浏览 Hugging Face 模型中心，将原始文本、音频和视觉数据转换为适合 AI 处理的格式。学习如何为文本生成等任务找到最新最热门的模型，并充分利用预构建的 pipeline。

Hugging Face 模型导航

有多少模型！？

查找最受欢迎的文本到图像模型

不同模态的预处理

文本分词

图像预处理

音频预处理

Pipeline 任务与评估

使用 Pipeline 生成图像描述

传递关键字参数

在自定义数据集上评估模型

访问 Hugging Face 模型与数据集

使用最先进的模型掌握各个单一模态。深入学习用于图像分类与分割的计算机视觉，探索语音识别与文本转语音合成，并掌握高效的微调技巧。基于 Hugging Face transformers 库中的预训练模型构建实用技能。

计算机视觉

图像分类

目标检测

图像背景移除

微调计算机视觉模型

计算机视觉微调：数据集准备

计算机视觉微调：模型类

计算机视觉微调：Trainer 配置

语音识别与音频生成

自动语音识别

创建语音嵌入向量

音频去噪

微调文本转语音模型

生成新语音

单模态的视觉、音频与文本模型

融合视觉、文本与音频信息，打造更强大的 AI 应用。掌握如 CLIP 等零样本分类技术，构建"能看也能读"的情感分析器，并创建结合面部表情与语音的情绪检测器。让您的 AI 模型跳出单一模态的局限。

零样本图像分类

使用 CLIP 的零样本学习

自动化标题质量评估

多模态情感分析

提示 Vision Language Models (VLMs)

使用 Qwen 进行多模态情感分类

零样本视频分类

视频与音频分离

使用 CLIP 与 CLAP 进行视频情感分析

用于分类的多模态模型

把创意变为现实！掌握前沿 AI 技术，使用文本提示生成与编辑视觉内容。创建令人惊艳的图像、智能编辑照片，并为图像与文档构建强大的问答系统。借助多模态 AI，将您的创意愿景转化为数字现实。

视觉问答（VQA）

使用 ViLT 的 VQA（视觉问答）

使用 LayoutLM 进行文档 VQA

使用扩散模型进行图像编辑

自定义图像编辑

图像局部修复（Inpainting）

视频生成

生成一个视频！

评估视频生成性能

恭喜您！

多模态生成

仅生成文本已经是 2024 年的事了！在本课程中，您将结合多种数据模态来生成图像、音频，甚至视频。我们将使用 Hugging Face 的模型和数据集，完成图像分类、目标检测和分割等计算机视觉任务。我们还会对音频去噪，并使用 Meta 的模型生成音乐；同时通过提示词来编辑图像并生成视频。欢迎加入本次生成式 AI 学习之旅！

<h2>驾驭多模态 AI 的力量</h2>深入探索前沿的多模态 AI 模型世界，在这里，文本、图像和语音相结合，打造强大的应用。 了解如何利用 Hugging Face 庞大的模型库，这些模型能够以前所未有的方式看、听和理解。 无论你是在分析社交媒体内容、构建语音助手，还是开发下一代 AI 应用，多模态模型都是你无缝处理多种数据类型的入门之选。<br><br><h2>掌握核心多模态技术</h2>探索最先进的模型，如用于图文理解的 CLIP、用于语音合成的 SpeechT5，以及用于多模态情感分析的 Qwen2 Vision Language 模型。 通过实践练习，您将掌握领先 AI 公司用于构建复杂多模态系统的技术。<br><br><h2>让你的 AI 技能面向未来</h2>本课程将为你提供一套强大的工具包，帮助你应对多模态 AI 任务。 您将学习如何有效处理和组合不同的数据模态，为定制应用微调预训练模型，并跨模态评估和提升模型性能。

Introduction to LLMs in Python

使用 Hugging Face 的多模态模型

用 Hugging Face 的最新 AI 模型融合文本、图像、音频和视频，并生成新图像和视频！

使用扩散模型进行图像编辑

Create Your Free Account