# 多シーン適応

OuteTTSはトルコ語に特化したテキスト音声変換(TTS)モデルで、5億パラメータ規模を持ち、トルコ語テキストを自然な音声に変換できます。

Spark-TTSは、大規模言語モデル（LLM）の強力な能力を活用し、高精度で自然な音声合成を実現する先進的なテキスト読み上げシステムです。

BAAI/bge-large-zh-v1.5は中国語文変換モデルで、主に特徴抽出と文類似度計算に使用されます。

Light-R1-14B-DSは14Bパラメータ規模の量子化大規模言語モデルで、テキスト生成タスクをサポートし、リソースが限られた環境での効率的な推論に適しています。

Granite Vision 3.2 2B Abliterated は、画像テキストからテキストへの変換タスクに特化した視覚言語モデルです。

これはタイ語に最適化されたテキスト音声変換(TTS)モデルで、特に女性ポッドキャストスタイルの音声生成に適しています。

PGTFormerはPyTorchベースの画像間変換モデルで、PytorchModelHubMixinを通じてHugging Face Hubに統合されています。

Moondream2ベースのカスタム小型視覚モデル、画像説明生成タスク向けに微調整

これはPyTorchベースのテキスト分類モデルで、様々なテキスト分類タスクに適用できます。

このモデルは入力された画像を記述的なテキストに変換することができ、様々なシーンでの画像理解タスクに適用できます。

OpenAI Whisper-large-v3をファインチューニングしたロシア語音声認識モデルで、ロシア語認識性能を最適化

BuRPは多機能なロールプレイモデルで、ユーザーと高度にインタラクティブなやり取りが可能で、いかなるアクティブなリクエストも拒否せず、特定の対話フォーマットを厳格に遵守します。

MITライセンスに基づくオープンソースモデル。具体的な機能は実際のモデルによって異なります

これはWhisper-Large-V3フランス語モデルの蒸留バージョンで、デコーダー層数を減らすことで推論速度とメモリ使用量を最適化し、良好な性能を維持しています。

OrionStar Yi 34B Chat Llama は Yi 34B アーキテクチャに基づく大規模言語モデルで、中国語対話タスクに特化しています。

これは文や段落を密なベクトル空間にマッピングする文変換モデルで、クラスタリングや意味検索などのタスクに適しています。

このモデルはMITライセンスで公開されており、具体的な情報は提供されていません。

Stable Diffusionベースのテキストから画像を生成するモデルで、テキスト記述に基づき高品質な画像を生成可能です。

これは文を密ベクトル空間にマッピングする文変換モデルで、意味検索やクラスタリングタスクに適しています。

これはONNXベースの文変換モデルで、テキストを384次元ベクトル空間にマッピングし、意味検索やクラスタリングタスクに適しています。

これはApache-2.0ライセンスに基づく画像からテキストへの変換モデルで、画像の内容をテキスト記述に変換できます。

2D絵画スタイルに特化した安定拡散融合モデルで、VAEを含むバージョンと含まないバージョンの選択肢を提供

BEiTアーキテクチャに基づく事前学習済み画像分類モデルで、ベトナム語タグをサポートし、視覚タスクに適しています

様々な一般的な物体やシーンを識別できる画像分類用の視覚モデルです。

これはMITライセンスに基づく画像テキスト変換モデルで、画像の内容をテキスト説明に変換できます。

Stable Diffusionモデルのプロンプト生成用モデル

openai/whisper-large-v2をベースに、中国語(北京語)向けにCommon Voice 11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

YOLOv5n-cls-v7.0は、YOLOv5アーキテクチャに基づく軽量な画像分類モデルで、効率的な視覚タスク処理に適しています。

これは韓国語テキスト認識のためのコンセプト検証モデルで、TrOCRアーキテクチャに基づいて訓練され、画像から韓国語テキストを認識できます。

このモデルはMITライセンスで公開されており、詳細情報は追加が必要です。

Sentence-transformersフレームワークでトレーニングされた韓国語文類似度モデル、文間の意味的一貫性を測定するために使用

Icefallはk2フレームワークに基づく自動音声認識（ASR）ツールキットで、効率的で柔軟な音声認識モデルのトレーニングと推論に焦点を当てています。

このモデルはAFL-3.0ライセンスのもとでリリースされており、具体的な情報は現在利用できません。

facebook/wav2vec2-large-xlsr-53をファインチューニングしたロシア語音声認識モデル。Sberdevices Golosデータセットでトレーニングされ、16kHz音声入力をサポート

EfficientNetV2は、トレーニング速度とパラメータ効率を特に最適化した効率的な畳み込みニューラルネットワークアーキテクチャです。61チャンネル版はこのアーキテクチャのバリエーションです。

PyTorchで実装された画像分類モデルで、さまざまな一般的な物体カテゴリを認識可能

中国語RoBERTa-wwm-ext-baseモデルをベースに、複数の感情分析データセットでファインチューニングされたバージョン