pytorch

Highlights 新增基于ModelScope的微调 FunASR开源项目介绍 FunASR希望在语音识别的学术研究和工业应用之间架起一座桥梁。通过发布工业级语音识别模型的训练和微调，研究人员

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

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

实时烟火检测-通用 模型介绍 本模型为高性能热门应用系列检测模型中的 实时烟火检测模型，基于面向工业落地的高性能检测框架DAMOYOLO，其精度和速度超越当前经典的YOLO系列方法。用户使用的时候，

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

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)

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

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

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

基于像素映射的单图人体重建模型 单图人体重建模型使用单张全身人像作为输入，使用生成式模型辅助进行结构恢复与纹理恢复，输出3D人体重建mesh。 纹理渲染效果展示： 生成白模效果展示：

Data2vec模型介绍 Highlights Data2vec中文预训练模型上线，欢迎试用 提供基于AISHELL-2数据集训练得到的中文预训练模型，可以用于下游任务微调，例如语音识别等。 新增基

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

感谢Linaqruf提供的model card供参考。 Anything V4 欢迎使用Anything V4 - 一个为日本动漫爱好者设计的latent diffusion模型。这个模型旨在仅用少数

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

GLM-130B：开放的中英双语预训练模型 摘要：何为 GLM-130B？ GLM-130B 是一个开源开放的双语（中文和英文）双向稠密模型，拥有 1300 亿个参数，模型架构采用通用语言模型（GLM

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

Highlights UniASR越南语语音识别模型，可对近场、低噪、正常语速、朗读形式的越南语音频进行语音识别： ASR模型：UniASR模型，越南语语音识别模型。 ITN模型：越南语ITN模型，

ViDT人脸检测模型 基于ViDT系列算法训练的人脸检测模型，支持对人脸的检测。输入一张图片，返回人脸所在的位置。 本项目实现的模型为ViDT+，采用的Backbone为Swin-Tiny。 模型描述

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

Highlights UniASR语音识别-中文-音视频-16k模型是在10000小时音视频数据上微调的领域模型，使用词表3445vocab。 Release Notes 2023年3月（3月1