Предварительно обученная модель Microsoft извлекает представления из английской речи для последующей настройки под распознавание и другие задачи обработки аудио.
Подходит для: извлечение признаков из английской речи для обучения downstream-моделей · подготовка аудиопредставлений для распознавания речи после дообучения · классификация речевых аудиозаписей после настройки
Компактная модель LMMs-Lab на основе Qwen2.5-1.5B для распознавания речи, понимания аудио и выполнения аудиоинструкций.
Подходит для: транскрибация английской речи · распознавание речи в длинных аудиозаписях до 15 минут · ответы на вопросы по содержанию аудиозаписи
Предварительно обученная англоязычная модель Microsoft для извлечения признаков речи и последующего дообучения под задачи обработки аудио.
Подходит для: извлечение признаков из речи для downstream-моделей · подготовка представлений аудио для классификации речи · дообучение модели для распознавания английской речи
Базовая англоязычная модель Microsoft для извлечения речевых признаков из аудио и последующей настройки под задачи обработки речи.
Подходит для: извлечение признаков из англоязычной речи · подготовка речевых представлений для дообучения ASR · дообучение на классификацию аудиозаписей
Мультимодальная модель на базе Qwen2 для диалога и генерации текстовых ответов по изображениям, нескольким изображениям и видео.
Подходит для: ответы на вопросы по изображению · описание содержимого фотографии · сравнение нескольких изображений
Черновая модель Liquid AI для speculative decoding, ускоряющая генерацию LiquidAI/LFM2.5-8B-A1B при использовании совместимого инференс-сервера.
Подходит для: ускорение генерации текста на LFM2.5-8B-A1B через speculative decoding · снижение задержки инференса в SGLang · ускорение генерации на Apple Silicon с Metal
Мультимодальная модель LMMS-Lab на базе Qwen2 для диалога, анализа видео и ответов на вопросы по видеокадрам.
Подходит для: ответы на вопросы о содержании видео · краткое описание сцены или видеоролика · определение событий и действий в видеокадрах
Компактная авторегрессионная модель семейства Llama для генерации текста, предварительно обученная на FineWeb.
Подходит для: эксперименты с компактными языковыми моделями · генерация коротких текстовых продолжений · изучение авторегрессионной архитектуры Llama
Компактная мультимодальная модель Hugging Face, которая отвечает на вопросы о видео и изображениях и описывает их по текстовым запросам.
Подходит для: ответы на вопросы по содержанию видео · создание кратких описаний и пересказов видео · описание изображений по текстовому запросу
Компактная модель семейства LLaMA для генерации текста, представленная как тестовый вариант.
Подходит для: проверка запуска генерации текста через Transformers · эксперименты с небольшими причинными языковыми моделями · тестирование интеграции с сервером текстовой генерации
Мультимодальная модель Glint Lab на 8B для диалоговых ответов и визуального понимания изображений по текстовым запросам.
Подходит для: ответы на вопросы по изображению · описание содержимого изображения · визуальный диалог с пользователем
Мультимодальная модель на базе Qwen3-8B для диалоговых ответов по изображениям, нескольким изображениям и видео.
Подходит для: ответы на вопросы по содержимому изображения · сравнение нескольких изображений в диалоге · описание сцен и объектов на изображениях
onnx: формат, квантизация, runtime и память принадлежат одному artifact
Модель Microsoft на основе WavLM формирует голосовые эмбеддинги для проверки личности говорящего по аудио с частотой 16 кГц.
Подходит для: сравнение голосов для проверки личности говорящего · верификация пользователя по голосу · извлечение голосовых эмбеддингов из речевых записей
Предварительно дообученная на монолингвистических данных языковая модель LLaMA-2 на 13 млрд параметров, служащая основой для дальнейшей настройки ALMA.
Подходит для: Продолжение текста на основе контекста · Эксперименты с промежуточным этапом обучения ALMA · Дальнейшая настройка языковой модели с помощью LoRA-адаптера
Мультимодальная модель LLaVA-OneVision на базе Qwen2 для диалога и ответов на вопросы об изображениях и видео.
Подходит для: ответы на вопросы по изображению · описание содержимого изображения · сравнение нескольких изображений
LongVA-7B — чат-модель на базе Qwen2 для анализа длинных видео и последовательностей кадров с генерацией текстовых ответов.
Подходит для: ответы на вопросы по длинным видео · анализ последовательности видеокадров · поиск событий и деталей в длинном видеоконтенте
Мультимодальная модель LlavaQwen на 7,1 млрд параметров для диалога и анализа длинных видео и последовательностей кадров.
Подходит для: ответы на вопросы о содержании длинного видео · анализ последовательности до 2000 видеокадров · описание событий в видео по кадрам
LLaVA-NeXT-8B — мультимодальный чат-бот для диалога по изображениям и ответов на визуальные вопросы.
Подходит для: ответы на вопросы о содержимом изображения · описание изображений в диалоге · анализ визуальных данных по текстовой инструкции
Компактная авторегрессионная модель семейства LLaMA для генерации текста и языковых задач, созданная прореживанием и продолжением предобучения Llama 2 7B.
Подходит для: генерация продолжения текста · языковое моделирование · ответы на вопросы по тексту
Англоязычная чат-модель LLaMA 3 на 7,5 млрд параметров, экстраполированная методом ExPO для улучшения соответствия ответов человеческим предпочтениям.
Подходит для: генерация ответов в диалоговом чате · ответы на вопросы на английском языке · создание инструктивных текстовых ответов
Мультимодальная модель на базе Qwen2 для диалогов и ответов по изображениям, нескольким изображениям и видео.
Подходит для: ответы на вопросы о содержимом изображения · описание и анализ нескольких изображений в одном запросе · понимание видеосцен и ответы по видео
Amber — открытая англоязычная модель LLaMA на 6,6 млрд параметров для генерации текста и изучения обучения LLM.
Подходит для: генерация продолжения английского текста · создание черновиков и простых текстовых ответов на английском · эксперименты с контрольными точками языковой модели
Мультимодальная модель Glint Lab для диалогов и ответов на вопросы по изображениям.
Подходит для: описание содержимого изображений · ответы на вопросы по изображению · анализ диаграмм и графиков