Pinned Loading

1. llava-Qwen2-7B-Instruct-Chinese-CLIP llava-Qwen2-7B-Instruct-Chinese-CLIP Public

   模型 llava-Qwen2-7B-Instruct-Chinese-CLIP 增强中文文字识别能力和表情包内涵识别能力，接近gpt4o、claude-3.5-sonnet的识别水平！

   Python 18 3

2. chinese-meme-description-dataset chinese-meme-description-dataset Public

   为了促进小模型在图像文本描述任务上的性能提升，本研究结合两个高质量的中文表情包数据集，并利用 Gemini-1.5-pro，Gemini-1.5-flash，Gemini-1.0-pro-vision，gpt4o，claude-3.5-sonnet，Yi-Vision 六种大型语言模型 (LLM) 对数据集进行高质量的标注，生成丰富的图像-文本描述。

   Python 4 1

3. ImageText-Question-answer-pairs-58K-Claude-3.5-Sonnnet ImageText-Question-answer-pairs-58K-Claude-3.5-Sonnnet Public

   From the VisualGenome dataset V1.2, 21717 images were randomly selected. Using the Claude-3-opus-20240229 and Claude-3-sonnet-20240620 models, a total of 58312 question-answer pairs were generated,…

   Python

4. podcast-player podcast-player Public

   一个基于PyQt5开发的播客播放器，具有音频播放、字幕显示和实时翻译功能。支持Google翻译、Gemini和SiliconCloud三种翻译服务，可实时显示双语字幕，并支持单词级别的同步高亮。播放器还具有字幕缓存、历史记录等功能，为用户提供流畅的播客学习体验。

   Python 4

5. VisualDataset100K VisualDataset100K Public

   VisualDataset100K: A comprehensive image question-answering dataset created using large vision-language models. It includes 100K detailed image descriptions, 100K & 58K Q&A pairs, and datasets for …

   Python 1