pytorch

FRCRN语音降噪模型介绍 我们日常可能会碰到一些录音质量不佳的场景。比如，想录制一段干净的语音却发现周围都很吵，录制的语音里往往混杂着噪声。当我们在噪杂的地铁或者巴士上通电话，为了让对方听清楚，不得

Sambert-Hifigan模型介绍 模型体验及训练教程详见:Sambert-Hifigan模型训练教程 框架描述 拼接法和参数法是两种Text-To-Speech(TTS)技术路线。近年来参数TT

Highlights UniASR粤语简体语音识别模型，可对近场、低噪、正常语速、朗读形式的粤语简体音频进行语音识别： ASR模型：UniASR模型，粤语简体语音识别模型。 ITN模型：粤语简体IT

Qwen-VL ? ?  ｜ Qwen-VL-Chat ? ?  (Int4: ? ? ) ｜ Qwen-VL-Plus ? ?  ｜

StructBERT零样本分类模型介绍 模型详细介绍及实现原理可参考评测文章：世界那么大，我想去看看——探索ModelScope之零样本分类 Yin等人[1]提出了一种使用预训练的自然语言推理模型来实

人像修复介绍 输入一张包含人像的图像，算法会对图像中的每一个检测到的人像做修复和增强，对图像中的非人像区域采用RealESRNet做两倍的超分辨率，最终返回修复后的完整图像。 模型描述 GPEN将预训

Sambert-Hifigan模型介绍 模型体验及训练教程详见:Sambert-Hifigan模型训练教程 框架描述 拼接法和参数法是两种Text-To-Speech(TTS)技术路线。近年来参数TT

实时香烟检测-通用 模型介绍 本模型为高性能热门应用系列检测模型中的 实时香烟检测模型，基于面向工业落地的高性能检测框架DAMOYOLO，其精度和速度超越当前经典的YOLO系列方法。用户使用的时候，

Image Quality Assessment for UGC 模型描述 基于resnet的一个简单基线，可以有效评估图像的无参考画质，达到SOTA性能。其网络结构如下图所示： i

读光文字识别 News 2023年6月： 新增轻量化端侧识别LightweightEdge-通用场景模型和轻量化端侧行检测模型。 2023年4月： 新增训练/微调时读取本地数据集的lmdb，用训练/

News 2023年1月: 优化了finetune流程，支持参数更新、自定义数据及脚本分布式训练等，见finetune示例。 2022年12月: 支持了batch inference，具体见本页快速

Highlights Paraformer-large长音频模型集成VAD、ASR、标点与时间戳功能，可直接对时长为数小时音频进行识别，并输出带标点文字与时间戳： ASR模型：Paraformer-

FAQ问答任务介绍 FAQ问答是智能对话系统(特别是垂直领域对话系统)的核心业务场景，业务专家基于经验或数据挖掘的结果，将用户会频繁问到的业务知识以Q&A的形式维护起来，称之为知识库， 当用户使用对话

Paraformer-large模型介绍 Highlights 热词版本：Paraformer-large热词版模型支持热词定制功能，基于提供的热词列表进行激励增强，提升热词的召回率和准确率。 长音

StructBERT中文情感分类模型介绍 情感分类任务，通常为输入一段句子或一段话，返回该段话正向/负向的情感极性，在用户评价，观点抽取，意图识别中往往起到重要作用。StructBERT中文情感分类模

基于混合图层的高清人像美肤模型 论文 ｜ github 人像美肤模型可用于对图像中的人体皮肤进行处理，实现匀肤（处理痘印、肤色不均等）、去瑕疵（脂肪粒、斑点、痣等）以及美白等功能。模型仅对裸露的皮肤进

15点人体关键点检测模型 输入一张人物图像，实现端到端的人体关键点检测，输出图像中所有人体的15点人体关键点坐标、点位置信度和人体检测框，点位顺序如下图所示。 15点人体关键点 模型描述 该任务采用

人像修复介绍 输入一张包含人像的图像，算法会对图像中的每一个检测到的人像做修复和增强，对图像中的非人像区域采用RealESRNet做两倍的超分辨率，最终返回修复后的完整图像。 模型描述 GPEN将预训

resnet18-human-detection模型介绍 给定一张输入图像，输出图像中人体的坐标。 期望模型使用方式与适用范围 本模型适用范围较广，覆盖室内外、监控、单人多人等大部分场景。 如何使用

StructBERT中文文本相似度模型介绍 StructBERT中文文本相似度模型是在structbert-base-chinese预训练模型的基础上，用atec、bqcorpus、chineseST