Small Stable Diffusion V0 最近，我们发布了diffusion-deploy，以加快在GPU(~4倍速度，基于TensorRT)和CPU(~12倍速度，基于IntelOpenV

卡通系列文生图模型 输入一段文本提示词，实现特定风格卡通图像生成，返回符合文本描述且满足特定风格的结果图像。 ModelScope上提供多种风格效果的卡通生成模型： 插画风格

Highlights UniASR法语语音识别模型，可对近场、低噪、正常语速、朗读形式的法语音频进行语音识别： ASR模型：UniASR模型，法语语音识别模型。 ITN模型：法语ITN模型，可用于语

abnormal-object-detection模型介绍 主要是针对长尾和小目标问题解决的高性能通用目标检测模型，采用COCO数据集训练。本模型基于Resnet50-Backbone增加可形变卷积等

Mo Di Diffusion 本模型自 Stable Diffusion 1.5 微调而来，微调数据来自某著名动画工作室的电影截图。在 prompt 中加入 modern disney style

ECBSR端上图像超分模型 模型描述 输入Y通道的低分辨率图像（单通道灰度图像），返回2倍超分辨率后的高清晰Y通道图像。模型基于Edgeoriented Convolution Block (ECB)

OFA表情包文本生成器 News 2023年2月： 进一步扩大和过滤非法文本内容的，并原模型上继续迭代微调以产生更加多元化和健康的表情包文本, 并提供创空间体验不同版本效果。 2023年1月： 预处

FRIR 模型介绍 稳定调用及效果更好的API，详见视觉开放智能平台：人脸比对1:1、口罩人脸比对1:1、人脸搜索1:N、公众人物识别、明星识别。 IR人脸识别模型FRIR 模型描述 FRIR是基于残

NestedNER介绍 模型描述 本方法采用Global Pointer模型，使用nezha-cn-base作为预训练模型底座。模型训练由AdaSeq框架支持。 模型结构如下图所示： 可参考论文：G

ECAPA-TDNN说话人模型 ECAPA-TDNN模型是基于时延神经网络构建的说话人模型，由于识别性能优异，已经被广泛使用在说话人识别领域中。该模型还可以用于说话人确认、说话人日志等任务。 模型结构

VLPT多模态文字检测预训练模型介绍 文字检测天然涉及到图像和文本两种模态，VLPT通过设计三个图像特征和文本特征相互交互的预训练 任务，使得模型backbone具有了优秀的文字感知能力。该backb

StructBERT中文情绪分类模型介绍 情绪分类任务，通常为输入一段句子或一段话，识别该句话情绪类别的模型。 在用户评价、观点抽取、意图识别中往往起到重要作用。 模型描述 模型基于Structber

StructBERT中文情绪分类模型介绍 情绪分类任务，通常为输入一段句子或一段话，识别该句话情绪类别的模型。 在用户评价、观点抽取、意图识别中往往起到重要作用。 模型描述 模型基于Structber

GPT-MoE中文67亿诗歌生成模型 概述 GPT模型能较好的处理文本生成领域的各种任务，比如文本补全，自由问答，完形填空，写作文，写摘要，写小说，写诗歌等等。最近火爆全网的人工智能产品ChatGPT

HiTransUSE中文用户满意度估计模型介绍 用户满意度估计（User Satisfaction Estimation），又称服务满意度分析（Service Satisfaction Analysi

GPT-MoE中文130亿广告文案生成 概述 GPT模型能较好的处理文本生成领域的各种任务，比如文本补全，自由问答，完形填空，写作文，写摘要，写小说，写诗歌等等。最近火爆全网的人工智能产品ChatGP

方法介绍 方法描述 HiCo是一种基于对比学习的的视频自监督预训练方案。应用于视频的标准对比学习框架基于时序一致性假设，即认为来自同一个视频不同时间的片段应共享相同的视觉特征，该假设使得标准对比学习

BERT文本相似度-英文-base-学术数据集paws 该模型基于bert-base-uncased，在paws(Paraphrase Adversaries from Word Scrambling

基于BERT的中文Base预训练模型介绍（文档更新中） BERT的中文Base预训练模型是使用wikipedia数据和masked language model任务训练的中文自然语言理解预训练模型。

跨模态检索介绍 跨模态检索：给定一个文本和图片，给出图文相似度分数。需要模型具备多模态理解的能力，目前主流的方法大多是基于多模态预训练，最为知名的跨模态检索数据集包括：Flickr30K,COCO等。