captioning

Facebook AI Research (FAIR) による、ビジョン＆言語のマルチモーダル研究のためのモジュール式フレームワーク

マルチモーダルモデル（PaliGemma 2、Florence-2、Qwen2.5-VL）のファインチューニングプロセスを効率化する

JoyCaption は、Diffusion モデルのトレーニングでコミュニティが使用できるように、無料、オープン、検閲なしのモデルとしてゼロから構築されている画像キャプション用 Visual Language Model (VLM) です。

新一代 AI 专业字幕软件，剪映字幕、elevenlabs 语音转文本的最佳本地版平替之一，也是加强版。中英转录识别准确率超过 97%，词语音频对齐率 98%，说话人分割与识别准确率 96%，带有最先进的 ASR 开源模型，100+字幕动画（支持导出透明背景的字幕动画）。说话人识别、专业字幕编辑器、命令行工具、Skill，达芬奇字幕插件（含字幕动画插件），PR 字幕插件，本地转录、远程转录、文稿匹配、智能拆行、AI校正、AI 智能热词、翻译、双语字幕、专业字幕编辑器、字幕合成、自定义大模型 API