Transformers 提供了大量预训练模型，可以有效地处理不同模式（如文本、视觉和音频）的各种任务。这些模型可以部署以执行与文本相关的任务，如文本分类、信息提取、问答、摘要、翻译和文本生成，支持 100 多种语言。它们还可以处理与图像相关的任务，如图像分类、对象检测和分割，以及与音频相关的任务，如语音识别和音频分类。此外，变压器模型可以对各种模式执行多任务处理，包括表格问答、光学字符识别