PEERIVOAgents, MCP, models, applications and technologies in one catalog. Owner and license details are updated continuously; unverified conditions are marked.
Owners and publishers: 11274
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно. Для работы с моделью в источнике указаны библиотеки: PyTorch, Transformers.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно. Для работы с моделью в источнике указаны библиотеки: PyTorch, Transformers.
Модель создаёт трёхмерное представление объекта или сцены по входному изображению. На выходе получается 3D-результат в формате, который определён конкретной реализацией; наличие готовой сетки, текстур или точных физических размеров требует отдельного подтверждения. Для работы с моделью в источнике указаны библиотеки: Diffusers. Заявленные форматы файлов модели: Safetensors.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории. В карточке издателя заявлены языки: английский. Заявленные форматы файлов модели: Safetensors.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно. Для работы с моделью в источнике указаны библиотеки: PyTorch, Transformers.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно. Для работы с моделью в источнике указаны библиотеки: PyTorch, Transformers.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно. Для работы с моделью в источнике указаны библиотеки: PyTorch, Transformers.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно. Для работы с моделью в источнике указаны библиотеки: PyTorch, Transformers.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель преобразует текст в числовые представления, которые затем можно передать в поиск, сравнение или другой алгоритм обработки. Результат представляет собой признаки, а не готовый ответ пользователю; способ объединения признаков и расчёта сходства выбирается отдельно. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель подбирает вероятные слова или токены на месте отмеченных пропусков во входном тексте. Результат содержит варианты заполнения с учётом окружающего контекста; это предназначено для восстановления фрагментов, а не обязательно для свободного диалога.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. В карточке издателя заявлены языки: английский. Заявленные форматы файлов модели: GGUF.
Модель сопоставляет входной текст с категориями, которые задаются во время запроса. Она возвращает оценки соответствия предложенным меткам и позволяет работать без отдельного обучения на каждом наборе категорий; качество зависит от формулировок и области применения. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории. Издатель указал языки: вьетнамский. В конфигурации указана архитектура RobertaForSequenceClassification. Для запуска в источнике указаны библиотеки Transformers. Заявленные форматы: Safetensors.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. В качестве основы или связанной базовой модели издатель указал: dphn/Dolphin-Mistral-24B-Venice-Edition. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
Модель переводит входной текст с одного языка на другой и возвращает перевод в текстовом виде. Она предназначена для автоматической обработки фраз и документов; конкретные направления перевода определяются заявленными языками и настройками модели. В карточке издателя заявлены языки: английский, вьетнамский.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT.
Модель получает вопрос и предоставленный текстовый контекст и определяет ответ на их основе. Результат может быть фрагментом исходного текста или сформированным ответом в зависимости от реализации; доступ к интернету не подразумевается этим типом задачи. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen1.5-MoE-A2.7B. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. Для работы с моделью в источнике указаны библиотеки: PEFT. Заявленные форматы файлов модели: Safetensors.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой. В качестве основы или связанной базовой модели издатель указал: nvidia/GR00T-N1.7-3B. Заявленные форматы файлов модели: Safetensors.
Модель предназначена для обработки наблюдений и выбора действий в задачах робототехники. Она используется как часть системы обучения или управления роботом, а не как готовый робот; тип датчиков, формат управляющих команд и совместимое оборудование определяются конкретной моделью и её средой. В качестве основы или связанной базовой модели издатель указал: nvidia/GR00T-N1.7-3B. Заявленные форматы файлов модели: Safetensors.
Модель создаёт изображение по текстовому описанию желаемого результата. На вход передаётся описание, на выходе получается картинка; разрешение, стиль, точность следования инструкции и доступные настройки определяются конкретной моделью и способом запуска.
