F5-TTS — модель для синтеза речи по тексту, доступная в нескольких вариантах чекпойнтов.

Подходит для: озвучивание текстов · создание речевых дорожек для видео · генерация голосовых сообщений

E2-TTS — модель синтеза речи из текста с поддержкой zero-shot сценария.

Подходит для: синтез речи по тексту · zero-shot озвучивание текста · создание голосового аудио для приложений

Компактная модель Swin Transformer v2 для классификации изображений по классам ImageNet-1k.

Подходит для: классификация изображений по 1000 классам ImageNet · определение объектов и сцен на фотографиях · извлечение визуальных признаков для адаптации к задачам распознавания

Иерархический Swin Transformer с 87,9 млн параметров для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение визуальных эмбеддингов изображений

Компактная модель Swin Transformer для классификации изображений ImageNet-1k, извлечения визуальных признаков и эмбеддингов.

Подходит для: классификация объектов на изображении · извлечение карт визуальных признаков · получение эмбеддингов изображений

Swin-S-модель извлекает эмбеддинги изображений животных для их повторной идентификации и сопоставления.

Подходит для: сопоставление фотографий одного животного · поиск повторных снимков особи в фотоловушках · извлечение признаков животных для последующей идентификации

Компактная модель Swin Transformer V2 для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: Классификация объектов на изображениях · Определение категории изображения по набору ImageNet-1k · Извлечение карт признаков из изображения

Swin Transformer Small классифицирует изображения и может служить backbone для извлечения признаков и эмбеддингов.

Подходит для: классификация изображений по классам ImageNet · извлечение карт признаков из изображений · получение визуальных эмбеддингов для поиска похожих изображений

Swin Tiny классифицирует изображения и может служить визуальным backbone для извлечения признаков и эмбеддингов.

Подходит для: классификация изображений по категориям ImageNet · распознавание объектов и сцен на изображениях · извлечение карт признаков для компьютерного зрения

SwiftFormer-XS — компактная модель MBZUAI для классификации изображений, использующая эффективный механизм внимания для мобильного компьютерного зрения.

Подходит для: классификация изображений ImageNet-1K · распознавание объектов на мобильных устройствах · быстрая классификация изображений при ограниченных вычислительных ресурсах

SwinV2 Small — модель компьютерного зрения для классификации изображений ImageNet-1k, извлечения признаков и эмбеддингов.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений для поиска и сравнения

Swin Transformer V2 Base — модель компьютерного зрения для классификации изображений, извлечения признаков и получения эмбеддингов.

Подходит для: классификация изображений по категориям · извлечение карт признаков из изображений · получение эмбеддингов изображений

SwinV2 Large — визуальная модель для классификации изображений и извлечения признаков, предварительно обученная на ImageNet-22k и дообученная на ImageNet-1k.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение векторных представлений изображений

Визуальная модель Swin Transformer, предварительно обученная на ImageNet-22k для классификации изображений и извлечения признаков.

Подходит для: классификация изображений по категориям · извлечение карт признаков из изображений · получение эмбеддингов изображений для поиска и кластеризации

Модель Swin Transformer V2 для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение карт визуальных признаков · получение эмбеддингов изображений

Swin Transformer Base — модель компьютерного зрения для классификации изображений по классам ImageNet-1k и использования в качестве основы для задач распознавания.

Подходит для: классификация изображений по 1000 классам ImageNet · распознавание объектов на изображениях общего назначения · использование визуального backbone в задачах плотного распознавания

Swin-Tiny — модель компьютерного зрения для классификации изображений по 1 000 классам ImageNet-1k.

Подходит для: Классификация фотографий по классам ImageNet-1k · Автоматическая категоризация изображений · Извлечение признаков изображений для компьютерного зрения

Swin Transformer V2 Base — модель компьютерного зрения для классификации изображений на классы ImageNet-1k.

Подходит для: классификация изображений по 1000 классам ImageNet · распознавание объектов на фотографиях · извлечение признаков изображений для компьютерного зрения

Swin Transformer v2 Base — модель Microsoft для классификации изображений по 1000 классам ImageNet.

Подходит для: Классификация изображений по классам ImageNet-1k · Определение основного объекта на фотографии · Извлечение визуальных признаков для последующей адаптации

Swin Transformer v2 Tiny — модель компьютерного зрения для классификации изображений по классам ImageNet-1k.

Подходит для: классификация изображений по 1000 классам ImageNet · распознавание объектов на изображениях общего назначения · использование визуального backbone для последующей адаптации к плотному распознаванию

Крупная модель Swin Transformer, предварительно обученная на ImageNet-22k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

SwinV2 Base — модель для классификации изображений ImageNet-1k, также пригодная для извлечения визуальных признаков и эмбеддингов.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение карт признаков из изображений · получение эмбеддингов изображений

Иерархический Swin Transformer с 196,5 млн параметров для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · распознавание категорий ImageNet · извлечение карт признаков для компьютерного зрения

Небольшая модель Swin Transformer для классификации изображений по классам ImageNet-1k.

Подходит для: классификация изображений по классам ImageNet-1k · определение объектов и сцен на изображениях · извлечение визуальных признаков для компьютерного зрения