这是一个基于LoRA技术的图像到图像转换模型，主要用于非商业用途的图像编辑任务。

基于ChunkFormer架构的大规模越南语自动语音识别模型，在约3000小时的越南语公开语音数据上微调，性能优异。

ViTPose++是基于视觉Transformer的人体姿态估计基础模型，在MS COCO关键点测试集上达到81.1 AP的优异表现。

TIPO是基于文本预采样的提示优化文本转图像系统，通过大型语言模型优化用户输入提示，提升生成模型的质量与易用性。

ViTPose是一个基于视觉Transformer的人体姿态估计模型，通过简单的架构设计在MS COCO等基准上取得了优异表现。

Aura-4B是一个基于AuraIndustries/Aura-4B的量化版本，使用llama.cpp进行imatrix量化，支持多种量化类型，适用于文本生成任务。

针对越南语语音识别任务优化的Whisper-medium模型，在1308小时越南语数据上微调

专注于日语动漫领域语音识别的Whisper变体模型，针对动漫音频特点优化

基于F5架构从头开始训练的印地语文本转语音模型，由印度理工学院马德拉斯分校SPRING实验室开发。

kazRush-ru-kk 是一个基于T5配置的俄语到哈萨克语的翻译模型，在多个开源平行数据集上训练而成。

一个基于SDXL的动漫风格文本生成图像模型，适合新手使用，能够生成高质量的动漫角色和风格化图像。

BiRefNet是一个基于双边参考的高分辨率二分图像分割模型，专注于背景去除和掩膜生成任务。

TIPO是一个采用LLaMA架构的5亿参数模型，专为文本转图像生成中的提示优化而设计。

高分辨率二分图像分割的双边参考框架，专注于背景去除和掩膜生成任务

RAD-DINO-MAIRA-2 是一种基于DINOv2自监督学习训练的视觉变换器模型，专门用于编码胸部X光片图像。

distilvit是一个基于VIT图像编码器和蒸馏版GPT-2文本解码器的图像转文本模型，能够生成图像的文本描述。

Octo 是一个用于机器人技术的多模态基础模型，能够通过视觉和语言输入预测机器人动作。

基于自监督学习DINOv2训练的视觉Transformer模型，专门用于编码胸部X光影像

基于微软Table Transformer开发的表格结构识别模型，用于文档中的表格检测与识别任务

专为日语文本排序任务优化的交叉编码器模型，具有24层和1024隐藏层大小的高性能架构

这是一个日语Reranker（交叉编码器）模型，用于文本排序任务，具有24层和1024隐藏层大小。

这是一个日语训练的Reranker（交叉编码器）模型，用于文本排序任务。

这是一个日语训练的Reranker（交叉编码器）模型，用于文本排序任务。

基于OpenAI Whisper-tiny架构微调的越南语自动语音识别(ASR)模型，在多个越南语数据集上表现出色

Finance LLM 是一个专注于金融领域的语言模型，基于 Llama 架构，经过 OpenOrca、Lima 和 WizardLM 等数据集的微调。

该模型是基于DeBERTa-v3-large架构的零样本分类模型，主要在五个NLI数据集上训练，适用于遵循原始NLI任务的任务。

银色检索器模型将波兰语句子或段落编码为768维稠密向量空间，可用于文档检索或语义搜索等任务。

PairRM是一个高效的成对奖励模型，用于比较和排序大语言模型的输出候选，支持多种应用场景如RLHF和最佳N采样。

该模型使用SentenceTransformers的Cross-Encoder类进行训练，用于预测两个句子语义相似度的分数。

该模型以原始音频信号作为输入，输出年龄预测值以及性别概率（儿童/女性/男性），同时输出最后一层transformer的池化状态。

该模型通过微调Wav2Vec2-Large-Robust，能够从原始音频中预测说话者的年龄和性别。

Silver Retriever是一个针对波兰语的神经检索模型，专门用于句子相似度和段落检索任务。

这是一个基于GPT2架构的孟加拉语文本摘要生成模型，专门针对新闻内容进行优化。

这是一个基于MiniLM架构的句子嵌入模型，能将文本映射到384维向量空间，适用于语义搜索和文本相似度任务。

这是将thennal/whisper-medium-ml转换为CTranslate2模型格式的版本，用于马拉雅拉姆语语音识别

该模型是基于openai/whisper-small微调的日语语音识别模型，支持日语语音转文本任务。

本模型使用Common Voice、JVS和JSUT数据集对openai/whisper-base进行日语微调，适用于日语语音识别任务。

基于SegFormer-B3架构微调的文档图像二值化模型，在DIBCO评估指标上表现优异

这是一个基于FastConformer架构的德语自动语音识别模型，采用转换器和CTC混合训练方式，参数规模约115M。

该奖励模型经过训练，能够预测在给定问题下，人类会认为哪个生成的答案更好。