# ONNX格式

Qwen3-1.7B 是阿里雲推出的1.7B參數規模的開源大語言模型，基於Transformer架構，支持多種自然語言處理任務。

NVIDIA FastConformer-Hybrid Large 是一個基於 FastConformer 架構的俄語自動語音識別模型，支持 CTC 和 RNN-T 解碼器。

用於檢測圖像是否包含不適宜工作場所（NSFW）內容的模型，支持網頁端部署

基於ONNX格式的輕量級零樣本目標檢測模型，兼容Transformers.js，適用於瀏覽器端部署。

IBM Granite系列的時間序列預測模型，基於PatchTST架構，適用於多種時間序列預測任務。

一個基於ONNX格式的輕量級人像分割模型，專門優化用於橫向圖像中的人物與背景分離。

Hiera是一種高效的視覺Transformer模型，專為圖像分類任務設計，具有較小的參數量和高效的計算性能。

TimeSformer-HR 是一個基於視頻的動作識別模型，專門針對高分辨率視頻進行了優化，並在 Kinetics-600 數據集上進行了微調。

TimeSformer是一種基於Transformer的視頻理解模型，專門針對時序動作識別任務進行了優化。

TimeSformer 是一個基於 Transformer 架構的視頻理解模型，專門用於處理視頻分類任務。

TimeSformer 是一個基於 Transformer 的視頻理解模型，專門針對 Kinetics-400 數據集進行了微調。

Whisper是一個通用的語音識別模型，由OpenAI訓練。該模型基於大規模弱監督訓練，支持多種語言的語音轉錄。

Whisper是一個自動語音識別(ASR)系統，由OpenAI訓練，支持多語言語音轉錄。

這是MoritzLaurer/roberta-base-zeroshot-v2.0-c模型的ONNX格式轉換版本，適用於零樣本分類任務。

基於GAN的4倍超分辨率圖像放大模型，兼容Transformers.js

基於 YOLOv9 (GELAN-C) 架構的目標檢測模型，專為 Transformers.js 優化的 ONNX 版本

這是 gyr66/bert-base-chinese-finetuned-ner 模型的 ONNX 格式轉換版本，用於中文命名實體識別任務。

基於Transformers.js的深度估計模型ONNX版本，適用於網頁端應用

基於Transformers.js的深度估計模型，適配ONNX權重版本，用於從圖像中預測深度信息。

基於ONNX格式的小型深度估計模型，適配Transformers.js框架，適用於網頁端深度圖預測

中文CLIP模型，基於Vision Transformer架構，支持圖像與文本的跨模態理解與生成。

這是 fmops/distilbert-prompt-injection 模型的 ONNX 格式轉換版本，用於檢測提示注入攻擊。

OWL-ViT是一個基於視覺Transformer的零樣本目標檢測模型，能夠在不進行微調的情況下檢測新類別的物體。

這是dslim/bert-base-NER模型的ONNX格式版本，用於命名實體識別任務，能夠識別四種實體類型：地點、組織、人物和雜項。

Intel開發的混合深度估計模型，結合了卷積神經網絡和Transformer架構的優勢

輕量級的Swin2SR圖像超分辨率模型，可將圖像分辨率提升2倍

基於Swin2SR架構的經典圖像超分辨率模型，可將圖像分辨率提升2倍

基於Transformer架構的手寫文本識別模型，可將手寫圖像轉換為文本

基於Transformer的小型手寫文本識別模型，適配網頁端使用

TrOCR是基於Transformer的OCR模型，專門用於識別印刷體文本。

TrOCR-small-printed 是一個小型的光學字符識別（OCR）模型，專門用於識別印刷體文本。

基於sentence-transformers的德語文本嵌入模型，可將文本映射到1024維向量空間，專為提升德語小樣本文本分類效果設計

DistilBART-CNN-12-6是BART模型的蒸餾版本，專為文本摘要任務優化，體積更小但保持較高性能。

YOLOS-small 是一個基於 Transformer 架構的小型目標檢測模型，專為高效視覺任務設計。

YOLOS-tiny 是一個輕量級的目標檢測模型，基於Transformer架構，適用於即時目標檢測任務。

基於DeBERTa架構的自然語言推理(NLI)模型，適用於零樣本分類任務，已轉換為ONNX格式以兼容Transformers.js

基於DeBERTa-v3的小型自然語言推理模型，適用於零樣本分類任務

TinyStories-1M-ONNX 是一個基於 ONNX 格式的小型語言模型，適用於文本生成任務。

E5-small-v2 是一個高效的文本嵌入模型，適用於多種自然語言處理任務。

基於wav2vec2架構的音頻分類模型，適用於關鍵詞檢測任務