# 多シーン適合

本プロジェクトはDobby-Mini-Unhinged-Plus-Llama-3.1-8Bの量子化バージョンを提供し、知識を誰もが利用できるようにすることを目的としています。

画像内容をテキスト情報に変換することに特化したモデルで、幅広い応用価値があります。

YOLOv11を微調整したナンバープレート検出モデルで、ナンバープレート認識タスクに最適化され、複数のモデルバリエーションをサポートします。

D-FINEは強力なリアルタイム目標検出モデルで、DETRモデルのバウンディングボックス回帰タスクを再定義することで、優れた位置決め精度を実現します。

TRELLIS Text XLは、テキスト条件付きの大型3D生成モデルで、入力されたテキストに基づいて対応する3Dコンテンツを生成できます。

TRELLIS Text Largeは、構造化3D潜在空間に基づいて、拡張可能で多様な3Dコンテンツ生成を実現する大型のテキストから3D生成モデルです。

画像テキストからテキストへの変換をサポートする高効率生成モデルで、様々なアプリケーションシーンに適用可能です。

Stable Diffusionは潜在的なテキストから画像への拡散モデルで、任意のテキスト入力に基づいてリアルな画像を生成できます。

add-detail-xlはSDXL用の細部調整モデルで、重みを調整することで画像の細部を増減させ、画像生成により多くの柔軟性をもたらします。

Gemma-2b-itモデルのGGUF量子化バージョンで、ローカル推論に適し、テキスト生成タスクをサポートします。

このプロジェクトの情報が不足しているため、具体的な紹介を提供できません。

アイスランド語の自動音声認識タスク用に微調整された音響モデルで、967時間のアイスランド語データを使って訓練されました。

これはsentence-transformersに基づくモデルで、文章や段落を768次元の密ベクトル空間にマッピングし、文章類似度計算や意味的検索などのタスクに使用できます。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングし、文の類似度計算、クラスタリング、意味的検索などのタスクに使用できます。

これはsentence - transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、文の類似度計算や意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これは任意のネットワークテキストのタイプを予測することを目的としたシンプルなモデルで、標準的なプロセスに統合してテキスト分類を行うことができます。

これはsentence-transformersに基づく文章埋め込みモデルで、テキストを768次元のベクトル表現に変換でき、意味検索やテキスト類似度計算などのタスクに適しています。

これはsentence-transformersに基づく韓国語文の埋め込みモデルで、文や段落を768次元の密ベクトル空間にマッピングすることができます。

これはfacebook/wav2vec2 - xls - r - 300mモデルを汎用音声データセットで微調整したトルコ語音声認識モデルです。

facebook/wav2vec2-xls-r-1bをグルジア語データセットでファインチューニングした自動音声認識モデル

flozi00/wav2vec - xlsr - germanをベースに微調整されたドイツ語音声認識モデル

facebook/wav2vec2-large-xlsr-53モデルをベースに微調整されたイタリア語自動音声認識モデルで、Common Voice 6.1データセットで訓練されました。

EmoEventコーパスを用いて訓練された英語の感情分析モデルで、BerTweetアーキテクチャを採用しています。

このモデルは、Facebookのwav2vec2 - xls - r - 300mをCommon Voiceガリシア語(gl)データセットでファインチューニングした音声認識モデルで、テストセットで20.8%の単語誤り率(WER)を達成しました。

facebook/wav2vec2-xls-r-300mをベースに、スウェーデン語データセットで微調整した自動音声認識モデル

facebook/wav2vec2-xls-r-300mをベースに、スロバキア語音声データセットで微調整した自動音声認識モデル

これはfacebook/wav2vec2-xls-r-300mモデルをベースに、スロベニア語(Common Voice 8.0)データセットで微調整した自動音声認識(ASR)モデルで、言語モデル(LM)を組み合わせることで認識精度が向上しています。

これはCORAAポルトガル語データセットを基に微調整されたWav2vec 2.0モデルで、ポルトガル語音声認識タスクに使用されます。

DistilBERTアーキテクチャに基づく軽量級スペイン語事前学習言語モデルで、さまざまな自然言語処理タスクに適しています。

これはfacebook/wav2vec2-xls-r-300mをベースに、スロベニア語(Common Voice 8.0)データセットで微調整された自動音声認識(ASR)モデルです。

これはfacebook/wav2vec2 - xls - r - 300mをベースに、日本語Common Voice 8.0データセットで微調整された自動音声認識(ASR)モデルで、日本語の音声を文字に変換する機能をサポートしています。

このモデルは、facebook/wav2vec2 - xls - r - 300mをベースに、MOZILLA - FOUNDATION/COMMON_VOICE_7_0 - DEデータセットで微調整されたドイツ語自動音声認識モデルです。

Facebookのwav2vec2 - xls - r - 300mモデルをサンタリ語(Ol Chiki)音声データセットで微調整した自動音声認識(ASR)モデル

このモデルは、facebook/wav2vec2-xls-r-300mをベースに、カザフ語(KK)のデータセットで微調整された自動音声認識(ASR)モデルで、言語モデル(LM)の強化をサポートしています。

これはFacebookのwav2vec2 - xls - r - 300mモデルをヒンディー語のCommon Voice 8.0データセットで微調整した自動音声認識(ASR)モデルです。