modelscope

Bộ công cụ nhận dạng giọng nói nguồn mở dành cho huấn luyện, suy luận, streaming ASR, VAD, dấu câu, pipeline phân đoạn người nói (speaker diarization) và phục vụ tương thích với OpenAI/MCP.

Sử dụng PEFT hoặc Full-parameter cho CPT/SFT/DPO/GRPO hơn 600 LLM (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) và hơn 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) (AAAI 2025).

Tận hưởng sự kỳ diệu của các mô hình Diffusion!

FaceChain là một chuỗi công cụ học sâu để tạo ra Bản sao Kỹ thuật số của bạn.

ModelScope: Hiện thực hóa khái niệm Model-as-a-Service.

Công cụ chuyển biên video, tạo phụ đề và cắt ghép video hỗ trợ bởi LLM, hoạt động dựa trên FunASR với giao diện Gradio cục bộ.

Bộ công cụ xử lý giọng nói hỗ trợ AI và các mô hình tiền huấn luyện SOTA mã nguồn mở, hỗ trợ tăng cường, tách rời giọng nói và trích xuất giọng nói mục tiêu, v.v.

MS-Agent: một framework nhẹ để hỗ trợ thực thi tác vụ phức tạp theo hướng tác nhân (agentic)

Một khung làm việc tinh gọn và có thể tùy chỉnh để đánh giá hiệu suất và mô hình lớn (LLM, VLM, AIGC) hiệu quả.

Kho lưu trữ dành cho Xác thực người nói đơn và đa phương thức, Nhận diện người nói và Phân đoạn người nói

AgentEvolver: Hướng tới hệ thống tác nhân tự tiến hóa hiệu quả

🐿️ Sirchmunk: Biến dữ liệu thô thành trí thông minh tự tiến hóa, theo thời gian thực.

SCEPTER là một khung làm việc mã nguồn mở được sử dụng để huấn luyện, tinh chỉnh và suy luận với các mô hình tạo sinh.