modelscope

トレーニング、推論、ストリーミングASR、VAD、句読点、話者ダイアライゼーションパイプライン、およびOpenAI互換/MCPサービングのためのオープンソース音声認識ツールキット

PEFTまたはFull-parameterを使用して、600以上のLLM (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) および300以上のMLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) に適用する (AAAI 2025)。

Diffusionモデルの魔法をお楽しみください！

FaceChainは、Digital-Twinを生成するための深層学習ツールチェーンです。

ModelScope: Model-as-a-Serviceの概念を具現化。

FunASRを搭載した動画文字起こし、字幕生成、LLM支援型クリッピングツール（ローカルGradio UI付き）

AI駆動型音声処理ツールキットおよびオープンソースのSOTA事前学習済みモデル。音声強調、分離、ターゲット話者抽出などをサポート。

MS-Agent: 複雑なタスクのエージェント的実行を可能にする軽量フレームワーク

効率的な大規模モデル（LLM、VLM、AIGC）の評価とパフォーマンスベンチマークのための、効率的でカスタマイズ可能なフレームワーク。

シングルおよびマルチモーダルの話者照合、話者認識、話者ダイアライゼーションのためのリポジトリ

AgentEvolver: 効率的な自己進化型エージェントシステムに向けて

🐿️ Sirchmunk: 生データをリアルタイムで自己進化するインテリジェンスへ変換

SCEPTERは、生成モデルのトレーニング、ファインチューニング、推論に使用されるオープンソースフレームワークです。