从预训练模型配置中实例化该库的某个配置类。

要实例化的配置类是根据加载的配置对象的 model_type 属性来选择的；如果该属性缺失，则回退到对 pretrained_model_name_or_path 进行模式匹配：

• EvollaModel — EvollaConfig（EvollaConfig 模型）
• afmoe — AfmoeConfig（AfmoeConfig 模型）
• aimv2 — Aimv2Config（Aimv2Config 模型）
• aimv2_text_model — Aimv2TextConfig（Aimv2TextConfig 模型）
• aimv2_vision_model — Aimv2VisionConfig（Aimv2VisionConfig 模型）
• albert — AlbertConfig（AlbertConfig 模型）
• align — AlignConfig（AlignConfig 模型）
• align_text_model — AlignTextConfig（AlignTextConfig 模型）
• align_vision_model — AlignVisionConfig（AlignVisionConfig 模型）
• altclip — AltCLIPConfig（AltCLIPConfig 模型）
• altclip_text_model — AltCLIPTextConfig（AltCLIPTextConfig 模型）
• altclip_vision_model — AltCLIPVisionConfig（AltCLIPVisionConfig 模型）
• apertus — ApertusConfig（ApertusConfig 模型）
• arcee — ArceeConfig（ArceeConfig 模型）
• aria — AriaConfig（AriaConfig 模型）
• aria_text — AriaTextConfig（AriaTextConfig 模型）
• audio-spectrogram-transformer — ASTConfig（ASTConfig 模型）
• audioflamingo3 — AudioFlamingo3Config（AudioFlamingo3Config 模型）
• audioflamingo3_encoder — AudioFlamingo3EncoderConfig（AudioFlamingo3EncoderConfig 模型）
• autoformer — AutoformerConfig（AutoformerConfig 模型）
• axk1 — AXK1Config（AXK1Config 模型）
• axk2 — AXK2Config（AXK2Config 模型）
• aya_vision — AyaVisionConfig（AyaVisionConfig 模型）
• bailing_hybrid — BailingHybridConfig（BailingHybridConfig 模型）
• bamba — BambaConfig（BambaConfig 模型）
• bark — BarkConfig（BarkConfig 模型）
• bart — BartConfig（BartConfig 模型）
• beam — BeamConfig（BeamConfig 模型）
• beit — BeitConfig（BeitConfig 模型）
• bert — BertConfig（BertConfig 模型）
• bert-generation — BertGenerationConfig（BertGenerationConfig 模型）
• big_bird — BigBirdConfig（BigBirdConfig 模型）
• bigbird_pegasus — BigBirdPegasusConfig（BigBirdPegasusConfig 模型）
• biogpt — BioGptConfig（BioGptConfig 模型）
• bit — BitConfig（BitConfig 模型）
• bitnet — BitNetConfig（BitNetConfig 模型）
• blenderbot — BlenderbotConfig（BlenderbotConfig 模型）
• blenderbot-small — BlenderbotSmallConfig（BlenderbotSmallConfig 模型）
• blip — BlipConfig（BlipConfig 模型）
• blip-2 — Blip2Config（Blip2Config 模型）
• blip_2_qformer — Blip2QFormerConfig（Blip2QFormerConfig 模型）
• blip_2_vision_model — Blip2VisionConfig（Blip2VisionConfig 模型）
• blip_text_model — BlipTextConfig（BlipTextConfig 模型）
• blip_vision_model — BlipVisionConfig（BlipVisionConfig 模型）
• bloom — BloomConfig（BloomConfig 模型）
• blt — BltConfig（BltConfig 模型）
• blt_global_transformer — BltGlobalTransformerConfig（BltGlobalTransformerConfig 模型）
• blt_local_decoder — BltLocalDecoderConfig（BltLocalDecoderConfig 模型）
• blt_local_encoder — BltLocalEncoderConfig（BltLocalEncoderConfig 模型）
• blt_patcher — BltPatcherConfig（BltPatcherConfig 模型）
• bridgetower — BridgeTowerConfig（BridgeTowerConfig 模型）
• bridgetower_text_model — BridgeTowerTextConfig（BridgeTowerTextConfig 模型）
• bridgetower_vision_model — BridgeTowerVisionConfig（BridgeTowerVisionConfig 模型）
• bros — BrosConfig（BrosConfig 模型）
• camembert — CamembertConfig（CamembertConfig 模型）
• canary — CanaryConfig（CanaryConfig 模型）
• canary_decoder — CanaryDecoderConfig（CanaryDecoderConfig 模型）
• canine — CanineConfig（CanineConfig 模型）
• chameleon — ChameleonConfig（ChameleonConfig 模型）
• chameleon_vqgan — ChameleonVQVAEConfig（ChameleonVQVAEConfig 模型）
• chinese_clip — ChineseCLIPConfig（ChineseCLIPConfig 模型）
• chinese_clip_text_model — ChineseCLIPTextConfig（ChineseCLIPTextConfig 模型）
• chinese_clip_vision_model — ChineseCLIPVisionConfig（ChineseCLIPVisionConfig 模型）
• chmv2 — CHMv2Config（CHMv2Config 模型）
• clap — ClapConfig（ClapConfig 模型）
• clap_audio_model — ClapAudioConfig（ClapAudioConfig 模型）
• clap_text_model — ClapTextConfig（ClapTextConfig 模型）
• clip — CLIPConfig（CLIPConfig 模型）
• clip_text_model — CLIPTextConfig（CLIPTextConfig 模型）
• clip_vision_model — CLIPVisionConfig（CLIPVisionConfig 模型）
• clipseg — CLIPSegConfig（CLIPSegConfig 模型）
