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 принимает исходное изображение и формирует его преобразованный вариант. Это компонент для обработки картинок; изменение стиля, повышение разрешения, восстановление деталей или другие отдельные операции необходимо подтверждать по документации конкретной модели. В качестве основы или связанной базовой модели издатель указал: Kim2091/ClearRealityV1.
Модель создаёт аудиорезультат по текстовому описанию. На вход передаётся текст, на выходе получается звук; синтез речи, музыки или звуковых эффектов относится к конкретной специализации и требует дополнительного подтверждения. В качестве основы или связанной базовой модели издатель указал: m-a-p/YuE2-3B. Заявленные форматы файлов модели: GGUF.
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. 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.
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, корейский. В качестве основы или связанной базовой модели издатель указал: google/gemma-4-12B-it. 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. В карточке издателя заявлены языки: английский, испанский, итальянский, китайский, корейский, немецкий, португальский, русский, французский, японский. В качестве основы или связанной базовой модели издатель указал: mistralai/Pixtral-Large-Instruct-2411. Для работы с моделью в источнике указаны библиотеки: llama.cpp, 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. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель помогает сравнивать смысл предложений и текстовых фрагментов. Она создаёт представления текста или оценки близости, которые можно использовать в сопоставлении и поиске; совпадение смысла оценивается моделью и не является доказательством совпадения фактов. Издатель указал языки: английский. Для получения файлов может понадобиться принятие условий или одобрение издателя.
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.
Модель помогает сравнивать смысл предложений и текстовых фрагментов. Она создаёт представления текста или оценки близости, которые можно использовать в сопоставлении и поиске; совпадение смысла оценивается моделью и не является доказательством совпадения фактов. В карточке издателя заявлены языки: итальянский. В качестве основы или связанной базовой модели издатель указал: nickprock/Italian-ModernBERT-base-embed-mmarco-mnrl. Для работы с моделью в источнике указаны библиотеки: Sentence Transformers. Заявленные форматы файлов модели: 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. Издатель пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью.
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 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.
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.
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 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. 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.
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 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 создаёт трёхмерное представление по текстовому описанию желаемого объекта или сцены. Формат результата, наличие геометрической сетки и текстур определяются конкретной реализацией; тип задачи сам по себе не подтверждает готовность модели к производству физических деталей. 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.
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 пометил продукт как LoRA-адаптер; его использование связано с совместимой базовой моделью. 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. В качестве основы или связанной базовой модели издатель указал: speechbrain/spkrec-ecapa-voxceleb.
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. В качестве основы или связанной базовой модели издатель указал: moondream/parakeet-ultra.
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. Для работы с моделью в источнике указаны библиотеки: Transformers. 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. В качестве основы или связанной базовой модели издатель указал: microsoft/deberta-v3-base. Заявленные форматы файлов модели: Safetensors.
Модель анализирует аудиофрагмент и определяет его категорию. На выходе получаются метки звуков и оценки соответствия классам; наличие этого типа задачи не подтверждает распознавание конкретных событий, музыкальных жанров или эмоций без сведений об обучении. Заявленные форматы файлов модели: 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.
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.
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 разделяет изображение на области, относящиеся к объектам или категориям. Результат описывает принадлежность пикселей, а не только рамки вокруг объектов; тип сегментации и список классов определяются конкретной моделью. Для запуска в источнике указаны библиотеки PyTorch. Заявленные форматы: Safetensors. Это заявленный адаптер: для работы нужна совместимая базовая модель.
Модель разделяет изображение на области, относящиеся к объектам или категориям. Результат описывает принадлежность пикселей, а не только рамки вокруг объектов; тип сегментации и список классов определяются конкретной моделью. Для запуска в источнике указаны библиотеки PyTorch. Заявленные форматы: Safetensors. Это заявленный адаптер: для работы нужна совместимая базовая модель.
Модель разделяет изображение на области, относящиеся к объектам или категориям. Результат описывает принадлежность пикселей, а не только рамки вокруг объектов; тип сегментации и список классов определяются конкретной моделью. Для запуска в источнике указаны библиотеки PyTorch. Заявленные форматы: Safetensors. Это заявленный адаптер: для работы нужна совместимая базовая модель.
Модель разделяет изображение на области, относящиеся к объектам или категориям. Результат описывает принадлежность пикселей, а не только рамки вокруг объектов; тип сегментации и список классов определяются конкретной моделью. Для запуска в источнике указаны библиотеки PyTorch. Заявленные форматы: Safetensors. Это заявленный адаптер: для работы нужна совместимая базовая модель.
Модель разделяет изображение на области, относящиеся к объектам или категориям. Результат описывает принадлежность пикселей, а не только рамки вокруг объектов; тип сегментации и список классов определяются конкретной моделью. В конфигурации указана архитектура SegformerForSemanticSegmentation. Для запуска в источнике указаны библиотеки Transformers. Заявленные форматы: Safetensors.
Модель разделяет изображение на области, относящиеся к объектам или категориям. Результат описывает принадлежность пикселей, а не только рамки вокруг объектов; тип сегментации и список классов определяются конкретной моделью. В конфигурации указана архитектура SegformerForSemanticSegmentation. Для запуска в источнике указаны библиотеки Transformers. Заявленные форматы: Safetensors.
Модель создаёт видеопоследовательность с учётом исходного изображения. На вход подаётся картинка, на выходе получается последовательность кадров; управление движением, длина ролика и наличие аудиодорожки зависят от конкретной реализации.
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.
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.
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.
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: Qwen/Qwen3.8-27B. Для работы с моделью в источнике указаны библиотеки: MLX. Заявленные форматы файлов модели: Safetensors.