Highlights SenseVoice专注于高精度多语言语音识别、情感辨识和音频事件检测 多语言识别： 采用超过40万小时数据训练，支持超过50种语言，识别效果上优于Whisper模型。 富文本

MossFormer2语音分离模型介绍 本次发布为上一代单声道语音分离算法MossFormer的升级版。并在单声道语音分离任务上比MossFormer取得显著的性能提升。MossFormer模型主要采

Qwen-7B ? Hugging Face   |   ? ModelScope   |    ? Paper    ｜   ?️ Demo WeChat (微信

News 2023年1月: 优化了finetune流程，支持参数更新、自定义数据及脚本分布式训练等，见finetune示例。 2022年09月: 上线Huge模型，欢迎试用。 OFA-图像描述(英

GLM-4-9B-Chat Read this in English. 2024/07/24，我们发布了与长文本相关的最新技术解读，关注 这里 查看我们在训练 GLM-4-9B 开源模型中关于长文本技

读光文字识别 News 2023年6月： 新增轻量化端侧识别LightweightEdge-通用场景模型和轻量化端侧行检测模型。 2023年4月： 新增训练/微调时读取本地数据集的lmdb，用训练/

图像上色介绍 输入一张黑白图片，全自动的输出相对应的彩色图片。 模型描述 DeOldify是图像上色领域比较有名的开源算法，模型利用resnet作为encoder构建一个unet结构的网络，并提出了多

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

手部检测模型 输入一张图像，并对其中手部区域进行检测，输出所有手部区域检测框、置信度和标签。 模型描述 该模型主要用于手部检测任务，从图像中检测出人手框坐标、置信度和标签。该任务使用阿里云PAI-Ea

Baichuan 2 ?GitHub | ?WeChat ? 百川大模型在线对话平台 已正式向公众开放 ? 目录 ? 模型介绍 ⚙️ 快速开始 ? Benchmark评估 ?

EMOTION2VEC emotion2vec通用语音情感表征模型 emotion2vec: Self-Supervised Pre-Training for S

中文StableDiffusion-文本生成图像-通用领域 中文Stable Diffusion文生图模型, 输入描述文本，返回符合文本描述的2D图像。 模型描述 本模型采用的是Stable Dif

RANER介绍 模型描述 本方法采用Transformer-CRF模型，使用StructBERT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 Traini

中文CLIP News 2022年11月： 发布ModelScope 1.0版本，以下能力请使用1.0.2及以上版本。 上线Huge模型(224分辨率) 上线创空间，更强大的demo展示：中文图文检

OFA-文字识别 News 2023年1月： 优化了finetune流程，支持参数更新、自定义数据及脚本分布式训练等，见finetune示例。 2022年12月： 上线创空间：OFA的中文OCR体验

FaceMask 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。 口罩人脸识别模型FaceMask, 推荐使用

DeepLPF: Deep Local Parametric Filters for Image Enhancement 模型描述 该模型为图像色彩增强模型，输入为待调色的图像，输出为增强后的图像。D

StructBERT中文情感分类模型介绍 情感分类任务，通常为输入一段句子或一段话，返回该段话正向/负向的情感极性，在用户评价，观点抽取，意图识别中往往起到重要作用。而在电商场景中，情感分类显得尤为重

Highlights Paraformer 模型是一种非自回归（Non-autoregressive）端到端语音识别模型。非自回归模型相比于自回归模型，可以对整条句子并行输出目标文字，具有更高的计算效