# マルチシーン適応

Devstral-Small-2505の量子化バージョン、さまざまなハードウェア要件に対応するための複数の精度オプションを提供

TRELLIS画像条件バージョンは、画像から3Dコンテンツを生成できる大規模3D生成モデルです。

TRELLISは構造化3D潜在変数を用いて、スケーラブルで多機能な3Dコンテンツ生成を実現する大規模3D生成モデルです。

TRELLIS画像条件バージョンは、入力された2D画像に対応する3Dモデルを生成できる大規模3D生成モデルです。

DiTアーキテクチャを基にした初のリアルタイム高品質動画生成モデル。1216×704解像度の動画を30fpsで生成可能

andrewzhのAbsolute_Zero_Reasoner-Coder-7bモデルを基にしたLlamacpp量子化バージョンで、複数の量子化レベルをサポートし、推論やコード生成タスクに適しています。

Remnant-GLM4-32BはGLM4アーキテクチャに基づく32Bパラメータの大規模言語モデルで、ロールプレイングや対話型インタラクションをサポートし、特にイモリ関連のアプリケーションシナリオに適しています。

Stable Diffusion XLをベースにした高品質なリアリティック画像生成モデルで、テキスト記述からディテール豊富で写真レベルのリアルな画像を生成可能

これはドイツ語向けに最適化されたBertモデルで、品質分野のテキスト分類タスクに特化しています。

これは複数の高品質モデルを統合したハイブリッドモデルで、中国語テキスト生成と対話タスクに特化しています。

openai/whisper-smallをベースにベトナム語音声データ向けにファインチューニングした自動音声認識モデルで、ベトナム語の文字起こし精度と頑健性を向上

BRIA RMBG v2.0は、非商用用途に適した、あらゆるタイプの画像から前景と背景を効率的に分離するために設計された最先端の背景除去モデルです。

潜在ブリッジマッチング(LBM)技術に基づく画像深度推定モデル。潜在空間ブリッジにより高速な画像変換を実現

このモデルは論文『あなたのViTは実際には画像セグメンテーションモデル』に基づいて開発され、画像セグメンテーションタスクのための視覚Transformerモデルです。

Wan2.1 14B T2Vモデルを基に訓練されたLoRAで、高品質な犬の動画コンテンツ生成に特化しています。

VITSアーキテクチャに基づくタイ語女性音声のテキスト・トゥ・スピーチ(TTS)モデルで、高品質なタイ語音声合成をサポートします。

SkyReels-V1-Hunyuan-I2Vは、Tencent SkyworkAIによって開発されたテキストから動画を生成するモデルで、Hunyuanアーキテクチャに基づいており、テキスト入力から動画コンテンツを生成することができます。

阿里巴巴NLP/gte-Qwen2-1.5B-instructの量子化バージョンで、主に文の類似度計算とテキスト埋め込みタスクに使用されます。

Stable Diffusion 3.5アーキテクチャに基づくテキストから画像生成モデルで、高品質な画像生成と画像間変換をサポート

これはSpeechBrainフレームワークでトレーニングされたエンドツーエンドの自動音声認識システムで、Conformerアーキテクチャを使用して25,000時間の英語音声データでトレーニングされています。

ViTPoseは視覚Transformerベースの人体姿勢推定モデルで、シンプルな設計によりMS COCOキーポイント検出ベンチマークで81.1 APの優れた性能を達成しました。

ビジョントランスフォーマーを基盤とした人体姿勢推定モデルで、MS COCOキーポイントテストセットで81.1 APの優れた性能を達成

これはVITSアーキテクチャに基づくタイ語テキスト読み上げ(TTS)モデルで、男性の声に特化して微調整されています。

Llama3アーキテクチャを最適化した8Bパラメータの要約生成モデルで、複数の量子化バージョンを提供

Llama-3-70B-Instructをファインチューニングした大規模言語モデルで、クリエイティブテキスト生成とマルチタスク処理に特化

AIM-v2はtimmライブラリに基づく画像エンコーダーモ型で、画像特徴抽出タスクに適しています。

HieraDet画像エンコーダーに基づくSAM2モデルで、画像特徴抽出タスクに特化しています。

HieraDet画像エンコーダを基にしたSAM2モデルの重みで、画像特徴抽出タスクに特化

これはstabilityai/stable-diffusion-xl-base-1.0向けのLoRAアダプターウェイトで、LEO猫の画像生成に特化しています。

MoonshineベースモデルのONNX形式自動音声認識モデル、効率的な推論をサポート

LoRA技術を基にしたテキスト生成画像モデルで、特定のスタイルの自動車画像生成に特化

FLUX.1-dev基本モデルに基づくLoRA微調整モデルで、ジブリスタイルのアート画像生成に特化しています。

これはLoRAベースのテキストから画像への拡散モデルで、アニメ混合スタイルの画像生成に特化しています。モデルはまだトレーニング段階にあり、最終版ではありません。

これはエンドツーエンドの話者セグメンテーションモデルで、音声活動検出、オーバーラップ音声検出、リセグメンテーションタスクに使用されます。

Stable Diffusion XLをベースとしたテキストから画像を生成するモデルで、写真級リアリズムの画像生成に特化しています。

WavLM-Largeベースの音声感情認識モデルで、英語音声の感情分類をサポートします。

FLUX.1-devベースモデルをカスタマイズしたLoRAモデルで、ジェナ・オルテガの写実的なスタイルのポートレート生成に特化しています。

FLUX.1-devベースモデルをカスタマイズしたLoRAモデルで、エリザベス・オルセン（特にマーベルのスカーレットウィッチ）の高品質なフォトリアルな画像生成に特化

Pathumma Whisper Large V3 はOpenAI Whisperアーキテクチャに基づくタイ語自動音声認識モデルで、タイ語と英語の音声文字起こしタスクをサポートします。

Lotusは拡散モデルに基づく視覚基盤モデルで、高品質な密集予測タスクに特化しています。