modelscope

Kit de herramientas de reconocimiento de voz de código abierto para entrenamiento, inferencia, ASR en streaming, VAD, puntuación, canalizaciones de diarización de altavoces y servicio compatible con OpenAI/MCP.

Usa PEFT o parámetros completos para CPT/SFT/DPO/GRPO en más de 600 LLMs (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) y más de 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) (AAAI 2025).

¡Disfruta de la magia de los modelos de difusión!

FaceChain es una cadena de herramientas de aprendizaje profundo para generar tu gemelo digital.

ModelScope: da vida al concepto de Model-as-a-Service.

Herramienta de transcripción de video, generación de subtítulos y recorte asistido por LLM basada en FunASR, con una interfaz de usuario local de Gradio

Un kit de herramientas de procesamiento de voz impulsado por IA y modelos preentrenados SOTA de código abierto, compatible con mejora de voz, separación y extracción del hablante objetivo, etc.

MS-Agent: un framework ligero para potenciar la ejecución autónoma de tareas complejas

Un marco de trabajo optimizado y personalizable para la evaluación eficiente y el análisis de rendimiento de modelos grandes (LLM, VLM, AIGC).

Un repositorio para verificación de locutor monomodal y multimodal, reconocimiento de locutor y diarización de locutor

AgentEvolver: Hacia un sistema de agentes autoevolutivos eficiente

🐿️ Sirchmunk: De datos sin procesar a inteligencia autoevolutiva en tiempo real.

SCEPTER es un marco de trabajo de código abierto utilizado para el entrenamiento, ajuste fino e inferencia con modelos generativos.