# 10億參數大模型

Sapiens是基於3億張1024×1024分辨率人體圖像預訓練的視覺Transformer模型，支持高分辨率推理和真實場景泛化。

Sapiens 是一個基於 3 億張 1024 x 1024 分辨率人類圖像預訓練的視覺變換器系列模型，專注於以人為中心的視覺任務。

這是一個基於XLS-R 10億參數模型微調的西班牙語自動語音識別模型，在多個西班牙語數據集上訓練並優化。