Project Icon

surya_rec

surya项目专用的多语言文本识别模型

surya_rec是一个开源的文本识别模型,基于cc-by-nc-sa-4.0许可发布。该模型作为surya项目的一部分,专注于多语言文本的识别和提取。surya_rec采用深度学习技术,旨在高效识别和提取多语言文本内容,支持文档分析和信息提取。模型注重准确性和性能,为开发者提供强大的OCR解决方案。有兴趣的开发者可通过surya项目的GitHub仓库了解更多详情和使用方法。

xlm-roberta-base-language-detection - 多语言文本自动识别模型
GithubHuggingfaceXLM-RoBERTa多语言模型开源项目机器学习模型自然语言处理语言识别
这是一个基于XLM-RoBERTa模型微调的多语言文本分类工具,可识别20种语言,测试集准确率达99.6%。模型通过简单的pipeline API快速部署,适用于多语言环境下的自动语言检测。与基准模型相比,该工具在准确性和易用性方面均有提升,为自然语言处理应用提供了可靠的语言识别功能。
RuntimeSpeechRecognizer - 基于OpenAI的Whisper的语音识别项目
GithubOpenAI's WhisperRuntime Speech RecognizerUnreal Engine开源项目语音识别高性能
RuntimeSpeechRecognizer是一个高效的语音识别项目,基于OpenAI的Whisper技术,提供快速且准确的识别。支持英语和多语言(多达100种语言),提供从75 MB到2.9 GB多种模型尺寸。自动下载语言模型,支持将识别的语音翻译成英语,特性可定制,无需静态库或外部依赖,兼容多个平台(Windows、Mac、Linux、Android、iOS等)。
Transformers4Rec - 灵活高效的PyTorch兼容序列与会话推荐库
GithubHugging Face TransformersNLPPyTorchRecSysTransformers4Rec开源项目
Transformers4Rec是一个结合Hugging Face Transformers框架的高效库,专注于自然语言处理和推荐系统的结合。通过支持多种输入特征和模块化设计,它提供了与PyTorch兼容的高灵活性架构。集成NVTabular和Triton Inference Server,实现了全GPU加速的管道,优化了序列和会话推荐效果。其在业内竞赛中的优异表现展示了其在会话推荐任务中的高准确性。
doctr - 由深度学习提供支持的无缝、高性能和可访问的库,用于 OCR 相关任务
GithubOCRPyTorchTensorFlowdocTR开源项目文本识别
docTR提供高效、准确的OCR解决方案,支持PDF和图像文件,基于TensorFlow 2和PyTorch。能快速检测识别文档文字,并提供多种处理旋转文档选项。用户可使用预训练模型快速上手或自定义架构。解析结果可视化且支持导出为JSON格式,方便后续处理和分析。
computervision-recipes - 计算机视觉领域的实用示例和指南,涵盖面部识别、图像识别等多种视觉任务
AzureGithubPyTorch图像识别开源项目模型部署计算机视觉
computervision-recipes为数据科学家和机器学习工程师提供计算机视觉领域的实用示例和指南,涵盖面部识别、图像识别等多种视觉任务,并便利地利用先进库加速从概念到实现的全过程,并在云端实现模型训练与部署。
ASRT_SpeechRecognition - 中文语音识别系统,支持多平台和多种API接口
ASRTGithubPythonTensorFlow开源项目深度学习语音识别
ASRT是一款基于深度学习的中文语音识别系统,采用TensorFlow框架实现。支持数据集包括Thchs30、ST-CMDS、Primewords、aishell-1等,通过DCNN+CTC模型和最大熵隐马尔可夫模型实现汉字拼音识别。该系统跨平台兼容,提供多种API接口和SDK。适用于Linux和Windows系统,最低硬件要求为4核CPU、16GB RAM和NVIDIA GPU。提供详细的安装、训练、部署文档及Demo,适合开发者和研究人员使用。
YAYI2 - 中科闻歌研发的多语言开源大模型
GithubYAYI2-30B中文预训练多语言大语言模型开源开源项目性能提升
YAYI 2,由中科闻歌研发,30B参数的多语言开源大模型。采用超过2万亿Tokens的多语言语料进行预训练,通过百万级指令和人类反馈强化学习微调,极大提升其在多领域的应用效率。现开源YAYI2-30B,助力全球中文AI技术的创新与进步。
Multilingual_Text_to_Speech - 多语言文本到语音合成技术
GithubMeta-learningTacotron 2多语言文本转语音开源项目神经网络模型语音合成
Multilingual_Text_to_Speech项目综合采用Tacotron 2模型与元学习技术,支持复杂的多语言语音合成实验,提供完善的编码器共享机制,并包含丰富的语言数据及互动示范,旨在推动学术研究及应用开发。
tools-ocr - Tree Hole OCR 高效本地文本识别工具
GithubPDF识别Tree Hole OCR开源项目文本识别本地OCR识别跨平台兼容
Tree Hole OCR是一款基于Paddle OCR模型的本地文本识别工具。无需联网即可快速识别文字,支持PDF、图像和截图识别等多种功能。采用Java和JavaFX开发,具有良好的跨平台兼容性,适用于Mac OS X 12.6及以上系统。该工具依赖于DJL、PyTorch等深度学习框架,集成了OpenCV图像处理库。除基本文本识别外,还支持PDF识别和快捷键截图识别。项目开源,可在GitHub或Gitee上获取源码。
sycamore - AI文档处理与数据抽取
Aryn Partitioning ServiceDETR AI modelGithubSycamore开源项目文档处理引擎矢量数据库
Sycamore是一个开源的AI文档处理引擎,针对ETL、RAG和LLM应用。它具备处理和丰富各类文档(如报告、幻灯片和手册)的能力,特别在PDF和嵌入图表的图像处理上表现优异。借助Aryn Partitioning Service,Sycamore实现了高效的文档分割、OCR和数据提取,极大提升了数据块分割准确性和检索效果。其DocSet抽象模型支持大规模数据处理,包括表格提取和视觉摘要,确保高质量数据可以轻松载入向量数据库和混合搜索引擎。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号