 122B(Q4 量化約 81 GB,電腦要有 96 GB 以上的顯示或統一記憶體)
ollama pull qwen3.5:122b

# 記憶體不夠的話,先用 35B 版(約 24 GB)
ollama pull qwen3.5:35b

# 2. 啟動 Hermes 代理人:沒裝會先幫你裝,再讓你選剛下載的模型
ollama launch hermes

記憶體要留餘裕

模型 78 GB 之外,還要留空間給對話內容(上下文)。社群建議至少 96 GB 顯示記憶體,或 128 GB 統一記憶體的機器,例如 DGX Spark、Ryzen AI Max+ 395 筆電與迷你主機。

代理人要長上下文

Hermes 的記憶與技能很吃上下文。台灣使用者實測,Ollama 預設的 4K 上下文會讓代理人「變笨」,要另外調大。

03耳朵與嗓子:Breeze 語音辨識、ACE-Step 作曲

模型/工具(用途/ID/授權)大小與硬體
Breeze-ASR-25(聯發科 Breeze)
聯發創新基地以 Whisper large-v2 微調,專攻台灣華語與中英夾雜。官方數據:台灣華語錯字率比原版降低 19%,中英切換降低約 56%,時間軸也更準,適合做字幕。
ID:MediaTek-Research/Breeze-ASR-25
授權:Apache 2.0
約 3 GB
(估算)
ACE-Step 1.5 XL
StepFun 與 ACE Studio 開發的作曲模型。40 億參數的 XL 版,一次生成含人聲的完整歌曲,支援中、英、日、韓等 50 種以上語言的歌詞,最長可到 10 分鐘。分成 base、sft、turbo 三版,turbo 只要 8 步最快。
ID:ACE-Step/acestep-v15-xl-turbo
ID:ACE-Step/acestep-v15-xl-sft
GitHub:ace-step/ACE-Step-1.5
授權:MIT
約 18.8 GB
顯示記憶體
20 GB 免卸載

資料:Hugging Face 模型頁、ComfyUI 官方部落格。ACE-Step XL 在 12 GB 顯示卡上也能跑,但要搭配 CPU 卸載與 INT8 量化。

生成的歌能商用嗎

ACE-Step 官方表示訓練資料來自授權音樂、免版稅與公有領域素材,以及合成資料,生成的音樂可以商用。不過歌詞、旋律若刻意模仿特定歌手或作品,仍可能有侵權疑慮,發布前要自己把關。

04眼睛與畫筆:千問 Image、Image Edit、LTX-2.5

模型/工具(用途/ID/授權)大小與硬體
Qwen-Image-2512(千問 Image)
阿里巴巴 200 億參數的生圖模型,2025 年 12 月更新版,人像更寫實、圖中文字更準。原始版本是 2025 年 8 月的 Qwen/Qwen-Image。
ID:Qwen/Qwen-Image-2512
授權:Apache 2.0
約 58 GB
含文字
編碼器
Qwen-Image-Edit-2511(千問 Image Edit)
以千問 Image 為基礎的修圖模型:用一句話指定要改哪裡,例如保留人物不變、只換背景與光線。2511 版加強了多人合照的人物一致性。
ID:Qwen/Qwen-Image-Edit-2511
授權:Apache 2.0
約 58 GB
(估算)
LTX-2.5
LTX(Lightricks 分拆公司)2026 年 8 月 11 日發布,220 億參數,畫面與聲音一次生成。ComfyUI 內建「圖生影片」範本,參考一張照片就能做出短片。需要先在模型頁同意條款。
ID:Lightricks/LTX-2.5
授權:LTX-2.x 社群授權
(年營收 1,000 萬美元以下免費)
硬碟 100 GB
顯示記憶體
建議 32 GB

