OpenBayes 一周速览丨一键部署 OpenAI 最新语音识别模型，下载超 13 万次！

公共资源速递

This Weekly Snapshots ！

5 个数据集：

• Human Faces Dataset 人脸数据集
• MMedc 大规模多语言医疗语料库
• MMedBench 多语言医学能力基准数据集
• MMMLU 多语言多任务语言理解数据集
• FRAMES-benchmark 检索增强生成测试集

1 个模型：

• Llama-3.2-11B-Vision-Instruct

3 个教程：

• 一键部署 YOLOv11
• Whisper-large-v3-turbo 语音识别、翻译 Demo
• ScribblePrompt 医学图像分割工具

访问官网立即使用：http://openbayes.com

公共数据集

1. Human Faces Dataset 人脸数据集

该数据集包含约 9.6k 张人脸图像，其中 5k 张真实人脸图像，4.63k 张 AI 生成的人脸图像。

直接使用：

https://go.openbayes.com/ZvF6R

数据集图像示例

2. MMedc 大规模多语言医疗语料库

该数据集包含了约 255 亿个 tokens 的医疗预料数据，涵盖了 6 种主要语言：英语、中文、日语、法语、俄语和西班牙语，并且对更多语言的支持仍在不断更新和扩展中。

直接使用：

https://go.openbayes.com/ux6dX

MMedC 数据集统计概览

3. MMedBench 多语言医学能力测试基准数据集

该数据集旨在评估医学领域多语言模型的发展，涵盖了 6 种语言和 21 种医学子领域。MMedBench 的所有问题直接来源于各国的医学考试题库，确保了评测的准确性和可靠性，避免了由于不同国家医疗实践指南差异导致的诊断理解偏差。

直接使用：

https://go.openbayes.com/uQytk

MMedBench 数据集统计概览

4. MMMLU 多语言多任务语言理解数据集

MMMLU 旨在评估和提升人工智能模型在不同语言、认知和文化背景下的性能。该数据集建立在大规模多任务语言理解 (MMLU) 基准的基础上，包含 57 个不同学科领域的任务，涵盖了从初级知识到法律、物理、历史和计算机科学等高级专业学科。

直接使用：

https://go.openbayes.com/BUGAr

5. FRAMES-benchmark 检索增强生成测试集

该数据集包含 824 个具有挑战性的多跳问题，这些问题需要从 2 到 15 篇维基百科文章中获取信息。问题涵盖了历史、体育、科学、动物、健康等多个主题，并且每个问题都标有推理类型，如数值、表格、多重约束、时间性和后处理。数据集还提供了每个问题的黄金答案和相关的维基百科文章。

直接使用：

https://go.openbayes.com/grc7K

公共模型

1. Llama-3.2-11B-Vision-Instruct

发布机构： Meta

该模型为 Llama 3.2-Vision 的 11B 参数大小的指令微调模型，针对视觉识别、图像推理、字幕和回答有关图像的一般问题进行了优化，支持英语、德语、法语等 8 种语言。

直接使用：

https://go.openbayes.com/CQIbR

公共教程

1. 一键部署 YOLOv11

YOLOv11 在准确性、速度和效率方面进行了显著提升，与以前的 YOLO 模型版本相比，在架构和训练方法上进行了重大改进。该教程为 YOLOv11 一键部署 Demo，包含 5 种功能：物体检测、实例分割、图像分类、姿态估计和定位物体检测，模型和相关环境已经安装完毕，直接克隆并打开 API 地址即可进行模型推理。

在线运行：

https://go.openbayes.com/GSxf1

效果示例

2. Whisper-large-v3-turbo 语音识别、翻译 Demo

Whisper large-v3-turbo 语音转录模型是 OpenAI 发布的 large-v3 的优化版本，并且只有 4 层解码器层 (Decoder Layers)，所需的 VRAM 仅为 6 GB。教程通过最新的 Gradio 5 稳定版，克隆并打开 API 地址即可进行模型推理。

在线运行：

https://go.openbayes.com/r925k

效果示例

3. ScribblePrompt 医学图像分割工具

ScribblePrompt 的主要目标是简化医学图像的分割过程，这在肿瘤检测、器官轮廓描绘等应用中至关重要。相比依赖大量人工标注数据，该工具允许用户通过少量输入（例如简单的涂鸦或点位）来引导模型优化分割结果。点击下方链接直接克隆，并打开 API 地址即可对医学图像进行分割处理。

在线运行：

https://go.openbayes.com/Dzk0v

效果示例

以上就是小贝上周在 OpenBayes 的全部更新内容啦\~

小贝还建立了「Stable Diffusion 教程交流群」，欢迎小伙伴们入群探讨各类技术问题、分享应用效果\~扫描下方二维码添加小贝总微信（微信号：OpenBayes001），备注「SD 教程交流」，即可加入群聊。