pytorch

文本生成视频大模型-英文-通用领域 (Text-to-video-synthesis Model in Open Domain) 本模型基于多阶段文本到视频生成扩散模型, 输入描述文本，返回符合文本描

Highlights SenseVoice专注于高精度多语言语音识别、情感辨识和音频事件检测 多语言识别： 采用超过40万小时数据训练，支持超过50种语言，识别效果上优于Whisper模型。 富文本

图像上色介绍 输入一张黑白图片，全自动的输出相对应的彩色图片。 模型描述 DeOldify是图像上色领域比较有名的开源算法，模型利用resnet作为encoder构建一个unet结构的网络，并提出了多

ROM语义相关性-中文-电商领域模型介绍 文本检索是信息检索领域的核心问题, 其在很多信息检索、NLP下游任务中发挥着非常重要的作用。 近几年, BERT等大规模预训练语言模型的出现使得文本表示效果有

M2FP单人人体解析模型介绍 模型描述 M2FP（Mask2Former for Parsing，官方代码）基于 Mask2Former 架构，并进行了一些改进以适应人体解析。 M2FP 可以适应几乎

日常物体识别模型介绍 自建1300类常见物体标签体系，覆盖常见的日用品，动物，植物，家具，设备，食物等物体，标签从海量中文互联网社区语料进行提取，保留了出现频率较高的常见物体名称。模型结构采用最新的V

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09月: 上线Huge模型，欢迎试用。 OFA-图像描述(英

Sambert-Hifigan模型介绍 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TTS系统获得了广泛的应用，故此处仅涉及参数法。 参数TTS系统可分为两

OFA-视觉问答(英文) News 2023年2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11月： 新增OFA Tutoria

实时人体检测-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 实时人体检测模型，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，

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/

Qwen-7B-Chat-Int4 ? Hugging Face   |   ? ModelScope   |    ? Paper    ｜   ?️ Demo

EMOTION2VEC emotion2vec通用语音情感表征模型 emotion2vec: Self-Supervised Pre-Training for S

MossFormer2语音分离模型介绍 本次发布为上一代单声道语音分离算法MossFormer的升级版。并在单声道语音分离任务上比MossFormer取得显著的性能提升。MossFormer模型主要采

Qwen-7B ? Hugging Face   |   ? ModelScope   |    ? Paper    ｜   ?️ Demo WeChat (微信

GLM-4-9B-Chat Read this in English. 2024/07/24，我们发布了与长文本相关的最新技术解读，关注 这里 查看我们在训练 GLM-4-9B 开源模型中关于长文本技

SCRFD 模型介绍 人脸检测及关键点模型SCRFD 模型描述 SCRFD为当前SOTA的人脸检测方法，该方法的主要贡献是从两处入手提升检测器在效率和精度的平衡，分别是： Sample Redis

票证检测矫正模型介绍 【读光商用矫正模型开源，快来体验吧】票证检测矫正模型在实际生活中有着广泛的需求，例如信息抽取、图像质量判断、证件扫描、票据审计等领等场景，可以大幅提高工作效率和准确性。本次 读光

[?Homepage] | [? Chat with DeepSeek LLM] | [Discord] | [Wechat(微信)] 1. Introduction of Deeps