SepFormer от SpeechBrain разделяет смешанную речь на отдельные аудиопотоки и обучена на WSJ0-2Mix.
Подходит для: разделение двух голосов в смешанной записи · выделение речи одного собеседника из одновременного разговора · подготовка речевых дорожек для последующего распознавания
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
Компактная LLaMA-совместимая языковая модель для локальных агентных рабочих процессов, диагностики Linux и генерации кода.
Подходит для: диагностика проблем Linux-серверов · помощь в системном администрировании и настройке инфраструктуры · генерация скриптов Bash и Python для автоматизации
Мультимодальная модель на основе LLaVA для сегментации объектов на изображениях по текстовым инструкциям.
Подходит для: сегментация объекта на изображении по текстовому описанию · привязка текстового запроса к области изображения · эксперименты с инструкционной сегментацией изображений
Модель SpeechBrain SepFormer разделяет смешанную монофоническую запись речи на три источника.
Подходит для: разделение трёх голосов в смешанной записи · выделение отдельных говорящих из аудиосмеси · предварительная обработка аудио перед распознаванием речи
Корейская Llama-модель на 6,8 млрд параметров для генерации ответов с рассуждениями в многошаговых вычислительных задачах MuSR.
Подходит для: решение многошаговых вычислительных задач на корейском языке · генерация ответа с пояснением для задач по экономике и спорту · оценка корейских языковых моделей на задачах рассуждения MuSR
Вспомогательная DSpark-модель для спекулятивного декодирования с Kimi-K3, предназначенная для ускорения генерации текста.
Подходит для: ускорение генерации ответов с Kimi-K3 · ускорение генерации кода с Kimi-K3 · ускорение математических рассуждений с Kimi-K3
MAEST — модель AST для классификации музыкальных записей по стилям Discogs и извлечения представлений для задач анализа музыки.
Подходит для: классификация музыкального трека по стилю из таксономии Discogs · распознавание музыкального жанра · оценка эмоций в музыкальной записи
Дообученная версия Whisper Small для распознавания речи и преобразования аудио в текст.
Подходит для: транскрибирование речи из аудиозаписей · автоматическое получение текста из голосовых сообщений · распознавание речи в пользовательских аудиофайлах
Дообученная на базе Whisper small модель для автоматической транскрибации аудио в текст.
Подходит для: транскрибация аудиозаписей · распознавание речи из аудио · преобразование речи в текст
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Seed 1.6 — универсальная мультимодальная модель ByteDance для задач с длинным контекстом и адаптивным рассуждением.
Подходит для: ответы на вопросы по длинному контексту · анализ мультимодальных данных · решение задач с адаптивным рассуждением
Мультимодальная модель ByteDance Seed для программирования, понимания визуальной информации и многошаговых агентных задач.
Подходит для: сквозная разработка программного обеспечения · выполнение многошаговых задач агентом · программирование с анализом визуальной информации