Тонке налаштування моделей перетворення тексту на мовлення

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Ця вправа є частиною курсу

Багатомодальні моделі з Hugging Face

SkillTag.level.intermediateSkillTag.label

4.8+

Почніть курс безкоштовно

Опануйте навігацію в хабі моделей Hugging Face та перетворюйте сирий текст, аудіо й візуальні дані у формати, зручні для ШІ. Дізнайтеся, як знаходити найновіші й найпопулярніші моделі для задач на кшталт генерації тексту та як ефективно використовувати готові конвеєри (pipelines).

Exercise 1: Навігація моделями Hugging Face Exercise 2: Скільки ж моделей!?Exercise 3: Пошук найпопулярнішої моделі text-to-image Exercise 4: Попереднє опрацювання різних модальностей Exercise 5: Токенізація тексту Exercise 6: Попередня обробка зображень Exercise 7: Попередня обробка аудіо Exercise 8: Завдання конвеєра та оцінювання Exercise 9: Генерація підпису за допомогою pipeline Exercise 10: Передавання іменованих аргументів Exercise 11: Оцінювання моделі на власному наборі даних

Навчіться впевнено працювати з окремими модальностями за допомогою найсучасніших моделей. Пориньте у комп'ютерний зір для класифікації та сегментації зображень, дослідіть розпізнавання мовлення й синтез текст-у-мову та опануйте ефективні підходи до тонкого налаштування. Розвивайте практичні навички з попередньо навченими моделями з бібліотеки transformers від Hugging Face.

Exercise 1: Комп'ютерний зір Exercise 2: Класифікація зображень Exercise 3: Виявлення об'єктів Exercise 4: Видалення фону на зображенні Exercise 5: Тонке налаштування моделей комп'ютерного бачення Exercise 6: Тонке налаштування CV: підготовка набору даних Exercise 7: Тонке налаштування CV: класи моделі Exercise 8: Тонке налаштування CV: конфігурація тренера Exercise 9: Розпізнавання мовлення та генерування аудіо Exercise 10: Автоматичне розпізнавання мовлення Exercise 11: Створення мовних вкладень Exercise 12: Знешумлення аудіо Exercise 13: Тонке налаштування моделей перетворення тексту на мовлення

Поточна вправа

Exercise 14: Тонке налаштування моделі перетворення тексту на мовлення Exercise 15: Генерування нових мовленнєвих фрагментів

Навчіться об'єднувати візуальну, текстову та аудіоінформацію для потужніших застосунків ШІ. Опануйте техніки на кшталт CLIP для zero-shot класифікації, створіть аналізатори тональності, що «бачать» і «читають», і побудуйте детектори емоцій, які поєднують міміку з голосом. Виведіть свої моделі за межі мислення однією модальністю.

Exercise 1: Zero-shot класифікація зображень Exercise 2: Zero-shot навчання з CLIP Exercise 3: Автоматизоване оцінювання якості підписів Exercise 4: Мультимодальний аналіз тональності Exercise 5: Підказування для Vision Language Models (VLMs)Exercise 6: Багатомодальна класифікація сентименту з Qwen Exercise 7: Zero-shot класифікація відео Exercise 8: Розділення відео на аудіо Exercise 9: Аналіз настроїв у відео за допомогою CLIP і CLAP

Втілюйте ідеї в реальність! Опануйте передові техніки ШІ для генерації та редагування візуального контенту за допомогою текстових підказок. Створюйте вражаючі зображення, розумно редагуйте фото та будуйте потужні системи запитань-відповідей для зображень і документів. Перетворіть своє творче бачення на цифрову реальність завдяки багатомодальному ШІ.

Exercise 1: Відповіді на запитання за зображеннями (VQA)Exercise 2: VQA за допомогою Vision Language Transformers (ViLT)Exercise 3: VQA для документів із LayoutLM Exercise 4: Редагування зображень за допомогою дифузійних моделей Exercise 5: Кастомне редагування зображень Exercise 6: Домальовування зображення (inpainting)Exercise 7: Генерація відео Exercise 8: Створіть відео!Exercise 9: Оцінювання якості генерації відео Exercise 10: Вітаємо!