Highlights 新增基于ModelScope的微调 FunASR开源项目介绍 FunASR希望在语音识别的学术研究和工业应用之间架起一座桥梁。通过发布工业级语音识别模型的训练和微调，研究人员

基于RoBERTa的中文Base预训练模型介绍（文档更新中） RoBERTa的中文Base预训练模型是使用广泛的中文数据和masked language model任务训练的中文自然语言理解预训练模型

RANER介绍 模型描述 该模型是基于检索增强(RaNer)方法在土耳其语数据集MultiCoNER-TR-Turkish训练的模型。 本方法采用Transformer-CRF模型，使用XLM-RoB

RANER介绍 模型描述 该模型是基于检索增强(RaNer)方法在荷兰语数据集MultiCoNER-NL-Dutch训练的模型。 本方法采用Transformer-CRF模型，使用XLM-RoBERT

RANER介绍 模型描述 该模型是基于检索增强(RaNer)方法在韩语数据集MultiCoNER-KO-Korean训练的模型。 本方法采用Transformer-CRF模型，使用XLM-RoBERT

RANER介绍 模型描述 该模型是基于检索增强(RaNer)方法在印地语数据集MultiCoNER-HI-Hindi训练的模型。 本方法采用Transformer-CRF模型，使用XLM-RoBERT

RANER介绍 模型描述 该模型是基于检索增强(RaNer)方法在波斯语数据集MultiCoNER-FA-Farsi训练的模型。 本方法采用Transformer-CRF模型，使用XLM-RoBERT

RANER介绍 模型描述 该模型是基于检索增强(RaNer)方法在西班牙语数据集MultiCoNER-ES-Spanish训练的模型。 本方法采用Transformer-CRF模型，使用XLM-RoB

Segformer-B2语义分割模型介绍 其它相关模型体验Mask2Former-R50全景分割 模型描述 Neurips2021文章SegFormer: Simple and Efficient

RANER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-Roberta-Large作为预训练模型底座，结合使用外部工具召回的相关句子作为额外上下文，使用Multi-view

RANER介绍 模型描述 本方法采用Transformer-CRF模型，使用xlm-roberta-large作为预训练模型底座，结合使用外部工具召回的相关句子作为额外上下文，使用Multi-view

RANER介绍 模型描述 本方法采用Transformer-CRF模型，使用xlm-roberta-large作为预训练模型底座，结合使用外部工具召回的相关句子作为额外上下文，使用Multi-view

1、概要：日常数据库、服务器维护 2、故障的排查, 解决, 并生成故障处理经验文档 3、各种linux软件/服务的安装测试使用（现有服务器环境分析） 4、运维脚本编写

客户需要移动应用程序的UI设计，该应用程序用于控制特定区域中的网络设备。 我设计了以机器智能表示的机器人图形作为主题，并以简单的样式设计了用户界面。

一个专门管理店铺的优惠和活动的小程序平台，可以直接参与活动和报名等，店员可以查看自己的业绩和绩效考核等，直接微信登录授权后，可以搜索或者查看自己感兴趣的门店，或者自己最近的门店，查看是否有什么活动正在进行，可以选择参与活动或者报名，个人中心可以管理所有的活动情况，店员可以在个人中心，查看有多少人是通过你的分享来参与的，以及有多少人实际在店铺进行了实体消费，店员还可以核销活动二维码

标准化O2O互联网家装APP， 一个为装修业主所开发的一款APP。 用户可以收藏自己喜欢的案例，可以预约自己喜欢风格的设计，可以看到当前自己房子的装修进度。 1.后端系统，api接口开发 2.前端h5开发 3.Android 使用嵌套webview的方式来进行开发， 交互使用webviewJavaScriptBridge. Ios的话，在app store。Android 的话在应用宝或者360手机助手可以下载到。

BRIA Background Removal v1.4 Model Card RMBG v1.4 is our state-of-the-art background removal model,

基于ERes2Net-Large和聚类的说话人日志系统 输入一段多人对话的音频，本模型可以自动的识别音频中的对话人数，并且对其进行区分，适合用于客服对话、会议讨论、采访等场景，该系统配合语音识别可进一

Regularized DINO 自监督说话人识别模型 RDINO模型是基于时延神经网络构建的自监督说话人模型，可用于说话人确认、说话人日志等任务。 模型结构简述 Regularized DINO使用

Highlights 英文会议对话场景，端到端说话人日志模型，解决 "who spoke when" ICASSP 2023，在 Callhome 数据集上获得 SOTA 结果。 支持功能： 给定若