# 自然語言生成

基於Gemma 3 27B的創意寫作模型，由27B IT和27B PT各50%比例混合而成，擅長自然流暢的文本表達

基於soob3123/amoral-gemma3-12B的視覺增強版本，結合了Gemma3-12B大語言模型與視覺編碼器，支持多模態任務

基於Meta-Llama-3.1架構的量化優化模型，支持多語言，適用於商業和研究場景，在減少資源需求的同時保持高性能。

基於Qwen2-VL-7B-Instruct的指令調優版本，專注於生成更詳細的圖像描述，優化用於文本到圖像數據集創建。

基於FLUX1-dev開發的LoRa微調模型，專為生成柔和粉彩風格的漫畫封面而設計

InternVideo2-Chat-8B是一個結合大型語言模型(LLM)和視頻BLIP的視頻理解模型，通過漸進式學習方案構建，能夠進行視頻語義理解和人機交互。

該模型是基於BLIP架構的圖像描述生成模型，專門針對場景高層描述進行了微調。

UniChart是一個用於圖表理解和推理的預訓練模型，能夠處理圖表中的文本、數據和視覺元素，並以自然語言生成輸出。

LaMini-T5-61M是基於T5-small架構，在LaMini-instruction數據集上微調的指令跟隨模型，參數規模為61M。

LaMini-T5-738M是基於t5-large在LaMini-instruction數據集上微調而成的指令微調模型，參數量為738M，屬於LaMini-LM系列模型之一。

LaMini-Flan-T5-783M是基於google/flan-t5-large在LaMini-instruction數據集上微調的指令跟隨模型，參數量為783M，屬於LaMini-LM系列之一。

LaMini-GPT-1.5B是基於GPT-2-xl架構微調的大型語言模型，屬於LaMini-LM系列，專注於指令跟隨任務

LaMini-Flan-T5-248M是基於google/flan-t5-base在LaMini-instruction數據集上微調的248M參數模型，屬於LaMini-LM系列，專為響應自然語言指令設計。

BLOOMZ-P3是基於BLOOM預訓練模型的多語言指令微調模型，能夠理解和執行數十種語言的人類指令。

MVP是一個基於Transformer架構的多任務監督預訓練模型，專為自然語言生成任務設計。

基於T5-small架構的關鍵詞生成文本模型，可將輸入關鍵詞轉換為連貫句子

這是一個基於T5-base架構的釋義模型，在PAWS、MSRP和Opinosis數據集上進行了微調，主要用於文本釋義和改寫任務。

一個基於T5的模型，能夠將輸入的關鍵詞轉換為連貫的句子。

基於T5的模型，能夠將輸入的關鍵詞轉換為完整的句子。

基於GPT2架構的無監督風格轉換模型，通過複述生成實現文本風格轉換

擅長處理自然語言轉換任務的中文版T5-large模型