# 多模態統一框架

Harmon是一種創新的統一多模態理解與生成框架，通過共享的MAR編碼器協調理解與生成的視覺表徵，在文本生成圖像和多模態理解任務中表現優異。

Janus-Pro是一種新穎的自迴歸框架，統一了多模態理解和生成任務，通過解耦視覺編碼增強靈活性。

Data2Vec-Vision是基於BEiT架構的自監督學習模型，在ImageNet-1k數據集上微調，適用於圖像分類任務。

Data2Vec-Vision是基於BEiT架構的自監督學習模型，在ImageNet-1k數據集上預訓練，適用於圖像分類任務。

Data2Vec是一個通用自監督學習框架，適用於語音、視覺和語言任務。該音頻大模型基於LibriSpeech的960小時語音數據預訓練和微調，專為自動語音識別任務優化。

Data2Vec是一個通用的自監督學習框架，適用於語音、自然語言處理和計算機視覺任務。該模型是基於Librispeech語音音頻進行100小時預訓練和微調的大模型。

Data2Vec是一個通用的自監督學習框架，適用於語音、視覺和語言任務。該音頻大模型基於Librispeech的10分鐘數據進行預訓練和微調，適用於16kHz採樣的語音音頻。

Data2Vec-Audio-Large是基於16kHz採樣語音音頻預訓練的大型模型，採用自監督學習框架，適用於語音識別等任務。

Data2Vec是一個通用的自監督學習框架，適用於語音、視覺和語言任務。該音頻基礎模型基於Librispeech語音音頻進行了100小時的預訓練和微調。

採用data2vec目標對英語語言進行預訓練的通用自監督學習框架，通過統一方法處理不同模態任務