AIbase
TW
模型選型
標籤
大規模數據集

# 大規模數據集

Instantid FaceID 70K
基於FaceID-6M數據集訓練的人臉ID定製模型，支持根據文本描述生成定製化人臉圖像。
圖像生成
I
Super-shuhe
17
1
Vit Base Patch32 Clip 224.metaclip 400m
基於MetaCLIP-400M數據集訓練的視覺語言模型，支持零樣本圖像分類任務
圖像分類
V
timm
2,406
0
Openclip Resnet50 CC12M
MIT
基於ResNet50架構和CC12M數據集訓練的OpenCLIP模型，支持零樣本圖像分類任務。
圖像分類
O
thaottn
13.67k
0
Languagebind Video V1.5 FT
MIT
LanguageBind是一種以語言為中心的多模態預訓練方法，通過語言作為不同模態之間的紐帶，實現多模態語義對齊。
多模態對齊 Transformers
L
LanguageBind
853
5
Languagebind Video FT
MIT
LanguageBind是一種以語言為中心的多模態預訓練方法，通過語言作為不同模態之間的紐帶，實現視頻、紅外、深度、音頻等多種模態的語義對齊。
多模態對齊 Transformers
L
LanguageBind
22.97k
4
Eva02 Large Patch14 Clip 336.merged2b S6b B61k
MIT
EVA02是一個基於CLIP架構的大規模視覺-語言模型，支持零樣本圖像分類任務。
文本生成圖像
E
timm
15.78k
0
Wav2vec2 Gpt2 Wandb Grid Search
基於LibriSpeech數據集訓練的自動語音識別(ASR)模型
語音識別 Transformers
W
sanchit-gandhi
13
0
Wavlm Base Plus
WavLM是由微軟開發的大規模自監督預訓練語音模型，基於16kHz採樣的語音音頻進行預訓練，適用於多種語音處理任務。
語音識別 Transformers 英語
W
microsoft
673.32k
31
Vit Base Patch16 224 In21k
Apache-2.0
基於ImageNet-21k數據集預訓練的視覺Transformer模型，用於圖像分類任務。
圖像分類
V
google
2.2M
323
All Datasets V3 Mpnet Base
Apache-2.0
基於MPNet架構的句子嵌入模型，可將文本映射到768維向量空間，適用於語義搜索和句子相似度計算
文本嵌入 英語
A
flax-sentence-embeddings
3,472
13
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