資料:Hugging Face 模型頁、LTX 官方部落格與系統需求。LTX-2.5 量化版官方標示最低 16 GB,但完整流程官方建議 32 GB 以上。

生圖和修圖要分開裝

千問 Image 負責「從零畫一張」,Image Edit 負責「改一張現成的」,兩個是不同模型,各自佔約 58 GB。只想修照片的話,裝 Edit 就好。

05收尾工具:ComfyUI 與 Photoshop

模型/工具(用途/ID/授權)大小與硬體
ComfyUI
節點式的生成工作流介面,上面三個圖像與影片模型都在這裡串起來執行。搭配 NVIDIA 顯示卡的 CUDA 加速最穩定,也支援 AMD 與 Apple Silicon。
GitHub:Comfy-Org/ComfyUI
授權:GPL-3.0
軟體免費
Adobe Photoshop 移除工具(本機模式)
Photoshop 27.7(2026 年 5 月)起,移除工具可下載約 5 GB 的生成式模型在本機執行,不用上傳雲端、也不扣生成點數。影片中用它消除照片裡的路人。
官方:Adobe 硬體需求說明
授權:商業軟體(需訂閱)
模型約 5 GB
RTX 30 以上
顯示記憶體
14 GB

資料:ComfyUI GitHub、Adobe 官方說明與社群公告。Mac 版本機模式需 M1 Max 以上、24 GB 記憶體與 macOS Tahoe。

Photoshop 選項是灰的

移除工具的「裝置」選項如果無法點選,代表電腦沒有通過硬體檢查。社群回報部分 16 GB 的新顯示卡也會遇到,通常要更新顯示卡驅動或等 Photoshop 更新。

06硬體怎麼配:先看最大的那一個

每個模型要多少硬碟空間?

單位 GB,長條以 LTX-2.5 為基準,含估算值

LTX-2.5(含文字編碼器等元件)

100 GB

千問 122B(Q4 量化)

81 GB

千問 Image 2512

58 GB

千問 Image Edit 2511(估算)

58 GB

ACE-Step 1.5 XL

19 GB

Photoshop 本機移除模型

5 GB

Breeze-ASR-25(估算)

3 GB

※ 合計約 330 GB。模型多半是用到才載入,不必同時塞進記憶體;硬體門檻由最大的千問 122B 決定。

你的電腦建議怎麼做
16 GB 顯示卡
例如 RTX 4060 Ti 16GB
千問改用 35B 或更小的版本;Breeze 與 ACE-Step(卸載模式)沒問題;生圖用量化版
24 至 32 GB 顯示卡
例如 RTX 4090、5090
除了千問 122B 以外,整套圖像、音樂、影片流程都跑得動
96 GB 以上
顯示記憶體,或 128 GB 統一記憶體
才能像影片一樣,把千問 122B 整個載入當大腦

資料:各模型官方需求與社群實測整理。實際速度依顯示卡、量化版本與設定而定。

圖像、音樂與影片模型可以用上一篇的 hf2disk.sh 一次備份到外接硬碟(LTX-2.5 檔案很多,建議直接用 ComfyUI 範本的「下載全部」):

指令 2/備份語音、音樂與圖像模型

# 先依〈模型備份:Hugging Face 必存清單〉存好 hf2disk.sh,再換成你的硬碟路徑
DISK=/Volumes/Backup/LLM

for m in MediaTek-Research/Breeze-ASR-25 ACE-Step/acestep-v15-xl-turbo \
         Qwen/Qwen-Image-2512 Qwen/Qwen-Image-Edit-2511; do
  bash hf2disk.sh "$m" "$DISK" || break
done

但,本地 AI 不是免費的午餐

影片看起來很順,真正自己搭之前,先想清楚這幾件事:

硬體是最大的成本

能載入千問 122B 的機器,要 96 GB 以上的顯示或統一記憶體,價格遠高於一般電腦。如果只是偶爾用,雲端服務按次付費反而便宜;本地的優勢在大量、長期、資料不能外流的工作。

