AI

OpenBuddy - Open Multilingual Chatbot GitHub and Usage Guide: https://github.com/OpenBuddy/OpenBuddy

English  |   中文 Building the Next Generation of Open-Source and

单目标跟踪算法模型介绍 对于一个输入视频，只需在第一帧图像中用矩形框指定待跟踪目标，单目跟踪算法将在整个视频帧中持续跟踪该目标，输出跟踪目标在所有图像帧中的矩形框信息。 模型描述 本模型是基于Sia

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

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

人像卡通化模型-白化手绘效果 输入一张人物图像，实现端到端全图卡通化转换，生成手绘风格虚拟形象，返回风格化后的结果图像。 原图效果如下所示： 其生成效果如下所示： 模型描述 该任务采用一种全新的域

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-base模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 202

模型描述 无人机俯拍图像由于其空中拍摄的独特视角，能够对道路、交通等场景进行完整的呈现,对无人机的图像数据进行检测分析具有重要的应用价值。在此，我们提供基于DAMO-YOLO的无人机小目标检测场景模型

CAM++识别模型 CAM++模型是基于密集连接时延神经网络的识别模型。相比于一些主流模型，比如ResNet34和ECAPA-TDNN，CAM++具有更准确的识别性能和更快的推理速度。该模型可以用于语

# 中文对话0.2B小模型 ChatLM-Chinese-0.2B 中文 | [English](https://github.com/charent/ChatLM-mini-Chinese/

ViDT标识检测模型 基于ViDT系列算法训练的标识检测模型，支持对台标、车标、交通、品牌等常见标识的检测。输入一张图片，返回标识所在的位置。 本项目实现的模型为ViDT+，采用的Backbone为S

Highlights UniASR波斯语语音识别模型，可对近场、低噪、正常语速、朗读形式的波斯语音频进行语音识别： ASR模型：UniASR模型，波斯语语音识别模型。 VAD模型：语音端点检查VAD

Retrieval-based-Voice-Conversion-WebUI 一个基于VITS的简单易用的变声框架 [![madewithlove](https://img.shields.io/b

nomic-embed-text-v1: A Reproducible Long Context (8192) Text Embedder nomic-embed-text-v1 is 8192 co

SDXL-VAE-FP16-Fix SDXL-VAE-FP16-Fix is the SDXL VAE*, but modified to run in fp16 precision without

SDXL-Lightning SDXL-Lightning is a lightning-fast text-to-image generation model. It can generate h

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

CN-Celeb RDINO 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。 模型简述 Regularized DINO使用使用teach

mPLUG-Owl介绍 mPLUG-Owl是一种面向多模态语言模型的模块化的训练范式。其能学习与语言空间相适应的视觉知识，并支持在多模态场景(支持图片、文本输入)下进行多轮对话。它涌现多图关系理解，场

PhotoMaker Model Card [**Project Page**](https://photo-maker.github.io/) **|** [**Paper (ArXiv)**]