Project Icon

parseq

创新的场景文本识别统一模型

PARSeq是一种创新的场景文本识别模型,采用置换自回归序列方法,实现了上下文无关和上下文感知推理及迭代预测细化。该模型统一了现有STR解码方法,无需独立语言模型,在多个基准数据集上展现出优异性能,同时保持较低计算成本。PARSeq支持灵活的字符集训练和多种评估配置,为OCR应用提供了高效而强大的解决方案。

tesseract.js - 多语言的从图像中识别文字的JavaScript库
GithubJavaScript库OCR引擎Tesseract.jsWebAssembly图像识别开源项目
Tesseract.js 是一个功能强大的 JavaScript 库,支持从图像中提取多种语言的文字,适用于浏览器和 Node.js 环境。它利用 WebAssembly 技术封装了 Tesseract OCR 引擎,支持通过 CDN、Webpack 或本地安装进行集成。该库具备低内存占用、快速处理、多种图像格式支持和并行处理功能。最新版本优化了文件大小和运行时性能,兼容多平台,适用于文档扫描和实时视频识别等应用。
tesserocr - Python封装的OCR引擎简化技术集成
GithubOCRPythonTesseract APItesserocr图像识别开源项目
tesserocr是基于Tesseract OCR引擎的Python封装库,通过Cython集成Tesseract C++ API。它提供简洁的Pythonic接口,支持多线程并发,可与Pillow库配合。tesserocr简化了OCR集成,便于开发者在Python项目中实现高效文字识别。该库支持多种图像格式,提供丰富的API功能,包括文本识别、布局分析和方向检测等。tesserocr支持多种语言识别、图像预处理、文本布局分析等高级功能。它还提供了简单的命令行接口,方便快速测试和使用。该库适用于各种OCR应用场景,如文档数字化、图像文本提取和自动化数据录入等。
Qwen2-VL-72B-Instruct-GPTQ-Int4 - 多语言支持与视觉语义分析增强
GithubHuggingfaceQwen2-VL多语言支持开源项目模型视觉理解视频理解跨设备集成
Qwen2-VL在多模态处理技术上取得进展,增强了多语言支持、图像和视频解析能力。在视觉理解测试中表现优异,可处理超过20分钟的视频,实现高质量问答和内容创作,并具备移动设备与机器人操作能力。多维位置嵌入提升了多模态处理效能,可识别多种语言文本,适用于复杂视觉场景。
REST - 创新检索式推测解码加速大语言模型生成
GithubREST开源项目推测解码推理加速检索式生成语言模型
REST是一种创新检索式推测解码方法,利用数据存储检索草稿令牌以加速大语言模型生成。无需额外训练,可即插即用于现有语言模型。在HumanEval和MT-Bench测试中,REST展现显著速度提升,为提高大语言模型效率开辟新途径。
PicQuery - 支持自然语言的离线图像搜索工具
GithubPicQuery开源项目离线搜索自然语言搜索隐私保护高效索引
PicQuery是一款完全离线运行的图像搜索工具,可让用户用自然语言搜索本地图像,如“桌子上的笔记本电脑”或“海边的日落”。支持中英文搜索,无内购,并保证隐私安全。首次启动时需要等待索引完成,之后可在1秒内搜索8000多张照片。基于OpenAI的CLIP模型,通过向量比较提供高效准确的搜索结果。适用于Android设备,资源可通过Google Play或官方网站获取。
PPASR - 基于PaddlePaddle的开源流式与非流式语音识别框架
GithubPPASRPaddlePaddle开源项目流式识别深度学习语音识别
PPASR是一个开源的中文语音识别框架,基于PaddlePaddle深度学习平台开发。该框架支持流式和非流式识别,集成了conformer、deepspeech2等多种先进模型,并提供集束搜索和贪心解码功能。PPASR可部署于服务器和Nvidia Jetson设备,提供预训练模型和详细文档,旨在实现简单实用的语音识别应用。
ReLA - 先进的泛化引用表达分割技术
GRESGithub开源项目引用表达分割深度学习计算机视觉语义分割
GRES项目提出了一种新颖的泛化引用表达分割方法,在CVPR 2023会议上被评为亮点论文。该项目采用Swin Transformer骨干网络,在gIoU指标上达到63.60%的性能。GRES项目不仅发布了新数据集,还开源了代码实现,支持ResNet-50和Swin-Tiny等多种骨干网络,为研究人员提供了多样化选择。项目的GitHub仓库提供了详细的安装说明、推理和训练代码,以及预训练模型。
bert-fa-base-uncased-sentiment-deepsentipers-binary - 波斯语情感分析优化:ParsBERT v2.0项目
DeepSentiPersDigikalaGithubHuggingfaceParsBERTSnappFood开源项目情感分析模型
该项目专注于ParsBERT v2.0在波斯语情感分析中的表现,通过更新词汇表和微调训练数据集,如Digikala、SnappFood和DeepSentiPers,实现文本情感的多类别及二元分类测试,其中去除了中性类别。ParsBERT v2在测试中展现出优秀的性能,为研究人员提供了有效的工具。用户可访问相关链接下载数据集,并通过文档获取更详细的使用说明和项目动态。
SenseVoice - 高效、多语种语音识别与情绪识别技术平台
GithubSenseVoice多语言语音识别开源项目情绪识别推理效率热门音频事件检测
SenseVoice是一款支持多语言的语音解析模型,整合了自动语音识别、语种识别、情绪识别及音频事件检测功能。该项目采用非自回归端到端框架,可在超过50种语言上提供精准的语音识别服务,大幅降低了推理延迟,提供方便的微调脚本和多语种细粒度情绪分析,支持多种客户端语言和服务部署,适用于多种商业场景。
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

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。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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