Von — англоязычная модель классификации и оценки, которая за один проход выбирает или ранжирует заданные варианты без генерации текста.

Подходит для: маршрутизация обращений в службу поддержки · классификация намерений клиента · проверка запросов на соответствие политике или критериям

Визуальный ViT-B из семейства DINOv3 от Meta AI извлекает плотные признаки изображений для классификации, поиска и других задач компьютерного зрения.

Подходит для: извлечение признаков и эмбеддингов изображений · классификация изображений с линейным классификатором или k-NN · поиск похожих изображений

ViViT — видеомодель с 113,2 млн параметров для классификации действий в роликах и дообучения на другие задачи видеоанализа.

Подходит для: распознавание действий в видеороликах · классификация видео по категориям Kinetics-400 · дообучение классификатора для пользовательских категорий видео

Компактная визуальная модель Meta AI на архитектуре ConvNeXt-Tiny, извлекающая признаки изображений для поиска, классификации и других задач компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по визуальному сходству · классификация изображений с k-NN или линейным классификатором

ViT-S+ из семейства DINOv3 от Meta AI извлекает универсальные признаки изображений для классификации, поиска и других задач компьютерного зрения.

Подходит для: Извлечение признаков изображения для обучения линейного классификатора · Поиск похожих изображений по визуальным признакам · Классификация изображений с помощью k-NN или логистической регрессии

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

OmniVinci — мультимодальная модель NVIDIA на базе VILA для анализа изображений, видео и аудио, а также извлечения признаков.

Подходит для: извлечение признаков из мультимодальных данных · ответы на вопросы по изображениям · понимание видео со звуковой дорожкой

Vinci Bozza 1.0 — англоязычная диалоговая модель SimpleDirect на базе Qwen3.5-9B, дообученная для более честного и сдержанного поведения.

Подходит для: диалоги и ответы на английском языке · получение более сдержанных и честных ответов от языковой модели · локальный запуск открытой чат-модели

Многоязычная модель VinAI извлекает контекстные представления фонем для улучшения систем синтеза речи.

Подходит для: кодирование фонем для нейросетевого синтеза речи · улучшение естественности и просодии синтезированной речи · поддержка обучения TTS на ограниченных данных

Исследовательские заметки о задаче визуальных вопросов и ответов и планировании её оценки на VQAv2, GQA и OK-VQA.

Подходит для: Изучение постановки задачи визуальных вопросов и ответов · Подготовка сравнения VQA-моделей на сопоставимых базовых подходах · Планирование оценки на VQAv2

Компактная модель Vicuna на 137,8 млн параметров для генерации текста и использования как черновой модели в экспериментах со спекулятивным декодированием.

Подходит для: черновая генерация токенов для спекулятивного декодирования · эксперименты с ускорением генерации больших языковых моделей · генерация текста на английском языке

Мультимодальная система inclusionAI для потокового аудиовизуального диалога с речевыми ответами, обработкой перебиваний и взаимодействием в реальном времени.

Подходит для: потоковый голосовой диалог с одновременным прослушиванием и ответом · ответы на вопросы по видео и звуковой дорожке · проактивное оповещение о событиях в аудиовидеопотоке

VINCIE — диффузионная модель ByteDance-Seed для контекстного и многошагового редактирования изображений по тексту и предыдущим изображениям.

Подходит для: редактирование изображения с учётом текстовой инструкции и предыдущих правок · создание серии связанных изображений по контексту · композиция нескольких визуальных концепций в одном изображении

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

Небольшая чат-модель SimpleDirect на базе Qwen3.5-4B для локального диалога и помощи с акцентом на последовательный характер и честные ответы.

Подходит для: повседневный диалог и ответы на вопросы на английском · подготовка черновиков и текстовая помощь при локальном запуске · создание чат-помощника с заданным характером и осторожными ответами

Визуальная модель Apple с 2,7 млрд параметров для извлечения признаков изображений и задач визуального понимания.

Подходит для: извлечение признаков из изображений · подготовка визуальных представлений для поиска по изображениям · распознавание объектов и категорий

VieNeu-TTS-0.3B — компактная вьетнамская модель синтеза речи с клонированием голоса по короткому аудиообразцу.

Подходит для: синтез вьетнамской речи из текста · озвучивание текста в локальных приложениях · клонирование голоса по образцу аудио длительностью 3–5 секунд

Модель компьютерного зрения Apple для извлечения признаков из изображений и использования в последующих задачах визуального анализа.

Подходит для: извлечение признаков изображения для поиска похожих изображений · подготовка визуальных эмбеддингов для мультимодальных систем · получение признаков изображений для последующей классификации

Дообученная модель T5 на базе VietAI/vit5-large с неописанными в карточке целями и сценариями применения.

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

Производная модели vincentvin/review-visual-question-answering. Исследовательские заметки о задаче визуальных вопросов и ответов и планировании её оценки на VQAv2, GQA и OK-VQA.

Подходит для: Изучение постановки задачи визуальных вопросов и ответов · Подготовка сравнения VQA-моделей на сопоставимых базовых подходах · Планирование оценки на VQAv2

Дообученная на неописанном наборе данных модель VietAI/vit5-large для генерации текста на вьетнамском языке с неуточнённым назначением.

Дообученная на базе VietAI/vit5-large модель T5 с 389,3 млн параметров, чья специализированная задача не описана.

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