AIbase
ZH
模型选型
标签
大规模数据集

# 大规模数据集

Instantid FaceID 70K
基于FaceID-6M数据集训练的人脸ID定制模型，支持根据文本描述生成定制化人脸图像。
图像生成
I
Super-shuhe
17
1
Vit Base Patch32 Clip 224.metaclip 400m
基于MetaCLIP-400M数据集训练的视觉语言模型，支持零样本图像分类任务
图像分类
V
timm
2,406
0
Openclip Resnet50 CC12M
MIT
基于ResNet50架构和CC12M数据集训练的OpenCLIP模型，支持零样本图像分类任务。
图像分类
O
thaottn
13.67k
0
Languagebind Video V1.5 FT
MIT
LanguageBind是一种以语言为中心的多模态预训练方法，通过语言作为不同模态之间的纽带，实现多模态语义对齐。
多模态对齐 Transformers
L
LanguageBind
853
5
Languagebind Video FT
MIT
LanguageBind是一种以语言为中心的多模态预训练方法，通过语言作为不同模态之间的纽带，实现视频、红外、深度、音频等多种模态的语义对齐。
多模态对齐 Transformers
L
LanguageBind
22.97k
4
Eva02 Large Patch14 Clip 336.merged2b S6b B61k
MIT
EVA02是一个基于CLIP架构的大规模视觉-语言模型，支持零样本图像分类任务。
文本生成图像
E
timm
15.78k
0
Wavlm Base Plus
WavLM是由微软开发的大规模自监督预训练语音模型，基于16kHz采样的语音音频进行预训练，适用于多种语音处理任务。
语音识别 Transformers 英语
W
microsoft
673.32k
31
Vit Base Patch16 224 In21k
Apache-2.0
基于ImageNet-21k数据集预训练的视觉Transformer模型，用于图像分类任务。
图像分类
V
google
2.2M
323
Wav2vec2 Gpt2 Wandb Grid Search
基于LibriSpeech数据集训练的自动语音识别(ASR)模型
语音识别 Transformers
W
sanchit-gandhi
13
0
All Datasets V3 Mpnet Base
Apache-2.0
基于MPNet架构的句子嵌入模型，可将文本映射到768维向量空间，适用于语义搜索和句子相似度计算
文本嵌入 英语
A
flax-sentence-embeddings
3,472
13
AIbase
智启未来，您的人工智能解决方案智库
English简体中文繁體中文にほんご
© 2025AIbase