Дообученная для вьетнамских документов модель PaddleOCR-VL распознаёт текст и структуру на изображениях страниц.

Подходит для: распознавание печатных документов на вьетнамском языке · извлечение текста со сфотографированных страниц · оцифровка архивных документов и учебников

Модель wav2vec2 для автоматического распознавания вьетнамской речи и преобразования аудио в текст.

Подходит для: транскрибация записей вьетнамской речи · распознавание вьетнамской речи в аудиозаписях с частотой 16 кГц · создание субтитров к вьетнамским видео

ViTMatte — модель на базе Vision Transformer для выделения переднего плана и оценки альфа-матта на изображениях.

Подходит для: отделение объекта от фона на фотографии · создание альфа-масок для композитинга · подготовка масок переднего плана для редактирования изображений

Мультимодальная VLA-модель NVIDIA для рассуждений о дорожной обстановке и прогнозирования траектории автомобиля в сценариях автономного вождения.

Подходит для: прогнозирование траектории автомобиля по данным камер и истории движения · объяснение решений системы автономного вождения · ответы на вопросы о дорожной сцене

PhoBERT-base — вьетнамская RoBERTa-модель для предсказания замаскированных токенов и адаптации к задачам обработки вьетнамского языка.

Подходит для: восстановление замаскированных слов во вьетнамском тексте · дообучение для разметки частей речи на вьетнамском языке · дообучение для распознавания именованных сущностей на вьетнамском языке

Акустическая модель Wav2Vec 2.0 для преобразования коротких записей вьетнамской речи в текст.

Подходит для: распознавание вьетнамской речи в коротких аудиозаписях · транскрибация записей с частотой дискретизации 16 кГц · создание акустической части системы ASR для вьетнамского языка

Модифицированная версия MiMo-V2.6-Distill-Qwen-9B с изменением поведения отказов, предназначенная для диалоговых экспериментов и мультимодальных сценариев.

Подходит для: эксперименты с уменьшением фраз отказа в ответах чат-модели · диалоговое взаимодействие с моделью семейства Qwen · исследование влияния модификации весов на поведение модели

Компактная ONNX-модель для быстрого синтеза вьетнамской речи на слабых CPU и периферийных устройствах.

Подходит для: локальный синтез вьетнамской речи на Android · озвучивание текста на слабом CPU или ARM-плате · быстрая генерация речевых подсказок на устройстве

PhoBERT-base-v2 — вьетнамский RoBERTa-энкодер для заполнения пропусков и адаптации к задачам обработки вьетнамского языка.

Подходит для: заполнение скрытых слов во вьетнамском тексте · дообучение для распознавания именованных сущностей на вьетнамском · дообучение для разметки частей речи во вьетнамском

Самоконтролируемая wav2vec2-модель, предварительно обученная на вьетнамской речи и предназначенная как акустическая основа для распознавания речи.

Подходит для: распознавание вьетнамской речи в аудиозаписях · адаптация акустической модели для вьетнамского ASR · транскрибирование вьетнамских разговоров

ViT — модель для классификации изображений и извлечения признаков, обученная на ImageNet-21k.

Подходит для: классификация объектов на изображениях · извлечение признаков изображения для последующей обработки · получение эмбеддингов изображений

Монолингвальная модель XLM-RoBERTa для заполнения пропусков и анализа вьетнамских текстов из социальных сетей.

Подходит для: заполнение пропущенных слов во вьетнамских публикациях · дообучение классификатора эмоций в комментариях · выявление языка вражды в сообщениях

Модель NVIDIA для восприятия дорожной обстановки, объяснения решений и предсказания действий и траекторий автономного автомобиля по изображениям, видео, тексту и истории движения.

Подходит для: предсказание траектории автономного автомобиля · ответы на вопросы по видео с дорожных камер · привязка объектов на изображениях к координатам

Предварительно обученный вьетнамский BERT от FPT.AI для получения контекстных представлений текста и адаптации к NLP-задачам.

Подходит для: дообучение для разметки последовательностей на вьетнамском языке · создание классификатора вьетнамских текстов · извлечение сущностей из вьетнамских документов

ViT-модель Alibaba MIIL для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · извлечение признаковых представлений изображений · использование визуального backbone в компьютерном зрении

PhoBERT-large — модель RoBERTa с 468,2 млн параметров для заполнения маски и решения задач обработки вьетнамского языка.

Подходит для: предсказание пропущенных слов во вьетнамском тексте · дообучение модели для распознавания именованных сущностей на вьетнамском · разметка частей речи во вьетнамском тексте после дообучения

Базовая мультимодальная модель Z.ai для исследований и дальнейшей разработки систем, работающих с изображениями и текстом.

Подходит для: исследование визуально-языковых моделей · разработка приложений для вопросов и ответов по изображениям · создание мультимодальных диалоговых систем

Компактная ONNX-модель G-Group AI Lab для распознавания вьетнамской речи, включая шумные записи колл-центров.

Подходит для: транскрибация вьетнамских телефонных разговоров · распознавание речи с северным, центральным и южным вьетнамскими акцентами · локальная расшифровка аудио на мобильном устройстве

GroupViT — vision-language модель для zero-shot семантической сегментации изображений по текстовым названиям категорий.

Подходит для: Сегментация объектов на изображении по категориям, заданным текстом · Поиск областей изображения, соответствующих произвольным словесным меткам · Исследование zero-shot сегментации без пиксельной разметки

Зрительная модель Meta AI на базе ViT-7B извлекает плотные признаки изображений для классификации, поиска, сегментации и других задач компьютерного зрения.

Подходит для: извлечение признаков для классификации изображений · поиск похожих изображений по эмбеддингам · сегментация изображений с линейным классификатором

Базовая предварительно обученная модель BARTpho для получения представлений вьетнамского текста и последующего решения задач обработки языка.

Подходит для: получение векторных представлений вьетнамских текстов · извлечение признаков для классификации вьетнамских документов · подготовка текстовых представлений для downstream-задач на вьетнамском языке

Дообученная 10B VLA-модель NVIDIA для интерпретации дорожной обстановки и прогнозирования действий автомобиля в системах автономного вождения.

Подходит для: анализ дорожных сцен для автономного вождения · прогнозирование траектории автомобиля по видеоклипам · оценка дорожной обстановки для планирования движения

Компактная модель Apple MobileViT-S классифицирует изображения по 1000 классам ImageNet и рассчитана на эффективное применение в компьютерном зрении.

Подходит для: классификация объектов на фотографиях · определение класса изображения из 1000 категорий ImageNet · классификация изображений на мобильном устройстве

Модель VietAI на базе T5 переводит текст между английским и вьетнамским языками.

Подходит для: перевод текста с английского на вьетнамский · перевод текста с вьетнамского на английский · локализация англоязычных материалов для вьетнамской аудитории