OpenVision是一个全开放、高性价比的先进视觉编码器家族，专注于多模态学习。

LMMRotate是一个针对旋转目标检测任务微调的大型多模态语言模型，特别适用于航拍图像分析。

AIM-v2是一个高效的图像编码器模型，兼容timm框架，适用于计算机视觉任务。

PaliGemma 2是Google推出的视觉语言模型(VLM)，融合Gemma 2能力，支持图像和文本输入生成文本输出

PaliGemma 2是Google推出的升级版视觉语言模型(VLM)，融合Gemma 2能力，支持图像和文本输入生成文本输出。

PaliGemma 2是基于Gemma 2的视觉语言模型，支持图像和文本输入，生成文本输出，适用于多种视觉语言任务。

AIMv2是基于多模态自回归目标预训练的视觉模型系列，在多模态理解基准测试中表现优异

基于AudioSet和Librispeech预训练的音频分类模型，采用视觉变换器架构处理音频频谱图

基于OpenAI的ViT-L-14模型，使用PMC_OA_beta和roco数据集进行微调的视觉语言模型，专注于生物医学领域的文本到图像任务

基于 Transformers 库的图像分割模型，支持多种图像分割任务。

这是一个通过AutoTrain训练的多类别图像分类模型，在验证集上表现出色，所有评估指标均达到1.0。

BLOOMZ-7B1 是一个多语言、多任务的大规模语言模型，支持超过40种语言和多种编程语言，适用于文本生成、情感分析等多种自然语言处理任务。

该模型是基于wav2vec2-large-xlsr-53预训练模型在CommonVoice数据集上微调的多语言音素识别模型，支持多种语言的音素标签识别。

该模型是基于Wav2Vec2-Large-LV60预训练模型，在CommonVoice数据集上进行微调，用于多语言音素识别。

mT5是T5模型的多语言变体，支持101种语言，基于mC4语料库进行预训练，适用于多语言文本生成和理解任务。