AesCoder-4Bは、コードの美学的品質の向上に特化した大規模言語モデルです。インテリジェントな報酬フィードバックメカニズムを通じて、コード生成の美学的表現を最適化し、ウェブデザインやゲーム開発などのビジュアルコーディングタスクで優れた性能を発揮します。

自然言語処理Transformers

Impresso NERモデルは、歴史文書の処理に特化した多言語の固有表現認識モデルです。スタック型Transformerアーキテクチャに基づいており、デジタル化された歴史テキスト中の細粒度および粗粒度のエンティティタイプ（人名、肩書き、場所など）を認識することができます。このモデルは、歴史文書中のOCRノイズ、スペルの変化、非標準的な言語の使い方に対して最適化されています。

自然言語処理Transformers多言語

Ming-UniVisionは多モーダル大規模言語モデルで、初めて連続ビジュアル表現を次のトークン予測フレームワークに統合し、単一の自己回帰パラダイムの下でビジュアルと言語を統一し、離散量子化や特定モーダルのヘッドを必要としません。このモデルは連合画像理解と生成をサポートし、ビジュアル言語トレーニングでの収束速度がより速く、多輪コンテキストビジュアルタスクもサポートします。

マルチモーダルTransformers多言語

これはDINOv3フレームワークに基づくビジュアルTransformerモデルで、知識蒸留技術を通じてDINOv3 ViT - 7BモデルからLVD - 1689Mデータセットで訓練されたものです。このモデルは画像特徴エンコーディングに特化しており、画像の特徴表現を効率的に抽出することができ、様々なコンピュータビジョンタスクに適しています。

コンピュータビジョンTimm

これはDINOv3アーキテクチャに基づくVision Transformer画像特徴エンコーダで、7BパラメータのDINOv3 ViTモデルからLVD-1689Mデータセットで知識蒸留を行って得られました。このモデルは画像特徴抽出タスクに特化しており、強力なビジュアル表現能力を持っています。

コンピュータビジョンTimm

Cthulhuは、Mistral Small v3.2とv3.1に基づく大規模モデル融合プロジェクトで、複数の最先端の微調整モデルを融合することで作成された超強力な24Bパラメータの言語モデルです。タコのような多面的な特徴を持ち、無審査の創造的なテキスト生成能力を提供し、散文創作、指示の遵守、深奥な知識の表現に長けています。

自然言語処理Transformers英語

CodeModernBERT-Owl-3.0は、CodeModernBERTシリーズの多言語長文脈エンコーダモデルの最終事前学習バージョンで、コード検索、コード要約、エラー修正、表現学習などの下流のコード関連タスクに最適化されています。

自然言語処理Transformers多言語

OpenCLIP - ViT - B - 16アーキテクチャに基づく視覚言語モデルで、テスト時レジスタを導入して内部表現を最適化し、特徴マップのアーチファクト問題を解決します。

マルチモーダルTransformers

VoiceCoreは商用可能な日本語音声AIエージェントモデルで、AIが音声で人間と自然にコミュニケーションすることに特化しており、感情表現と非言語音声の能力を備え、多种類の音声スタイルを選択できます。

音声処理Safetensors多言語

RWKV-7はRNNアーキテクチャに基づく新世代の言語モデルで、RNNの効率性とTransformerの表現力を結合しています。このシリーズにはさまざまなパラメータ規模のバージョンが含まれ、長文脈のテキスト生成タスクをサポートし、Apache-2.0オープンソースライセンスを採用しています。

自然言語処理Gguf

EAT-baseはEAT-largeの事前学習モデルをベースにした微調整バージョンで、AS-2Mデータセットでさらに学習を行い、強化された音声表現能力を提供します。このモデルは自己教師付き事前学習の効率的な音声Transformerアーキテクチャを採用しており、分類や字幕生成などの下流の音声理解タスクで優れた性能を発揮します。

音声処理Transformers

Orpheusは高性能なテキスト音声変換モデルで、自然な感情表現を伴う音声合成のために微調整されています。このリポジトリでは30億パラメータモデルの8ビット量子化バージョンをホストしており、高品質な出力を維持しながら効率を最適化しています。

音声処理Gguf多言語

オルフェウスは高性能なテキスト読み上げモデルで、自然な感情表現を伴う音声合成のために微調整されています。このリポジトリでは30億パラメータモデルの8ビット量子化バージョンをホストしており、高品質な出力を維持しながら効率を最適化しています。

音声処理Gguf多言語

オルフェウスは高性能なテキスト読み上げモデルで、自然な感情表現を実現するために微調整されています。このリポジトリでは30億パラメータモデルの8ビット量子化バージョンをホストしており、高品質な出力を維持しながら効率を最適化しています。

音声処理Ggufその他

Orpheusは高性能なテキスト音声変換モデルで、自然な感情表現を伴う音声合成に特化してファインチューニングされています。このリポジトリでは30億パラメータモデルの8ビット量子化バージョンをホストしており、高品質な出力を維持しながら効率を最適化しています。

音声処理Gguf多言語

Orpheusは高性能なテキスト音声変換モデルで、自然な感情表現を伴う音声合成のためにファインチューニングされています。このリポジトリでは30億パラメータモデルの8ビット量子化バージョンをホストしており、高品質な出力を維持しながら効率を最適化しています。

音声処理Gguf多言語

画像から構造化データ(JSON)を抽出することに特化した視覚言語モデルで、特に図表内のノード、エッジ、およびそれらのサブ属性を識別し、視覚情報を知識グラフとして表現するのに優れています。

マルチモーダルSafetensors

SmolDoclingは、超コンパクトなマルチモーダルビジュアル言語モデルで、効率的なドキュメント変換用に特別に設計されています。このモデルはIdefics3アーキテクチャに基づいており、256Mのパラメータ規模で強力なドキュメント理解能力を実現しています。画像からテキスト、表、数式、コードなどのさまざまなドキュメント要素を抽出することができ、Doclingエコシステムと完全に互換性があります。

マルチモーダルTransformers英語

このモデルはnlpaueb/legal-bert-base-uncasedをInLegalNERデータセットでファインチューニングしたバージョンで、インドの法律テキストにおける固有表現認識タスク専用です。

自然言語処理Transformers

ポルトガル語法律分野の固有表現認識モデルで、ブラジルデータ保護法LGPDに準拠し、法律テキスト内の機密情報を識別することに特化しています。

自然言語処理Safetensorsその他