Мультимодальная модель семейства LCO-Embedding создаёт эмбеддинги текста, изображений, аудио и видео для семантического поиска и сопоставления.
Подходит для: семантический поиск по текстовым документам · поиск изображений по текстовому запросу · поиск аудиозаписей по смыслу
Мультимодальная модель LCO-Embedding-Omni-7B превращает текст, изображения, аудио и видео в эмбеддинги для поиска и сравнения.
Подходит для: поиск текстовых документов по запросу · поиск изображений по текстовому описанию · поиск аудиозаписей по содержанию
Мультимодальная модель LCO-Embedding для создания эмбеддингов текста, изображений, аудио и видео и поиска по смыслу между этими типами данных.
Подходит для: поиск изображений по текстовому запросу · поиск аудио по тексту или другим аудиоматериалам · поиск видео по текстовому описанию
Малайскоязычная модель на базе Llama 2 для извлечения признаков и построения текстовых эмбеддингов.
Подходит для: получение эмбеддингов малайскоязычных документов · семантический поиск по текстовой коллекции · поиск похожих текстов
Модель Unsloth на архитектуре Llama для извлечения признаков из текста.
Подходит для: получение векторных представлений текста · подготовка признаков для последующей обработки текста · извлечение признаков через Transformers
Компактная трёхслойная модель MiniLM для извлечения векторных представлений текста.
Подходит для: получение эмбеддингов текстов · подготовка признаков для семантического поиска · представление текста для последующей классификации
VoiceCLAP-Large-v2 сопоставляет аудиозаписи речи с текстовыми описаниями с помощью эмбеддингов и ориентирована, в частности, на анализ эмоций в голосе.
Подходит для: поиск аудиоклипов по текстовому описанию голоса · сопоставление речи с описанием эмоциональной окраски · ранжирование аудиозаписей по сходству с текстовым запросом
KoE5 — дообученная на корейских данных модель эмбеддингов для семантического поиска и ранжирования текстов.
Подходит для: поиск корейских документов по запросу · поиск релевантных фрагментов для системы вопросов и ответов · ранжирование корейских результатов поиска
Компактная Model2Vec-модель создаёт 768-мерные текстовые эмбеддинги для семантического поиска и сравнения предложений.
Подходит для: семантический поиск по коллекции документов · поиск релевантных фрагментов для RAG · сравнение сходства предложений
Компактная шестислойная модель MiniLM извлекает контекстные признаки из текста для NLP-задач.
Подходит для: извлечение признаков из текстовых последовательностей · получение контекстных представлений для поиска · подготовка текстовых признаков для классификации
Японская модель эмбеддингов на основе LUKE для сравнения смысловой близости предложений и семантического поиска.
Подходит для: поиск документов по японскому запросу · сравнение смысловой близости японских предложений · поиск похожих вопросов на японском языке
Многоязычная модель Octen на 0,6 млрд параметров создаёт текстовые эмбеддинги для семантического поиска, извлечения информации и сравнения документов.
Подходит для: семантический поиск по коллекции документов · межъязычный поиск по текстам на разных языках · поиск юридических документов и финансовых отчётов
Корейская модель на основе RoBERTa для создания эмбеддингов предложений и сравнения их семантической близости.
Подходит для: поиск предложений по смысловой близости · семантическое сравнение корейских текстов · ранжирование предложений по сходству
Модель Unsloth AI семейства Llama для извлечения признаков и получения представлений текста.
Подходит для: получение признаковых представлений текста · извлечение векторов для поиска по сходству · подготовка текстовых признаков для downstream-моделей
KoBERT — корейская модель BERT для извлечения текстовых признаков и построения решений для задач обработки корейского языка.
Подходит для: получение векторных представлений корейского текста · извлечение признаков из корейских документов · подготовка признаков для классификации корейских текстов
Модель XLM-RoBERTa создаёт семантические эмбеддинги английских и немецких предложений для поиска сходных текстов как внутри одного языка, так и между языками.
Подходит для: семантический поиск по англо-немецкому корпусу · поиск немецких документов по запросу на английском языке · сравнение семантического сходства предложений
Японская модель эмбеддингов на основе LUKE для семантического поиска и сравнения смысловой близости предложений.
Подходит для: поиск японских фрагментов текста по запросу · извлечение релевантных документов для RAG-системы · сравнение смысловой близости японских предложений
Мультиязычная модель LiLT и XLM-RoBERTa для извлечения признаков из документов с учётом текста и его расположения на странице.
Подходит для: извлечение представлений текста и структуры документа · создание основы для понимания многоязычных документов · обработка расположения текстовых элементов на страницах
KoBERT — корейская предварительно обученная BERT-модель SK Telecom для получения контекстных представлений текста и построения NLP-приложений.
Подходит для: получение эмбеддингов корейских текстов · классификация корейских документов после дообучения · анализ тональности корейских отзывов после настройки
Instructor-XL — англоязычная модель текстовых эмбеддингов, которая по инструкции создаёт векторы для семантического поиска, сравнения, кластеризации и других задач.
Подходит для: семантический поиск по коллекции документов · поиск ответов и релевантных документов по запросу · оценка сходства между предложениями или текстами
Модель RoBERTa для получения эмбеддингов корейских предложений и сравнения их семантической близости.
Подходит для: поиск корейских предложений по смыслу · сравнение семантического сходства корейских фраз · поиск дубликатов корейских текстов
Дообученная модель X-Codec на базе HuBERT для извлечения признаков общего аудио и работы с кодированием на разных битрейтах.
Подходит для: извлечение признаков из общего аудио · кодирование аудиосигнала на низком битрейте · сравнение аудиокодирования при разных битрейтах
Модель на основе RoBERTa-large создаёт векторные представления предложений для оценки их семантического сходства и извлечения признаков.
Подходит для: сравнение семантической близости предложений · поиск похожих фраз в коллекции текстов · семантический поиск по предложениям
Мультиязычная модель Longformer на весах XLM-RoBERTa для извлечения признаков из длинных текстов и последующего дообучения.
Подходит для: извлечение признаков из длинных документов · получение представлений мультиязычных текстов · подготовка текстовых признаков для классификатора