Hugging Face transformers 里 pipelines 的注册信息。
里面每个条目对应一种任务类型（task），记录了：

  • impl：对应的 pipeline 类

  • tf：是否有 TensorFlow 实现（列表空表示没有）

  • pt：是否有 PyTorch 实现（以及可用的 AutoModel 类）

  • default.model：如果你直接 pipeline(task_name) 不指定模型，会用的默认模型（及其哈希 ID）

  • type：任务类别（text / image / audio / multimodal / video）

任务名 (task) 默认模型 (PyTorch) 默认模型 (TensorFlow) 类型 TF支持? PT支持? 中文说明
audio-classification superb/wav2vec2-base-superb-ks — audio ❌ ✅ 音频分类，将音频分成预定义类别
automatic-speech-recognition facebook/wav2vec2-base-960h — multimodal ❌ ✅ 语音转文字（ASR）
text-to-audio suno/bark-small — text ❌ ✅ 文本生成音频
feature-extraction distilbert/distilbert-base-cased distilbert/distilbert-base-cased multimodal ✅ ✅ 提取文本或多模态特征向量
text-classification distilbert/distilbert-base-uncased-finetuned-sst-2-english 同左 text ✅ ✅ 文本分类（如情感分析）
token-classification dbmdz/bert-large-cased-finetuned-conll03-english 同左 text ✅ ✅ 序列标注（如命名实体识别）
question-answering distilbert/distilbert-base-cased-distilled-squad 同左 text ✅ ✅ 阅读理解问答
table-question-answering google/tapas-base-finetuned-wtq 同左 text ✅ ✅ 基于表格的问答
visual-question-answering dandelin/vilt-b32-finetuned-vqa — multimodal ❌ ✅ 图文问答
document-question-answering impira/layoutlm-document-qa — multimodal ❌ ✅ 文档理解问答
fill-mask distilbert/distilroberta-base 同左 text ✅ ✅ 掩码语言模型填空
summarization sshleifer/distilbart-cnn-12-6 google-t5/t5-small text ✅ ✅ 文本摘要
translation google-t5/t5-base 同左 text ✅ ✅ 机器翻译
text2text-generation google-t5/t5-base 同左 text ✅ ✅ 文本到文本生成
text-generation openai-community/gpt2 同左 text ✅ ✅ 自然语言生成
zero-shot-classification facebook/bart-large-mnli FacebookAI/roberta-large-mnli text ✅ ✅ 零样本文本分类
zero-shot-image-classification openai/clip-vit-base-patch32 同左 multimodal ✅ ✅ 零样本图像分类
zero-shot-audio-classification laion/clap-htsat-fused — multimodal ❌ ✅ 零样本音频分类
image-classification google/vit-base-patch16-224 同左 image ✅ ✅ 图像分类
image-feature-extraction google/vit-base-patch16-224 同左 image ✅ ✅ 图像特征提取
image-segmentation facebook/detr-resnet-50-panoptic — multimodal ❌ ✅ 图像分割
image-to-text ydshieh/vit-gpt2-coco-en 同左 multimodal ✅ ✅ 图像描述生成
image-text-to-text llava-hf/llava-onevision-qwen2-0.5b-ov-hf — multimodal ❌ ✅ 图文混合输入生成文本
object-detection facebook/detr-resnet-50 — multimodal ❌ ✅ 目标检测
zero-shot-object-detection google/owlvit-base-patch32 — multimodal ❌ ✅ 零样本目标检测
depth-estimation Intel/dpt-large — image ❌ ✅ 深度估计
video-classification MCG-NJU/videomae-base-finetuned-kinetics — video ❌ ✅ 视频分类
mask-generation facebook/sam-vit-huge — multimodal ❌ ✅ 图像掩码生成
image-to-image caidas/swin2SR-classical-sr-x2-64 — image ❌ ✅ 图像到图像转换（超分辨率等）
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

基于Neo4j用例知识图谱的公众号内容热度解析：软件测试从业者指南

avatar 2048 AI社区

第6章 Web开发智能化实践：从特效到插件的全栈探索

本文摘要： 本章探讨AI如何赋能Web开发全流程，显著提升开发效率。重点展示了三个实战案例：1）通过自然语言描述快速生成带自动播放、响应式布局的轮播图组件；2）将桌面应用转换为Web应用的技术实现；3）开发功能完整的Chrome插件。每个案例都遵循"需求分析-AI交互-代码生成-优化"的标准流程，提供可直接运行的代码示例。实测显示，AI辅助可使前端开发效率平均提升63%，尤其在

avatar 2048 AI社区
cover

OPA数据血缘追踪模块的技术解析

avatar 2048 AI社区