AIbase
TW
模型選型
標籤
跨模態轉換

# 跨模態轉換

Wan2.1 T2V 14B FusionX VACE GGUF
Apache-2.0
這是一個文本到視頻量化模型，基於特定基礎模型進行量化轉換，支持多種視頻生成任務。
文本生成視頻 英語
W
QuantStack
461
3
Magma 8B GGUF
MIT
Magma-8B是一個基於GGUF格式的圖像文本到文本轉換模型，適用於多模態任務處理。
圖像生成文本
M
Mungert
545
1
Hicode R1 Distill Gemma 12B Q8.GGUF
Apache-2.0
一個基於Apache-2.0許可的圖像文本轉文本模型，能夠從圖像中提取文本信息並轉換為可編輯的文本格式。
圖像生成文本
H
tonyli8623
24
1
X2I
Apache-2.0
X2I是一個多模態擴散Transformer模型，能夠將多種輸入模態（文本、圖像、視頻、音頻、語音）轉換為圖像輸出。
文本生成圖像 其他
X
OPPOer
435
7
Chitrarth
其他
Chitrarth是一個多語言視覺語言模型，旨在連接視覺與語言，特別關注印度多種語言的支持。
圖像生成文本 支持多種語言
C
krutrim-ai-labs
410
11
Image Captioning Vit Gpt2 Flick8k
Apache-2.0
該模型能夠將輸入的圖像轉換為描述性文本，適用於多種場景下的圖像理解任務。
圖像生成文本 Transformers
I
pltnhan311
18
0
Best Model ViTB16 GPT2
基於視覺變換器(ViT)和GPT-2的跨模態模型，能夠為輸入圖像生成自然語言描述
圖像生成文本 Transformers 支持多種語言
B
evlinzxxx
15
0
Git Base Minecraft
MIT
這是一個基於視覺的圖像轉文本模型，能夠生成圖像描述。
圖像生成 Transformers 支持多種語言
G
orzhan
22
0
Seamless M4t V2 Large
SeamlessM4T v2 是 Facebook 發佈的大規模多語言多模態機器翻譯模型，支持近100種語言的語音和文本翻譯。
文本生成音頻 Transformers 支持多種語言
S
facebook
64.59k
821
Pix2struct Tiny Random
MIT
這是一個基於MIT許可證的圖像轉文本模型，能夠將圖像內容轉換為描述性文本。
圖像生成文本 Transformers
P
fxmarty
60.87k
2
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase