# ONNX形式

Qwen3-1.7Bは、Alibaba Cloudが提供する1.7Bパラメータ規模のオープンソース大規模言語モデルで、Transformerアーキテクチャに基づき、様々な自然言語処理タスクをサポートします。

NVIDIA FastConformer-Hybrid Large は、FastConformer アーキテクチャに基づくロシア語自動音声認識モデルで、CTC と RNN-T デコーダーをサポートしています。

職場に不適切（NSFW）なコンテンツを含む画像を検出するモデルで、ウェブデプロイをサポート

ONNX形式の軽量ゼロショット物体検出モデルで、Transformers.jsと互換性があり、ブラウザサイド展開に適しています。

IBM Graniteシリーズの時系列予測モデルで、PatchTSTアーキテクチャに基づき、様々な時系列予測タスクに適用可能です。

横向き画像に特化して最適化された、ONNX形式の軽量ポートレート分割モデルです。

TimeSformer-HRは、高解像度ビデオに最適化され、Kinetics-600データセットでファインチューニングされたビデオ行動認識モデルです。

TimeSformerはTransformerベースのビデオ理解モデルで、時系列行動認識タスクに最適化されています。

WhisperはOpenAIが訓練した汎用音声認識モデルです。大規模な弱教師あり学習に基づいており、複数言語の音声転写をサポートします。

WhisperはOpenAIが訓練した自動音声認識(ASR)システムで、多言語音声の文字起こしをサポートしています。

これはMoritzLaurer/roberta-base-zeroshot-v2.0-cモデルのONNX形式変換バージョンで、ゼロショット分類タスクに適しています。

GANベースの4倍超解像画像拡大モデル、Transformers.js互換

Transformers.jsベースの深度推定モデルONNX版、ウェブアプリケーション向け

Transformers.jsベースの深度推定モデルで、ONNX重みバージョンに適合し、画像から深度情報を予測します。

ONNX形式の小型深度推定モデル、Transformers.jsフレームワークに適応し、ウェブ端末での深度マップ予測に適しています

OWL-ViTは、視覚Transformerベースのゼロショット物体検出モデルで、微調整なしで新しいカテゴリの物体を検出できます。

Intelが開発したハイブリッド深度推定モデルで、畳み込みニューラルネットワークとTransformerアーキテクチャの利点を組み合わせている

Swin2SRアーキテクチャに基づく古典的な画像超解像度モデルで、画像解像度を2倍に向上させることができます

Transformerアーキテクチャに基づく手書きテキスト認識モデルで、手書き画像をテキストに変換できます

TrOCRはTransformerベースのOCRモデルで、印刷テキストの認識に特化しています。

sentence-transformersベースのドイツ語テキスト埋め込みモデルで、テキストを1024次元ベクトル空間にマッピングし、ドイツ語の少数サンプルテキスト分類効果向上のために設計

DistilBART-CNN-12-6はBARTモデルの蒸留版で、テキスト要約タスクに最適化されており、サイズが小さいながらも高い性能を維持しています。

YOLOS-small は Transformer アーキテクチャに基づく小型の物体検出モデルで、効率的な視覚タスク向けに設計されています。

DeBERTaアーキテクチャに基づく自然言語推論(NLI)モデルで、ゼロショット分類タスクに適しており、Transformers.js互換のONNX形式に変換済み

DeBERTa-v3ベースの小型自然言語推論モデル、ゼロショット分類タスクに適応

TinyStories-1M-ONNXはONNX形式の小型言語モデルで、テキスト生成タスクに適しています。

E5-small-v2 は、さまざまな自然言語処理タスクに適した効率的なテキスト埋め込みモデルです。

wav2vec2アーキテクチャに基づくオーディオ分類モデルで、キーワード検出タスクに適しています。

Facebookのwav2vec2-base-960hモデルをONNX形式に変換したバージョンで、Transformers.js向けに設計されており、ブラウザ上での音声認識をサポート

MMS-LID-4017 は4017言語をサポートする音声認識モデルで、Facebookによって開発され、言語識別タスクに特化しています。

MMS-LID-126 は Facebook がリリースした多言語音声認識モデルで、126言語の識別をサポートしています。

AudioSetデータセットでファインチューニングされたオーディオスペクトログラムトランスフォーマー（AST）モデル、オーディオ分類タスク用

Whisper MediumはOpenAIが開発した中規模の音声認識モデルで、多言語の自動音声認識（ASR）タスクをサポートしています。

Transformerアーキテクチャに基づくエンドツーエンドの物体検出モデル、ResNet-101特徴抽出器を組み合わせ

Whisper SmallはOpenAIが開発した小型の自動音声認識（ASR）モデルで、音声をテキストに変換できます。

WhisperはOpenAIが訓練した自動音声認識(ASR)システムで、多言語の音声テキスト変換タスクをサポートします。

BARTアーキテクチャに基づく大規模テキスト要約モデルで、CNN/DailyMailデータセットに最適化されています

OpenAI Whisper-tiny.en モデルの ONNX 重みバージョン、Transformers.js 用に設計され、英語音声転写に使用されます。