pytorch

StructBERT中文自然语言推理模型介绍 自然语言推理任务（NLI）通常指判断一对句子对（前提句，假设句）在语义上是否存在推理蕴涵关系。作为自然语言理解的一个重要组成部分,NLI专注于语义理解，是

TAdaConv 模型介绍 模型描述 TAdaConv是一种在行为识别模型中即插即用的时序自适应卷积（Temporally-Adaptive Convolutions）。作为2D/3D卷积的增强版，T

OFA-文本生成图像 (英文) 文本生成图像是什么？ 文本生成图像即根据输入的文本，生成与文本描述一致的图像。在本模型中，OFA将根据给定文本输出分辨率为256*256的图片。 注1：OFA实现文本生

Bert实体向量-中文-通用领域-base 实体链接旨在区分文本中的mention和大规模知识图谱中实体的对应关系，也是自然语言处理(NLP)领域的基础问题，在很多对话、检索、关系抽取等下游任务中发挥

DeOldify for Video Colorizaiton English Version | 中文版本 Input a grayscale video and automatically out

Llama-3-Chinese-8B-Instruct-v3 这个仓库包含了Llama-3-Chinese-8B-Instruct-v3。 注意：这是一个指令/chat模型，可直接用于对

>>返回卡通化系列模型专题页 卡通系列文生图模型-剪贴画 输入一段文本提示词，实现特定风格卡通图像生成，返回符合文本描述的剪贴风格结果图像。 其生成效果如下所示： (1) 人物生成 (2) 物体场景

Model Download | Evaluation Results | Model Architecture | API Platform | License | Citati

MTTR视频目标分割模型介绍 本模型使用RoBERTa-base和video swin transformer分别来提取输入的文本特征和视频特征，并给出视频中由此文本指定的物体mask。 本模型的生成

模型描述 M2-Encoder是强大的中英双语多模态模型，它在我们构建的包含60亿图文对(30亿中文+30亿英文)的BM-6B上训练得到，支持zero-shot 图文跨模态检索(文搜图、图搜文) 以及

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

CogVLM2-Video-Llama3-Chat 介绍 CogVLM2-Video 在多个视频问答任务上达到了 state-of-the-art 的性能，能够实现一分钟内的视频理解。 我们提供了两

Mini-InternVL-Chat-2B-V1-5 [? GitHub] [? Blog] [? InternVL 1.0 Paper] [? InternVL 1.5 Report] [?️

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

FAQ问答任务介绍 FAQ问答是智能对话系统(特别是垂直领域对话系统)的核心业务场景，业务专家基于经验或数据挖掘的结果，将用户会频繁问到的业务知识以Q&A的形式维护起来，称之为知识库， 当用户使用对话

Stable Diffusion 3 Medium Model Stable Diffusion 3 Medium is a Multimodal Diffusion Transformer (M

Highlights UniASR葡萄牙语语音识别模型，可对近场、低噪、正常语速、朗读形式的葡萄牙语音频进行语音识别： ASR模型：UniASR模型，葡萄牙语语音识别模型。 ITN模型：葡萄牙语IT

CodeGeeX: 多语言代码生成\翻译模型 CodeGeeX是一个具有130亿参数的多编程语言代码生成预训练模型。CodeGeeX采用华为MindSpore框架实现，在鹏城实验室“鹏城云脑II”中的

ERes2NetV2_w24s4ep4 说话人识别模型 ERes2NetV2模型是在ERes2Net的基础上，通过模型剪枝来减小冗余结构并增强短时说话人识别准确率，该模型在原版ERes2NetV2基础

OFA-图文蕴含 (英文) 图文蕴含是什么？ 图文蕴含即根据给定的图片和文本判断其语义关系，从“entailment”、“contradiction”和“neutrality”三种关系中选出。 本系列