# 視頻字幕生成
DAM 3B Video
Other
DAM-3B-Video是一個30億參數的視覺語言模型,能夠根據用戶指定的圖像/視頻區域生成精細化局部描述。
圖像生成文本 English
D
nvidia
426
42
Whisper Large V3 Turbo Turkish
MIT
基於openai/whisper-large-v3-turbo在Common Voice 17.0數據集上微調的土耳其語語音識別模型
語音識別
Transformers Other

W
selimc
289
6
Timesformer Bert Video Captioning
基於Timesformer和BERT架構的視頻字幕生成模型,能夠為視頻內容生成描述性字幕。
視頻生成文本
Transformers

T
AlexZigma
83
3
Git Base Vatex
MIT
GIT是一個基於Transformer的生成式圖像到文本轉換模型,基礎版本在VATEX數據集上進行了微調,適用於圖像和視頻字幕生成等任務。
圖像生成文本
Transformers Supports Multiple Languages

G
microsoft
752
4
Featured Recommended AI Models
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers Supports Multiple Languages

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers English

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 Chinese
R
uer
2,694
98