Англоязычная модель Wav2Vec2 Large преобразует речь в текст и подходит для транскрибации аудиозаписей.
Подходит для: транскрибация аудиокниг на английском · распознавание английской диктовки · расшифровка телефонных разговоров на английском
Alchemy3D редактирует существующие 3D-объекты по изображению-образцу, сохраняя их идентичность и структуру.
Подходит для: добавление элемента в существующую 3D-модель по изображению · удаление части 3D-объекта · замена элемента или детали объекта
Дообученная на чистой части LibriSpeech модель WavLM-Large для распознавания речи и транскрибации аудио в текст.
Подходит для: транскрибация чистых англоязычных аудиозаписей · распознавание речи из аудиокниг и чтения вслух · оценка качества распознавания на задачах LibriSpeech
Англоязычная CTC-модель Microsoft для транскрибирования речи, дообученная на 100 часах LibriSpeech.
Подходит для: транскрибирование английских аудиокниг · распознавание английской речи в аудиозаписях · получение текстовой расшифровки речи с частотой 16 кГц
SepFormer от SpeechBrain разделяет монофоническую запись с двумя говорящими на отдельные речевые аудиосигналы.
Подходит для: разделение речи двух одновременно говорящих людей · выделение отдельных голосов из смешанной записи · подготовка речевых дорожек для последующей транскрибации
Модель WavLM, дообученная на чистой части LibriSpeech, преобразует аудиозаписи речи в текст.
Подходит для: транскрибирование аудиокниг и чтения вслух · распознавание речи в записях на английском языке · преобразование аудиозаписей в текст для последующего поиска
ConvTasNet Joris Cosentino разделяет аудиосмесь двух голосов на отдельные речевые дорожки.
Подходит для: разделение записи двух одновременно говорящих людей · выделение отдельных голосов из чистой речевой смеси · подготовка речевых дорожек для дальнейшей обработки
Модель DCCRN-CL очищает речь в аудиозаписях, обучаясь выделять один речевой источник из смеси на данных Libri1Mix.
Подходит для: очистка речи от фонового шума · улучшение разборчивости голосовых записей · предварительная обработка аудио перед распознаванием речи
PtVId — дообученная на PtBrVId модель BERT-Large для классификации текстов на бразильском португальском языке.
Подходит для: Классификация бразильских португалоязычных текстов по меткам PtBrVId · Автоматическая разметка текстовых последовательностей на португальском · Классификация текстов через библиотеку Transformers
SepFormer разделяет запись с тремя говорящими на отдельные речевые сигналы и обучен на Libri3Mix.
Подходит для: разделение перекрывающейся речи трёх собеседников · извлечение отдельных голосов из смешанной записи · подготовка речевых дорожек для последующей расшифровки
Дообученная модель Longformer классифицирует тексты для выявления вредоносного содержания, включая длинные последовательности до 4098 токенов.
Подходит для: классификация текста как вредоносного или безопасного · проверка длинных документов на вредоносное содержание · предварительная фильтрация текстов для последующей модерации
ConvTasNet, обученная на шумных смесях Libri2Mix для разделения речи на отдельные аудиосигналы.
Подходит для: разделение нескольких голосов в шумной записи · выделение речевых дорожек из аудиомикса · очистка смешанной речи от фонового шума
Дообученная BERT-модель для распознавания именованных сущностей в португальских текстах.
Подходит для: извлечение именованных сущностей из португальских документов · разметка персон, организаций и других сущностей в тексте · подготовка португальских текстов для последующего поиска и анализа
ConvTasNet, дообученная на Libri1Mix для улучшения одноканальной речи в аудиозаписях.
Подходит для: улучшение разборчивости речи в аудиозаписях · подавление шумов в одноканальной речи · очистка речевых сигналов перед распознаванием речи
ConvTasNet, обученная на Libri3Mix, разделяет смешанную речь нескольких говорящих на отдельные аудиосигналы.
Подходит для: разделение голосов нескольких говорящих в аудиозаписи · подготовка отдельных речевых дорожек из смешанной записи · эксперименты с разделением речи на Libri3Mix
Англоязычная HuBERT-модель для преобразования речи в текст, дообученная на LibriSpeech ASR.
Подходит для: расшифровка английских аудиокниг · транскрибация записей английской речи · получение текстовой расшифровки аудиофайлов для последующей обработки
Модель ConvTasNet разделяет аудиозапись с двумя говорящими на отдельные речевые сигналы и рассчитана на данные с частотой 8 кГц.
Подходит для: разделение речи двух собеседников в смешанной записи · выделение одного говорящего из записи с двумя голосами · подготовка отдельных речевых дорожек для анализа аудио
Чат-модель на базе Qwen2.5-3B-Instruct для генерации китайских стихов в стиле Ли Бо.
Подходит для: создание классических китайских стихов в стиле Ли Бо · генерация текстов в формах гуши, юэфу, люйши и цзюэцзюй · создание китайских стихов на заданную тему
Дообученная модель Longformer для классификации длинных текстов.
Подходит для: Классификация длинных документов · Присвоение категорий текстовым последовательностям · Оценка текста по заданным классам
SepFormer от SpeechBrain разделяет аудиозапись на дорожки четырёх говорящих и рассчитан на одноканальный звук с частотой 48 кГц.
Подходит для: разделение записи с четырьмя одновременно говорящими · извлечение отдельных голосов из смешанной речи · разделение многоголосой аудиозаписи для последующей обработки
ConvTasNet разделяет смесь речи трёх говорящих на отдельные аудиодорожки и рассчитана на звук с частотой 8 кГц.
Подходит для: разделение записи с тремя одновременно говорящими людьми · выделение отдельных голосов из смешанной речи · предварительная обработка многоголосых аудиозаписей
Модель на базе XLM-RoBERTa для семантической разметки ролей в англоязычном тексте.
Подходит для: выделение предикатов и их аргументов в предложениях · определение семантических ролей участников событий · анализ структуры событий в англоязычных документах
ConvTasNet разделяет зашумлённый аудиомикс с тремя говорящими на отдельные речевые источники.
Подходит для: разделение речи трёх говорящих в зашумлённой записи · извлечение отдельных речевых дорожек из смешанного аудио · разделение аудио Libri3Mix с частотой 16 кГц
Дообученный чекпойнт Wav2Vec2 для извлечения речевых представлений и исследования связи аудио с синтаксисом.
Подходит для: извлечение признаков из речевых сигналов · анализ акустических представлений речи · исследование связи речи и синтаксиса