Descript DAC 16 кГц — аудиокодек для извлечения признаков и компактного представления аудиосигнала.
Подходит для: извлечение признаков из аудио 16 кГц · кодирование аудио в компактные представления · подготовка аудиоданных для последующих моделей
Экспериментальная компактная языковая модель BananaMind с разреженным вниманием DSA для сравнения схем внимания и генерации текста.
Подходит для: сравнение разреженного DSA и стандартного внимания · воспроизведение контролируемого эксперимента по абляции внимания · изучение индексатора ключей и разреженного внимания в небольшой языковой модели
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
KSSDS — дообученная корейская модель T5 для разделения распознанной речи и другого текста на предложения.
Подходит для: Разделение расшифровки корейской речи на предложения · Сегментация текста распознавания Whisper для диалоговой системы · Подготовка корейских транскриптов к дальнейшей обработке
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
PDS-1.7B — англоязычная авторегрессионная модель Mistral с 1,7 млрд параметров для генерации текста, обученная с нуля на данных RedPajama, отобранных методом PDS.
Подходит для: генерация продолжений английского текста · подготовка черновиков и кратких текстовых материалов · эксперименты с генерацией на основе предобученной языковой модели
DASS medium AudioSet 50.2 — дистиллированная модель на основе пространства состояний для классификации звуковых событий в аудиозаписях.
Подходит для: классификация звуковых событий в аудиозаписях · анализ фоновых звуков и акустических сцен · поиск заданных звуковых событий в длинных записях
Диалоговая языковая модель SDAR на 3,7 млрд параметров для генерации текста с дискретным диффузионным выводом и контекстом до 32 768 токенов.
Подходит для: ответы на сообщения в чат-боте · составление и продолжение текстов · диалоговое взаимодействие с вызовом инструментов
Производная модели GSAI-ML/LLaDA-8B-Base. Базовая 8-миллиардная диффузионная языковая модель LLaDA для генерации текста и дальнейшей адаптации.
Подходит для: генерация связного текста · создание диалоговых приложений на базе языковой модели · адаптация базовой модели под специализированные задачи
Исследовательская дистиллированная языковая модель Arcee.ai с KDA во всех слоях для изучения линейного внимания и генерации текста.
Подходит для: сравнение линейного внимания KDA с полным вниманием · исследование дистилляции внимания в языковых моделях · генерация текста на длинных последовательностях
Компактная модель AIDO для предсказания скрытых нуклеотидов и получения представлений геномных последовательностей ДНК.
Подходит для: предсказание замаскированных нуклеотидов в последовательности ДНК · получение эмбеддингов геномных последовательностей · подготовка признаков для классификации последовательностей ДНК
Модель GSA с 1,5 млрд параметров для генерации текста и эффективного моделирования последовательностей.
Подходит для: генерация продолжений текста · эксперименты с линейным моделированием последовательностей · исследование архитектуры Gated Slot Attention
Диалоговая модель SDAR на 7,6 млрд параметров для генерации текста с много-блочным диффузионным декодированием.
Подходит для: генерация ответов в диалоге · решение математических задач в чате · создание связного текста
Дообученная диффузионная языковая модель LLaDA-8B для генерации текста и решения математических задач GSM8K.
Подходит для: решение математических текстовых задач GSM8K · генерация пошаговых математических рассуждений · оценка методов обучения диффузионных языковых моделей
Разговорная SDAR-модель на 7,6 млрд параметров для генерации текста с многоблочным диффузионным декодированием.
Подходит для: генерация ответов в диалоговом ассистенте · создание и продолжение текстов · разработка чат-бота на базе Transformers
Переформатированная диффузионная языковая модель LLaDA на 7,5 млрд параметров для генерации текста и использования как языковой основы в PerceptionDLM.
Подходит для: генерация текста в конвейере PerceptionDLM · подключение языковой основы LLaDA-V при обучении мультимодальной модели · диалоговая генерация на английском языке
DWARF-v2 55M Base — базовая англоязычная причинная языковая модель на 59,8 млн параметров для генерации текста и исследований разреженных архитектур.
Подходит для: продолжение англоязычного текста по промпту · эксперименты с разреженным причинным вниманием · анализ гибридной архитектуры внимания на языковой модели
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
USAD Base — дистиллированный трансформерный энкодер, извлекающий универсальные признаки из речи, звуков и музыки для последующего анализа.
Подходит для: извлечение признаков речи для последующего распознавания · получение аудиопредставлений для классификации звуков · подготовка признаков для анализа музыкальных аудиозаписей
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
pytorch: формат, квантизация, runtime и память принадлежат одному artifact