Мультимодальная модель на базе Qwen2.5-VL для решения математических и логических задач по изображениям и тексту.
Подходит для: решение математических задач по фотографиям и скриншотам · ответы на вопросы по графикам и диаграммам · визуальный разбор геометрических задач
Многоязычная модель wav2vec2 для преобразования речи в текст на более чем тысяче языков.
Подходит для: транскрибация аудиозаписей на малоресурсных языках · распознавание речи для многоязычных приложений · создание текстовых расшифровок устных высказываний
Дообученная wav2vec2-модель для распознавания азербайджанской речи и её преобразования в текст.
Подходит для: транскрибация азербайджанской речи · создание субтитров для азербайджанских аудиозаписей · распознавание азербайджанской речи в записях, похожих на Common Voice
Дообученная мультимодальная Qwen2.5-VL-7B для решения визуальных задач на рассуждение, включая математику по изображениям.
Подходит для: решение математических задач по изображениям · ответы на вопросы по диаграммам и визуальным материалам · проверка визуальных рассуждений в мультимодальных приложениях
Компактная модель MM Grounding DINO обнаруживает объекты на изображениях по текстовым запросам и поддерживает zero-shot-обнаружение.
Подходит для: поиск объектов на изображении по текстовым названиям · обнаружение объектов с открытым набором классов · разметка изображений рамками объектов
Мультиязычная предобученная модель Wav2Vec2 для дообучения под распознавание и другие задачи обработки речи.
Подходит для: дообучение для распознавания речи на редких языках · создание основы для классификации аудиоречи · дообучение для перевода речевых данных
Многоязычная модель Wav2Vec2 для распознавания речи и транскрибации аудио на 102 языках.
Подходит для: транскрибация аудиозаписей на разных языках · распознавание речи в многоязычных приложениях · создание субтитров по аудиозаписи
Мультиязычная модель wav2vec 2.0 с 1,3 млрд параметров для преобразования речи в текст на 1107 языках.
Подходит для: транскрибирование записей речи на редких языках · распознавание речи в аудиозаписях на нескольких языках · создание текстовых расшифровок интервью и выступлений
Мультимодальная модель Alibaba Cloud OpenSearch-AI для создания общих эмбеддингов текста, изображений, видео и визуальных документов с целью межмодального поиска.
Подходит для: поиск изображений по текстовому запросу · поиск текста и изображений в общем векторном индексе · поиск по содержимому страниц и визуальных документов
Модель Wav2Vec2, дообученная для распознавания и транскрибации речи на йоруба.
Подходит для: транскрибация аудиозаписей на йоруба · распознавание йоруба в голосовых сообщениях · подготовка текстовых расшифровок йоруба для субтитров
Мультимодальная модель Alibaba Cloud для кодирования текста, изображений, визуальных документов и видео в эмбеддинги для межмодального поиска.
Подходит для: поиск изображений по текстовому запросу · поиск текстовых описаний по изображению · поиск по содержимому визуальных документов
Дообученная wav2vec2-модель для преобразования татарской речи в текст.
Подходит для: распознавание татарской речи в аудиозаписях · транскрибирование татарских интервью и лекций · создание текстовых субтитров для татарской речи
Мультимодальная модель Salesforce для ответов на английском языке по одному или нескольким изображениям в диалоговом формате.
Подходит для: ответы на вопросы по изображению · описание содержимого изображения · сопоставление и анализ нескольких изображений
Мультимодальная инструктивная модель Salesforce на базе Phi-3 Mini для диалоговых ответов и анализа изображений.
Подходит для: ответы на вопросы по изображению · создание текстового описания изображения · диалоговое визуальное понимание сцен
Дообученная 1,6-миллиардная модель Qwen2 для генерации текста и диалогов с контекстом до 32 768 токенов.
Подходит для: генерация ответов в диалоге · создание текстовых черновиков · продолжение текста по заданному началу
MM Grounding DINO Tiny обнаруживает объекты на изображениях по текстовым запросам, включая классы, не заданные заранее.
Подходит для: поиск заданных текстом объектов на изображениях · обнаружение открытого набора классов без фиксированного списка меток · локализация объектов на фотографиях с выдачей рамок
Дообученная на NYAGEN - NYA модель wav2vec2 для преобразования речи в текст.
Подходит для: транскрибирование речи из аудиозаписей NYAGEN - NYA · автоматическое преобразование речи в текст · оценка качества распознавания речи по CER
Дообученная wav2vec2-модель для преобразования аудиозаписей сикхских религиозных чтений и киртана в текст.
Подходит для: транскрибирование Sehaj Paath · распознавание речи в записях киртана · преобразование аудиозаписей сикхских религиозных чтений в текст
Дообученная на facebook/mms-1b-all модель wav2vec2 для преобразования речи на лингала в текст.
Подходит для: транскрибирование записей на лингала · распознавание речи в голосовых сообщениях на лингала · создание текстовых расшифровок аудио на лингала
Модель находит объекты на изображениях по текстовым запросам, включая категории за пределами фиксированного набора классов.
Подходит для: поиск заданных объектов на фотографии по текстовому описанию · обнаружение объектов в изображениях без обучения под каждый новый класс · поиск предметов на изображениях из открытого словаря категорий
Дообученная wav2vec2-модель для распознавания пенджабской речи в аудиозаписях, включая религиозные выступления, аудиокниги и подкасты.
Подходит для: Расшифровка речи на пенджаби в аудиокнигах · Транскрибация киртана и религиозных лекций · Создание текстовых версий пенджабских подкастов
Дообученная на BIGC_MINI - BEM модель wav2vec2 для распознавания речи и преобразования аудио в текст.
Подходит для: транскрибация аудиозаписей · распознавание речи на данных, близких к BIGC_MINI - BEM · оценка качества распознавания речи по CER
Дообученная на наборе NYAGEN - NYA модель wav2vec2 для преобразования речи в текст.
Подходит для: распознавание речи в аудиозаписях из домена NYAGEN - NYA · транскрибирование речевых данных для оценки CER · автоматическое преобразование речи в текст
Дообученная на BIGC_MINI - BEM модель wav2vec2 для преобразования речи в текст.
Подходит для: расшифровка речи из аудиозаписей · автоматическая транскрибация аудио из домена BIGC_MINI - BEM · оценка качества распознавания речи по метрике CER