Модель размечает отдельные слова или фрагменты входного текста метками. Результат сохраняет связь между меткой и участком текста, что позволяет использовать модель в задачах извлечения сущностей и лингвистической разметки; конкретный набор сущностей и меток определяется обучением. В качестве основы или связанной базовой модели издатель указал: almanach/camembert-base. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
Модель переводит входной текст с одного языка на другой и возвращает перевод в текстовом виде. Она предназначена для автоматической обработки фраз и документов; конкретные направления перевода определяются заявленными языками и настройками модели.
Модель получает изображение и определяет, к какой из обученных категорий оно относится. Результат содержит метку или оценки классов для картинки целиком; набор распознаваемых категорий задаётся обучением и не подразумевает поиск расположения каждого объекта.
Модель находит объекты на изображении и возвращает их категории вместе с координатами ограничивающих рамок. Это позволяет определить и наличие объекта, и его расположение; поддерживаемые категории и качество обнаружения зависят от обучения.
Модель находит объекты на изображении и возвращает их категории вместе с координатами ограничивающих рамок. Это позволяет определить и наличие объекта, и его расположение; поддерживаемые категории и качество обнаружения зависят от обучения.
Модель преобразует речь из аудиозаписи в текстовую расшифровку. На вход подаётся звук, на выходе получается распознанная последовательность слов; поддерживаемые языки, временные метки и разделение говорящих зависят от конкретной модели и не гарантируются названием задачи. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель преобразует речь из аудиозаписи в текстовую расшифровку. На вход подаётся звук, на выходе получается распознанная последовательность слов; поддерживаемые языки, временные метки и разделение говорящих зависят от конкретной модели и не гарантируются названием задачи. Для работы с моделью в источнике указаны библиотеки: PEFT.
Модель преобразует речь из аудиозаписи в текстовую расшифровку. На вход подаётся звук, на выходе получается распознанная последовательность слов; поддерживаемые языки, временные метки и разделение говорящих зависят от конкретной модели и не гарантируются названием задачи. Для работы с моделью в источнике указаны библиотеки: PEFT.
Модель оценивает соответствие документов или текстовых фрагментов поисковому запросу и помогает упорядочить кандидатов. На вход поступают запрос и тексты, на выходе — оценки или порядок релевантности; сбор документов обычно выполняется отдельной поисковой системой.
Модель превращает написанный текст в звуковую речь. На вход подаётся текст, на выходе получается аудио с его произнесением; язык, голоса, возможность управлять интонацией или клонировать голос требуют отдельного подтверждения для конкретной модели.
Модель используется для выбора действий агента в среде в задачах обучения с подкреплением. На вход поступает состояние или наблюдение, на выходе формируется решение о действии; совместимая среда, пространство действий и способ оценки результата задаются конкретной реализацией. Для работы с моделью в источнике указаны библиотеки: PyTorch.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи.
Модель генерирует новый текст по входному тексту: продолжает фразу или документ и возвращает полученную последовательность слов. Это компонент для текстовых приложений; способность вести диалог, писать код или выполнять инструкции зависит от обучения конкретной модели и не следует из самого типа задачи. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель анализирует фразу, сообщение или документ и присваивает ему категорию. На выходе получаются метки и оценки соответствия классам; набор классов зависит от конкретного обучения, поэтому тип задачи сам по себе не подтверждает распознавание тональности, спама или любой другой определённой категории. В качестве основы или связанной базовой модели издатель указал: distilbert/distilbert-base-uncased. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: Safetensors.
Модель совместно обрабатывает изображение и текстовый запрос и выдаёт текстовый результат. Она предназначена для приложений, где ответ зависит от визуального содержимого; распознавание текста, решение задач по диаграммам и другие частные навыки требуют отдельного подтверждения для этой модели.
Модель получает значения табличных признаков и предсказывает числовую величину. Это компонент для задач численного прогнозирования; целевая величина, единицы измерения, список признаков и допустимая область данных определяются конкретным обучением. В качестве основы или связанной базовой модели издатель указал: Tartan-IMU/TartanIMU.