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 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 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: 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 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 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 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. Для запуска в источнике указаны библиотеки LeRobot. Заявленные форматы: 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. Заявленная основа: lerobot/pi05_base. Для запуска в источнике указаны библиотеки LeRobot. Заявленные форматы: 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. Для работы с моделью в источнике указаны библиотеки: LeRobot. 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: lerobot/pi05_base. Для работы с моделью в источнике указаны библиотеки: LeRobot. 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. Для работы с моделью в источнике указаны библиотеки: LeRobot. 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. Для работы с моделью в источнике указаны библиотеки: LeRobot. 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. Для работы с моделью в источнике указаны библиотеки: LeRobot. 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. 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 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: 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.
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.
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 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 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 анализирует последовательность значений, упорядоченных во времени, и оценивает будущие значения. На вход подаются исторические наблюдения, на выходе — прогноз; горизонт, частота данных и поддержка нескольких рядов определяются конкретной моделью.
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: 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.
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. Заявленные форматы файлов модели: GGUF, Safetensors.
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. Для работы с моделью в источнике указаны библиотеки: ONNX. Заявленные форматы файлов модели: ONNX.
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 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. Заявленные форматы файлов модели: GGUF.
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 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 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. Заявленная основа: stabilityai/stable-diffusion-xl-base-1.0. Для запуска в источнике указаны библиотеки Diffusers. Это заявленный адаптер: для работы нужна совместимая базовая модель.
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. Для работы с моделью в источнике указаны библиотеки: PyTorch.
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 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. Для работы с моделью в источнике указаны библиотеки: PyTorch, 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. Для работы с моделью в источнике указаны библиотеки: PyTorch, 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. В качестве основы или связанной базовой модели издатель указал: meta-llama/Llama-2-7b-hf. 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. 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. В качестве основы или связанной базовой модели издатель указал: meta-llama/Llama-2-7b-hf. Для работы с моделью в источнике указаны библиотеки: PEFT.