授權不是都一樣

LTX-2.5 年營收超過 1,000 萬美元要另談授權,Photoshop 要訂閱,ComfyUI 的 GPL 只管軟體本身。用在公司產品前,逐一確認。

要自己當 IT

驅動版本、CUDA、模型更新、上下文設定都要自己顧。台灣網友實測 Hermes 接 Ollama,就花了好幾個小時排查設定。

品質還有差距

本地模型進步很快,但在長影片、複雜推理上,最強的雲端服務仍領先。把本地當主力、雲端當補位,是比較務實的配置。

本地 AI 的價值不在省錢,而在於資料留在自己手上、流程由自己決定。

——Tr. Bug

現在就可以做的三件事

1

先裝 Ollama

用 35B 或更小的千問試跑,感受本地模型的速度與品質。

2

再試 Breeze

拿一段自己的會議錄音轉逐字稿,最能體會本地 AI 的實用價值。

3

最後上 ComfyUI

有 24 GB 以上顯示卡,再開始玩生圖、作曲與照片轉影片。

本文重點

  1. 影片中的本地 AI 工作站由 8 組模型與工具組成:千問 122B 當大腦,Hermes 透過 Ollama 調度任務。
  2. 千問 122B 正式名稱是 Qwen3.5-122B-A10B,量化後載入約 78 GB,是整套系統的硬體門檻。
  3. Breeze-ASR-25 聽台灣口音、ACE-Step 1.5 XL 寫歌、千問 Image 與 Image Edit 生圖修圖、LTX-2.5 讓照片變影片。
  4. ComfyUI 串起圖像與影片流程,Photoshop 27.7 起移除工具可在本機執行。
  5. 6 組工具可免費商用,LTX-2.5 有營收門檻、Photoshop 需訂閱;全部模型約需 330 GB 硬碟。

想一想

你的工作裡,有哪些資料因為不能上傳雲端,到現在還沒辦法交給 AI 處理?本地 AI 能補上哪一塊?

資料來源

  1. Hugging Face。Qwen3.5-122B-A10B 模型頁
  2. Ollama。qwen3.5 模型庫(122b 為 Q4_K_M 81 GB)
  3. bestllmfor.com。Qwen 3.5 122B-A10B 記憶體需求(BF16 244 GB)
  4. madebyagents。Qwen3.5 122B 約 78 GB,建議 96 GB 顯示記憶體
  5. NVIDIA 開發者論壇。Qwen3.5-122B NVFP4 在 DGX Spark 128 GB 上執行
  6. 墨天輪 modb(2026/6/15)。AMD AI MAX+395 跑 Qwen3.5-122B 實測
  7. Ollama 文件。Hermes Agent 整合說明(ollama launch hermes)
  8. Developers Digest。Hermes Agent Guide (2026)
  9. yinung2 部落格(2026/6)。Hermes Agent + 本地 Ollama 問題總結
  10. Hugging Face。Breeze-ASR-25 模型頁
  11. Hugging Face。ACE-Step 1.5 XL Base 模型頁(大小與顯示記憶體需求)
  12. ComfyUI 官方部落格。ACE-Step 1.5 XL: Commercial-Grade Music Generation
  13. AMD。ACE-Step 1.5 授權與多語言支援
  14. DEV Community。ACE-Step 1.5 完整指南(最長 10 分鐘)
  15. Hugging Face。Qwen-Image-Edit-2511 模型頁
  16. The Decoder。Qwen-Image-Edit-2511 人物一致性更新
  17. Chutes。Qwen-Image-2512 規格與授權
  18. DataLearner。Qwen-Image-2512 檔案大小
  19. Clore.ai 文件。LTX-2.5 發布日期與參數
  20. LTX 官方部落格。LTX-2.5 圖生影片與文生影片工作流
  21. Promptus。LTX-2.5 系統需求(32 GB 顯示記憶體、約 100 GB 硬碟)
  22. GitCode 鏡像。LTX-2.5 模型說明與 LTX-2.x 社群授權
  23. Adobe。移除工具硬體需求
  24. Digital Production(2026/5/26)。Photoshop 27.7 移除工具可在本機執行
  25. Let’s Data Science。Photoshop 27.7 本機 AI 的 Mac 與 Windows 需求
  26. PromptQuorum。ComfyUI 評測與 GPL-3.0 授權說明

模型 ID、大小與授權以各官方頁面為準,下載前請再確認一次。


Edit with Tr.Bug

Follow me on:LinkedIn | 探教育TempEDU