SAM3は概念ベースの任意分割モデルで、入力された点やボックスなどのプロンプト情報に基づいて、正確な画像分割マスクを生成することができます。このバージョンはONNX形式のSAM3トラッカーモデルで、Transformers.jsライブラリを通じてブラウザ環境で効率的に動作します。

コンピュータビジョンTransformers

これはApplied Brain Research（ABR）によって開発された、状態空間モデル（SSM）に基づく英語の自動音声認識モデルです。約1900万のパラメータを持ち、英語の音声を効率的かつ正確にテキストに変換することができます。このモデルは複数のベンチマークデータセットで優れた性能を発揮し、平均単語誤り率はわずか10.61%です。リアルタイム音声認識をサポートし、低コストのハードウェアで動作することができます。

音声処理Transformers英語

本プロジェクトはカナナ1.5 - 15.7B - A3B指令モデルのMXFP4_MOE量子化バージョンで、特定のシナリオでモデルの実行効率を向上させることができます。このモデルはkakaocorp/kanana-1.5-15.7b-a3b-instructをベースに最適化され、ハイブリッドエキスパートアーキテクチャとMXFP4量子化技術を採用しています。

自然言語処理Gguf

Qwen3-Coder-480B-A35B-Instructは4800億パラメータの大型コード生成モデルで、8.5ビット量子化をサポートし、MLXフレームワークに基づいて最適化されています。このモデルはコード生成タスクに特化して設計されており、十分なメモリを搭載したデバイス上で効率的に動作します。

自然言語処理Mlx英語

Qwen3 - VLは通義シリーズで最も強力なビジュアル言語モデルで、ハイブリッドエキスパートモデルアーキテクチャ（MoE）を採用し、GGUF形式の重みを提供し、CPU、GPUなどのデバイスで効率的な推論をサポートします。モデルは、テキスト理解、ビジュアル感知、空間理解、動画処理などの面で全面的にアップグレードされています。

マルチモーダルGguf

このプロジェクトは、mlx-lm ライブラリを使用して、動的重み量子化（DWQ）により MiniMax-M2 モデルを 3 ビットに量子化した成果物です。リソースが制限された条件下でも、効率的にテキスト生成タスクを実行でき、関連アプリケーションにより軽量なソリューションを提供します。

自然言語処理Mlx

MiniMax - M2は、高効率コーディングとインテリジェントエージェントワークフロー用に特別に開発されたハイブリッドエキスパートモデルで、総パラメータが2300億、活性化パラメータが100億です。このモデルは、コーディングとインテリジェントエージェントタスクで卓越した性能を発揮し、低遅延、低コスト、高スループットの特徴を持ち、作業効率を効果的に向上させます。

自然言語処理Transformers

MiniMax-M2は、llama.cppの実験的ブランチに基づいて構築された大規模言語モデルで、ハイブリッドエキスパートアーキテクチャを備え、効率的なテキスト生成と推論タスクをサポートします。このモデルは特定の実験的ブランチが必要で正常に動作します。

自然言語処理Transformers

PyLateは、文の類似度計算と情報検索に特化したツールキットで、さまざまなデータセットで効率的な情報検索タスクを実行でき、関連分野の研究とアプリケーションに強力なサポートを提供します。このモデルは8つの言語をサポートし、複数のベンチマークテストで優れた性能を発揮します。

自然言語処理Safetensors多言語

KaniTTSは、リアルタイム対話型AIアプリケーション向けに最適化された高速、高音質のテキスト音声変換モデルです。2段階パイプラインを用いて、大規模言語モデルと高効率オーディオコーデックを組み合わせ、卓越した速度とオーディオ品質を実現します。このモデルはスペイン語をサポートし、4億のパラメータを持ち、サンプリングレートは22kHzです。

音声処理Transformersスペイン語

これはIntern-S1モデルに基づくMXFP4ハイブリッドエキスパート量子化バージョンで、画像テキストからテキストへのタスクに特化して最適化されており、量子化技術によって推論効率が向上しています。

マルチモーダルGguf

KaniTTSは、リアルタイム対話型人工知能アプリケーション向けに最適化された高速かつ高忠実度のアラビア語テキスト音声変換モデルです。2段階パイプラインアーキテクチャを採用し、大規模言語モデルと効率的なオーディオコーデックを組み合わせることで、卓越した速度とオーディオ品質を実現し、対話型AI、障害者支援、研究など多くの分野の音声合成ニーズを満たすことができます。

音声処理Transformersアラビア語

KaniTTSは、リアルタイム対話型AIアプリケーション向けに最適化された高速かつ高忠実度のテキスト音声変換モデルです。独自の2段階アーキテクチャにより、大規模言語モデルと効率的な音声コーデックを組み合わせ、低遅延で高品質な音声合成を実現します。リアルタイムファクターは最低0.2で、リアルタイム速度の5倍の高速合成が可能です。

音声処理Transformers英語

MiniMax-M2は、コーディングとエージェントのワークフローを最大化するために構築された「ミニ」モデルで、ハイブリッドエキスパートアーキテクチャを採用し、総パラメータは2300億、アクティブなパラメータは100億です。このモデルは、コーディングとエージェントタスクで卓越した性能を発揮し、同時に強力な汎用知能を保持し、コンパクトで高速かつ経済的に効率的な特徴を持っています。

自然言語処理Transformers

Qwen3-VL-2B-Instructは、Qwenチームによって開発された、効率的な画像テキストからテキストへの変換モデルです。このモデルはMLX 8ビット量子化によって最適化されており、特にAppleシリコンチップ搭載のデバイスに適しており、視覚言語タスクを処理し、効率的な解決策を提供することができます。

マルチモーダルTransformers

これはGoogleのT5 Efficient Tinyアーキテクチャに基づく軽量なテキスト要約生成モデルで、shorecode/summary-collection-200k-rowsデータセットを使用して訓練され、自動テキスト要約タスクに特化しており、効率的な推論と低いリソース占有という特徴を持っています。

自然言語処理Transformers英語

KaniTTS Pretrain v0.3は高速で高忠実度のテキストを音声に変換するモデルで、リアルタイム対話型人工知能アプリケーション向けに最適化されています。2段階パイプラインアーキテクチャを採用し、大規模言語モデルと高効率オーディオコーデックを組み合わせて、超低遅延と高品質の音声合成を実現します。

音声処理Transformers多言語

これはinclusionAI/Ling-1Tモデルの量子化バージョンのセットで、ik_llama.cppブランチに基づいて開発され、さまざまなメモリとパフォーマンスの要件に合わせた複数の量子化方案を提供します。これらの量子化モデルは、与えられたメモリ使用量で優れた困惑度の性能を提供し、特にMoEアーキテクチャの推論効率を最適化しています。

自然言語処理Gguf

これはT5-smallアーキテクチャに基づいて微調整された英語からサンスクリット語への翻訳モデルで、50輪の訓練後の検証損失は0.1564に達し、英語のテキストを効率的かつ正確にサンスクリット語に翻訳することができます。

自然言語処理Transformers

このプロジェクトでは、DeepSeek-V3-0324に対してllama.cppの混合精度量子化を行い、モデルのエッジデバイスへのデプロイの難題を解決し、モデルの実行効率とリソース利用率を向上させました。

自然言語処理Transformers