モデル選定

エンドツーエンドOCR

# エンドツーエンドOCR

GOT-OCR2.0は多言語対応の汎用OCRモデルで、エンドツーエンドアーキテクチャにより先進的なテキスト認識能力を実現しています。

画像生成テキスト

Transformers その他

TexTellerはViTアーキテクチャに基づくエンドツーエンドの数式認識モデルで、自然画像中の数学式を認識しLaTeX形式の数式に変換できます。

Donut Base Japanese Visual Novel

このモデルはビジュアルノベル風画像の合成データセットでnaver-clova-ix/donut-baseを訓練した成果で、ビジュアルノベル内のテキストや選択肢を認識するために特化しています。

画像生成テキスト

Transformers 日本語

Donut Base Sroie Fine Tuned

naver-clova-ix/donut-baseモデルを画像フォルダデータセットで微調整したバージョンで、ドキュメント理解タスクに適しています。

おすすめAIモデル

Llama 3 Typhoon V1.5x 8b Instruct

タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化

大規模言語モデル

Transformers 複数言語対応

Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。

対話システム

Transformers 英語

Roberta Base Chinese Extractive Qa

RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。

質問応答システム中国語

AIbase

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご

© 2025AIbase