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 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 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 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: китайский. В качестве основы или связанной базовой модели издатель указал: Qwen/Qwen3.5-0.8B. 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. 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. 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.
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.
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: caiovicentino1/Ekbasis-27B. Для работы с моделью в источнике указаны библиотеки: MLX. Заявленные форматы файлов модели: Safetensors.
Модель преобразует изображение в числовое представление для последующей обработки. Такие признаки можно использовать в сравнении или поиске изображений; отдельные категории объектов и готовые текстовые описания не являются обязательным результатом этой задачи. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель преобразует изображение в числовое представление для последующей обработки. Такие признаки можно использовать в сравнении или поиске изображений; отдельные категории объектов и готовые текстовые описания не являются обязательным результатом этой 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. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель формирует текстовую информацию по входному изображению. Результат может использоваться в приложениях описания или чтения картинок; конкретная специализация на распознавании текста либо описании сцены определяется документацией модели. Издатель указал языки: арабский, урду, персидский. Заявленная основа: Qwen/Qwen3.5-VL-4B-Instruct. В конфигурации указана архитектура Qwen3_5ForConditionalGeneration. Для запуска в источнике указаны библиотеки Transformers. Заявленные форматы: 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. 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.
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.
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.
Модель находит характерные точки на изображении и возвращает их координаты. Результат может использоваться в анализе положения объектов; тип точек, перечень объектов и способность оценивать позу человека необходимо проверять по конкретной 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. В карточке издателя заявлены языки: английский, китайский. 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. 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. Для работы с моделью в источнике указаны библиотеки: 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. В карточке издателя заявлены языки: английский, китайский. Для работы с моделью в источнике указаны библиотеки: Transformers. Заявленные форматы файлов модели: 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.
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 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 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 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 карточке издателя заявлены языки: арабский. В качестве основы или связанной базовой модели издатель указал: aubmindlab/bert-base-arabertv02. Для работы с моделью в источнике указаны библиотеки: PyTorch.
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 карточке издателя заявлены языки: арабский. В качестве основы или связанной базовой модели издатель указал: aubmindlab/bert-base-arabertv02. 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. Для работы с моделью в источнике указаны библиотеки: Transformers.
Модель формирует текстовую информацию по входному изображению. Результат может использоваться в приложениях описания или чтения картинок; конкретная специализация на распознавании текста либо описании сцены определяется документацией модели.
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 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: ONNX. Заявленные форматы файлов модели: ONNX.
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 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 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 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. 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 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 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 качестве основы или связанной базовой модели издатель указал: lightonai/LateOn. Для работы с моделью в источнике указаны библиотеки: Sentence Transformers. Заявленные форматы файлов модели: Safetensors.