pytorch: формат, квантизация, runtime и память принадлежат одному artifact

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

VITA-1.5 — мультимодальная диалоговая модель для взаимодействия с видео и речевыми данными в реальном времени.

Подходит для: ответы на вопросы по видео · диалог по визуальным данным · анализ видеосцен в ходе общения

Слитая модель Mistral с 7,1 млрд параметров для генерации текста по запросу.

Подходит для: генерация текста по пользовательскому запросу · создание черновиков и продолжение текста · ответы на текстовые запросы

Дообученная Wav2Vec2-модель для классификации аудио, связанная по названию со стихами «Ганапати Атхарваширша».

Подходит для: Классификация аудиозаписей по тематическим классам · Экспериментальная классификация аудио с речью или декламацией

Модель Sentence-Transformers на базе MiniLM преобразует предложения и абзацы в векторы для семантического поиска, сравнения и кластеризации текстов.

Подходит для: семантический поиск по коллекции документов · поиск ответов по текстовым фрагментам · сравнение сходства двух предложений

Компактная модель VITS озвучивает подготовленный текст на Asante Twi голосом рассказчика, читающего Писание.

Подходит для: озвучивание текстов на Asante Twi в учебных материалах · создание некоммерческих демонстраций синтеза речи для языка Asante Twi · озвучивание простых материалов для инструментов доступности

Производная модели Wan-AI/Wan2.1-T2V-1.3B. Wan2.1-T2V-1.3B — диффузионная модель для генерации коротких видео по текстовым запросам, рассчитанная на запуск на потребительских GPU.

Подходит для: создание короткого видеоролика по текстовому описанию · визуализация творческой идеи в формате видео · подготовка видеозаготовок для творческих проектов

Англоязычная модель BERT для классификации эмоций в тексте.

Подходит для: определение эмоций в коротких сообщениях · анализ эмоционального окраса отзывов · сортировка пользовательских комментариев по эмоциональным классам

Модель wav2vec2, дообученная на Common Voice 13.0 для распознавания речи на асанте-тви.

Подходит для: транскрибация записей на асанте-тви · распознавание речи из аудио на асанте-тви · подготовка текстовых транскриптов для корпуса Common Voice

MLX-конверсия видеоэнкодера V-JEPA 2 ViT-g для извлечения признаков видео на Apple Silicon и использования в TRIBE v2.

Подходит для: извлечение признаков из видеоклипов на Mac с Apple Silicon · получение векторных представлений видео для последующей классификации · подготовка визуальных признаков для модели кодирования активности мозга TRIBE v2

Дообученная wav2vec 2.0 модель для распознавания речи на асанте-тви и преобразования аудио в текст.

Подходит для: транскрибация записей на асанте-тви · распознавание речи из датасета Common Voice · создание текстовых расшифровок аудиозаписей на асанте-тви

Дообученная версия VietAI/vit5-large с 389,3 млн параметров, для которой карточка не уточняет целевую задачу.

Производная модели Wan-AI/Wan2.1-T2V-1.3B. Wan2.1-T2V-1.3B — диффузионная модель для генерации коротких видео по текстовым запросам, рассчитанная на запуск на потребительских GPU.

Подходит для: создание короткого видеоролика по текстовому описанию · визуализация творческой идеи в формате видео · подготовка видеозаготовок для творческих проектов

Дообученная версия VietAI/vit5-large на архитектуре T5 для генерации текста, назначение которой в карточке не уточнено.

Дообученная Wav2Vec2-модель для преобразования речи на телугу в текст.

Подходит для: расшифровка записей речи на телугу · создание субтитров для аудио и видео на телугу · распознавание команд для голосового помощника на телугу