#ModelScope

ModelScope简化了AI模型在推理、训练和评估方面的流程，支持CV、NLP、语音、多模态和科学计算等领域的应用。该平台提供统一接口和丰富的API层级，便于开发者轻松集成和使用700多种最新开源模型。适合初学者和专业人士快速上手，体验强大功能。

魔搭社区是一个专业平台，旨在汇聚各领域机器学习模型，提供模型探索、推理、训练、部署和应用等一站式服务。设计简约，操作便捷，确保用户可以快速找到所需功能。直观的导航和详尽的文档支持帮助用户快速上手，推动机器学习技术的广泛应用。

LangChain-ChatGLM-Webui 是一个利用LangChain和ChatGLM-6B系列模型的Web界面，支持txt、docx、md、pdf等格式文件上传，适用于本地知识驱动的大模型应用。项目支持HuggingFace、OpenXLab等多个平台的在线体验，适合开发者快速部署多种大语言模型和嵌入模型。

KAN-TTS能够提供从零开始训练个性化文本到语音模型的能力。支持包括sam-bert和hifi-GAN在内的多种模型，并持续进行模型更新。支持多种语言，包括普通话、英语等。详尽的培训教程和在线演示可在官方网站查阅。如有疑问，欢迎联系我们。

EmoLLM是一个心理健康大模型，旨在提升个体和群体的心理健康。通过微调InternLM、Qwen、Baichuan等多种LLM模型，实现认知、情感和行为分析。EmoLLM具备情感调节和评估功能，结合预防和干预措施，促进心理韧性。项目提供丰富的模型配置和开源资源，适用于日常使用及学术研究，提供全面的心理健康支持。

SWIFT是一款高效框架，支持超过300个大语言模型和50多个多模态大模型的训练、推理、评估和部署。它集成了NEFTune、LoRA+和LLaMA-PRO等先进技术，适用于研究和生产环境。框架还提供了易用的Gradio web-ui界面和详细文档，非常适合初学者和资深开发者使用。最新版本增加了对多种前沿模型和加速算法的支持，适用于广泛的应用场景。

phi3-Chinese收录多种phi3训练变体，小体积高性能，适用于手机部署。提供Phi-3-mini-128k-instruct-Chinese中文版和其他英文原版模型的下载链接，并包含训练、推理和部署的详细教程。尽管目前版本存在词表过小和实际效果与预期不符的问题，但仍适用于轻量级垂直任务。

AdaSeq是由阿里巴巴达摩院开发的一体化序列理解工具库，构建在ModelScope之上。支持词性标注、分块、命名实体识别、实体类型化、关系抽取等多种任务。提供丰富的前沿模型和训练方法，优于许多现有框架。该库使用简便，只需一行命令即可生成模型，支持自定义模型和数据集。适用于研究人员和开发者，项目处于快速开发阶段，并提供多语言、多领域的数据集和在线演示。

基于Auto1111的webui依赖，该扩展实现了ModelScope和VideoCrafter等text2video模型，无需登录即可使用。要求至少6GB的VRAM，支持不同帧数和分辨率的视频生成。项目包含多次更新，新增功能如VAE设置、提示权重和WebAPI，并支持LoRA训练。提供详细的模型下载指南，并欢迎社区的贡献与支持。

Text-To-Video-Finetuning项目使用Diffusers微调ModelScope的文本生成视频模型，提供详尽的安装、配置和训练指南。主要更新包括LoRA训练、模型格式转换和Torch 2.0支持。项目现已归档，相关资源及支持文件仍可用。建议关注@damo-vilab的新实现，以体验全面的视频扩散微调功能。支持多种模型训练与推断，适用于VRAM限制设备，模块化设计方便定制与扩展。

3D-Speaker是一个开源的单模态和多模态说话人验证、识别和分离工具包。它提供ERes2Net、CAM++等预训练模型，适用于多种说话人相关任务。该项目发布的大规模语音数据集3D-Speaker有助于语音表示解耦研究。3D-Speaker支持有监督和自监督训练，以及语言识别等多种实验设置，为研究人员提供全面的说话人技术解决方案。

ModelScope教室集合了魔搭社区的深度学习教程，提供从基础到高级的AI技术学习资源。涵盖LLM大模型、AIGC、量化技术等热门主题，以及训练、推理、部署和应用搭建的实践指导。平台每月更新多个教程，目前已涵盖30+个AI技术主题，包括人类偏好对齐训练、LISA微调等前沿技术解析，为开发者提供全面的AI学习环境。

text-to-video-ms-1.7b是一个基于多阶段扩散模型的文本到视频生成系统。该模型可将英文文本描述转化为匹配的视频内容,由三个子网络组成,总参数约17亿。支持长视频生成,适用于多种创意应用场景。目前仅支持英语输入,且存在无法生成清晰文本等局限性。该模型仅供研究用途,使用时应注意避免生成不当或有害内容。

zeroscope_v2_576w是基于Modelscope开发的视频生成模型，支持生成576x320分辨率、24帧的16:9视频。模型通过9,923个视频片段和29,769个标记帧训练而成，可与zeroscope_v2_XL模型配合使用vid2vid技术进行视频放大。在渲染30帧576x320视频时占用显存7.9GB。