德语逆文本正则化模型 模型描述 德语逆文本正则化模型是基于FunTextProcessing开源代码库生成，用于德语语音识别模型结果后处理中的逆文本正则化部分。 多语言逆文本正则化&文本正则化 逆文本

室内框架估计算法介绍 输入一张室内空间的全景RGB图像，室内框架估计算法将输出房间的墙线，天花板线跟地线    模型描述 PanoViT 的网络框架可以分为backbone、全景视觉变换器编

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-

ModelScope-FunASR FunASR希望在语音识别方面建立学术研究和工业应用之间的桥梁。通过支持在ModelScope上发布的工业级语音识别模型的训练和微调，研究人员和开发人员可以更方便地

Paraformer模型介绍 Highlights 新增基于ModelScope的微调 ModelScope-FunASR FunASR希望在语音识别方面建立学术研究和工业应用之间的桥梁。通过支持

RANER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-Roberta作为预训练模型底座，结合使用外部工具召回的相关句子作为额外上下文，使用Multi-view Train

RANER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-Roberta作为预训练模型底座，结合使用外部工具召回的相关句子作为额外上下文，使用Multi-view Train

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

这是一个服务器监控系统，用于监控单位内部的服务器，是否正常运行。 整个系统分两大子系统：后台Web应用、终端桌面程序。 可监控： 1、web服务是否正常 2、磁盘、CPU、内存各项指标 3、指定的文件是否存在，如每天的数据库备份文件 4、指定的数据库，是否正常运行 5、某个具体的程序，是否正常运行 6、运行指定的后台任务

某咨询公司文化学习用APP，双端开发，可以学习，看书，写学习感悟，完成公司作业，可以同事间互动，可以参与公司或者同事发布的活动，可以看活动日历，并且标记是否完成等，可以发布音频录音的感悟或者文字的感悟

全新娱乐项目是一款集娱乐票务一体的综合平台，包含娱乐信息，商城，购物车，订单，票务支付、购买，个人中心，已经有线上app，目前做的是小程序页面设计。 CryptoSentiment这个项目做的是网站对应的h5页面，功能比较少，客户要求UI页面清晰、简约。

https://apps.apple.com/cn/app/id1068393254 负责项目的全部开发任务，开发版本包括3.4.0，3.4.1，3.4.2，3.4.3，3.4.4，3.5.0，3.6.0，3.7.0，3.7.1，3.8.0： MVC项目框架，Cocoapods代码管理 基于蘑菇街的组件化路由架构 masonry 布局 Bolts的task任务联试编程 Block ,代理协议，通知等进行通信 网络库及数据解析库基于AFNetworking封装的网络框架，yykit的yymodel进行数据解析。 Jenkins 自动部署打包

本项目面向专业的股票期货交易员，智能下单价格免键盘输入高效的帮助用户测试验证交易系统的可行性。 项目组成：数据采集端、管理后台、html5 功能： 复盘训练、训练下单标记、训练结果统计、智能价格、历史行情查看，指定日日内k线数据查看

InternLM-XComposer2 [?Github Repo](https://github.com/InternLM/InternLM-XComposer) InternLM-XC

# **Q**uestion and **A**nswer based on **Anything** 去往GitHub | English | 简体中文       

Udever 多语言通用文本表示模型 文本表示是将一个输入句子使用机器学习模型转换为一个固定维度的连续向量: 输入: 吃完海鲜可以喝牛奶吗? 输出: [0.27162,-0.66159,0.3303

ChatPLUG介绍 ChatPLUG是一个开放域对话模型，其接收用户对话历史和对话相关的外部知识、用户人设、模型人设信息，输出合适的文本回复。 该模型基于PLUG，使用亿级互联网社交数据、百科数据预

基础视觉模型高效调优：Side-Tuning 基于大规模预训练基础模型的参数高效迁移学习方法在各种下游应用中均取得了优异的表现，其中包括了利用side网络进行调优的方法。该方法仅需训练一个side网络

Taiyi-Stable-Diffusion-1B-Chinese-v0.1 Github: Fengshenbang-LM Docs: Fengshenbang-Docs API：Fengshen

Highlights 会议场景端到端说话人日志模型，解决 "who spoke when" 的问题，发表于EMNLP 2022，在AliMeeting数据集上获得SOTA结果。 支持功能： 给定若干