# 大模型微調

Shisa V2是由Shisa.AI訓練的雙語(日語/英語)通用聊天模型系列，基於Llama-3.3-70B-Instruct優化，專注於提升日語任務表現同時保持英語能力。

基於 Whisper Large v3 微調的波斯語自動語音識別模型，在 Common Voice 17 數據集上訓練，包含超過 250,000 個波斯語音頻樣本，顯著提升了識別準確性和魯棒性。

基於網頁文本內容（不使用URL信息）將網絡內容劃分為24個類別的分類模型

這是一個從ModernBERT-large微調的sentence-transformers模型，用於將句子和段落映射到1024維的密集向量空間，支持語義文本相似性、語義搜索等任務。

基於wav2vec 2.0 Large架構，在大型日語ASR語料庫ReazonSpeech v2.0上微調而成的日語自動語音識別模型

首個Qwen2.5 32B微調版本，旨在修復其過度審查炎症問題，支持多語言交互。

BMRetriever是一個70億參數的大語言模型，專門針對生物醫學文本檢索任務進行優化，能夠高效處理醫學和生物學領域的文獻檢索需求。

InternViT-6B-448px-V1-5是基於InternViT-6B-448px-V1-2微調的視覺基礎模型，具備強大的魯棒性、OCR能力及高分辨率處理能力。

InternViT-6B-448px-V1-2是一個視覺基礎模型，特徵骨幹，具有5540萬參數，支持448x448像素的圖像處理。

InternViT-6B-448px-V1-0是一個視覺基礎模型，專注於圖像特徵提取，支持448x448分辨率，增強了OCR能力和中文對話支持。

基於CodeLlama-34B-Python微調的大語言模型，在HumanEval上pass@1達69.5%，超越GPT-4表現

TrueTeacher是一個基於T5-11B架構的事實一致性評估模型，專門用於評估摘要中的事實一致性。

基於wav2vec2-large-xls-r-1b架構的弗里斯蘭語語音識別模型，專門針對老年用戶群體優化

由Replit開發的27億參數代碼生成模型，支持20種編程語言

基於openai/whisper-large-v2微調的法語語音識別模型，訓練數據包含超過2200小時的法語語音音頻

該模型是基於facebook/wav2vec2-xls-r-300m在common_voice土耳其語數據集上微調的語音識別模型，在評估集上取得了30.36%的詞錯誤率。

該模型是基於facebook/wav2vec2-xls-r-300m在common_voice_9_0數據集上微調的語音識別模型，支持葡萄牙語語音轉文本任務。

該模型是基於jonatasgrosman/wav2vec2-large-xlsr-53-english在ascend數據集上微調的語音識別模型。

基於Ksponspeech數據集微調的韓語語音識別模型，在Wav2vec2-large-xlsr-53基礎上優化

LongT5是基於T5擴展的長序列文本到文本Transformer模型，採用transient-global注意力機制，適用於處理長文本任務。

該模型是基於facebook/wav2vec2-xls-r-300m在common_voice數據集上微調的阿拉伯語語音識別模型，在評估集上取得了0.5078的詞錯誤率。

這是一個基於facebook/wav2vec2-large-xlsr-53模型在common_voice數據集上微調的波斯語語音識別模型。

基於facebook/wav2vec2-large-xlsr-53微調的語音識別模型，支持多語言語音轉文本任務

該模型是基於facebook/wav2vec2-xls-r-300m在common_voice數據集上微調的土耳其語語音識別模型

該模型是基於facebook/wav2vec2-xls-r-300m微調的版本，專門針對烏爾都語語音識別任務進行了優化。

該模型是基於wav2vec2-large-xls-r-300m-Urdu微調的語音處理模型，主要用於烏爾都語語音識別任務。

該模型是基於facebook/wav2vec2-xls-r-2b在common_voice數據集上微調的語音識別模型

這是一個基於Facebook的wav2vec2-xls-r-300m模型在通用語音數據集上微調的土耳其語語音識別模型。

該模型是基於facebook/wav2vec2-xls-r-300m在common_voice數據集上微調的語音識別模型，支持自動語音識別任務。

基於facebook/wav2vec2-large-xlsr-53大模型，通過CTC損失函數在荷蘭語口語語料庫上進行微調訓練的荷蘭語語音識別模型

一款荷蘭語Wav2Vec2模型，通過在荷蘭語音庫CGN上對原始英文模型進行持續預訓練和微調構建。

該模型是基於facebook/wav2vec2-xls-r-300m在通用語音數據集上微調的俄語語音識別模型，在評估集上取得了0.468的詞錯誤率。

該模型是基於facebook/wav2vec2-xls-r-300m在common_voice土耳其語數據集上微調的語音識別模型，在評估集上取得了0.3907的詞錯誤率。

基於facebook/wav2vec2-xls-r-300m在common_voice土耳其語數據集上微調的語音識別模型

基於facebook/wav2vec2-xls-r-300m在通用語音數據集上微調的語音識別模型

基於wav2vec2-large-xls-r-300m架構的烏爾都語語音識別模型，在common_voice數據集上微調

基於facebook/wav2vec2-xls-r-1b模型在希伯來語數據集上微調的自動語音識別模型

這是一個基於facebook/wav2vec2-large-xlsr-53模型在日語語音識別任務上微調的自動語音識別(ASR)模型。

基於facebook/wav2vec2-xls-r-300m在common_voice阿拉伯語數據集上微調的語音識別模型

這是一個基於facebook/wav2vec2-xls-r-300m模型在common_voice西班牙語數據集上微調的語音識別模型，在評估集上取得了21.17%的詞錯誤率。