• clipseg_text_model — CLIPSegTextConfig（CLIPSegTextConfig 模型）
• clipseg_vision_model — CLIPSegVisionConfig（CLIPSegVisionConfig 模型）
• clvp — ClvpConfig（ClvpConfig 模型）
• clvp_decoder — ClvpDecoderConfig（ClvpDecoderConfig 模型）
• clvp_encoder — ClvpEncoderConfig（ClvpEncoderConfig 模型）
• codegen — CodeGenConfig（CodeGenConfig 模型）
• cohere — CohereConfig（CohereConfig 模型）
• cohere2 — Cohere2Config（Cohere2Config 模型）
• cohere2_moe — Cohere2MoeConfig（Cohere2MoeConfig 模型）
• cohere2_vision — Cohere2VisionConfig（Cohere2VisionConfig 模型）
• cohere_asr — CohereAsrConfig（CohereAsrConfig 模型）
• cohere_compass — CohereCompassConfig（CohereCompassConfig 模型）
• cohere_compass_text — CohereCompassTextConfig（CohereCompassTextConfig 模型）
• cohere_compass_vision — CohereCompassVisionConfig（CohereCompassVisionConfig 模型）
• colmodernvbert — ColModernVBertConfig（ColModernVBertConfig 模型）
• colpali — ColPaliConfig（ColPaliConfig 模型）
• colqwen2 — ColQwen2Config（ColQwen2Config 模型）
• conditional_detr — ConditionalDetrConfig（ConditionalDetrConfig 模型）
• convbert — ConvBertConfig（ConvBertConfig 模型）
• convnext — ConvNextConfig（ConvNextConfig 模型）
• convnextv2 — ConvNextV2Config（ConvNextV2Config 模型）
• cosmos3_edge — Cosmos3EdgeConfig（Cosmos3EdgeConfig 模型）
• cosmos3_edge_text — Cosmos3EdgeTextConfig（Cosmos3EdgeTextConfig 模型）
• cosmos3_edge_vision — Cosmos3EdgeVisionConfig（Cosmos3EdgeVisionConfig 模型）
• cosmos3_omni — Cosmos3OmniConfig（Cosmos3OmniConfig 模型）
• cpmant — CpmAntConfig（CpmAntConfig 模型）
• csm — CsmConfig（CsmConfig 模型）
• csm_depth_decoder_model — CsmDepthDecoderConfig（CsmDepthDecoderConfig 模型）
• ctrl — CTRLConfig（CTRLConfig 模型）
• cvt — CvtConfig（CvtConfig 模型）
• cwm — CwmConfig（CwmConfig 模型）
• d_fine — DFineConfig（DFineConfig 模型）
• dab-detr — DabDetrConfig（DabDetrConfig 模型）
• dac — DacConfig（DacConfig 模型）
• data2vec-audio — Data2VecAudioConfig（Data2VecAudioConfig 模型）
• data2vec-text — Data2VecTextConfig（Data2VecTextConfig 模型）
• data2vec-vision — Data2VecVisionConfig（Data2VecVisionConfig 模型）
• dbrx — DbrxConfig（DbrxConfig 模型）
• deberta — DebertaConfig（DebertaConfig 模型）
• deberta-v2 — DebertaV2Config（DebertaV2Config 模型）
• decision_transformer — DecisionTransformerConfig（DecisionTransformerConfig 模型）
• deepseek_ocr2 — DeepseekOcr2Config（DeepseekOcr2Config 模型）
• deepseek_ocr2_encoder — DeepseekOcr2VisionEncoderConfig（DeepseekOcr2VisionEncoderConfig 模型）
• deepseek_ocr2_sam_vision_model — DeepseekOcr2SamVisionConfig（DeepseekOcr2SamVisionConfig 模型）
• deepseek_ocr2_text — DeepseekOcr2TextConfig（DeepseekOcr2TextConfig 模型）
• deepseek_ocr2_vision — DeepseekOcr2VisionConfig（DeepseekOcr2VisionConfig 模型）
• deepseek_v2 — DeepseekV2Config（DeepseekV2Config 模型）
• deepseek_v3 — DeepseekV3Config（DeepseekV3Config 模型）
• deepseek_v32 — DeepseekV32Config（DeepseekV32Config 模型）
• deepseek_v4 — DeepseekV4Config（DeepseekV4Config 模型）
• deepseek_vl — DeepseekVLConfig（DeepseekVLConfig 模型）
• deepseek_vl_hybrid — DeepseekVLHybridConfig（DeepseekVLHybridConfig 模型）
• deformable_detr — DeformableDetrConfig（DeformableDetrConfig 模型）
• deimv2 — Deimv2Config（Deimv2Config 模型）
• deit — DeiTConfig（DeiTConfig 模型）
• depth_anything — DepthAnythingConfig（DepthAnythingConfig 模型）
• depth_pro — DepthProConfig（DepthProConfig 模型）
• detr — DetrConfig（DetrConfig 模型）
• dia — DiaConfig（DiaConfig 模型）
• dia_decoder — DiaDecoderConfig（DiaDecoderConfig 模型）
• dia_encoder — DiaEncoderConfig（DiaEncoderConfig 模型）
• diffllama — DiffLlamaConfig（DiffLlamaConfig 模型）
• diffusion_gemma — DiffusionGemmaConfig（DiffusionGemmaConfig 模型）
• diffusion_gemma_text — DiffusionGemmaTextConfig（DiffusionGemmaTextConfig 模型）
• dinat — DinatConfig（DinatConfig 模型）
• dinov2 — Dinov2Config（Dinov2Config 模型）
• dinov2_with_registers — Dinov2WithRegistersConfig（Dinov2WithRegistersConfig 模型）
• dinov3_convnext — DINOv3ConvNextConfig（DINOv3ConvNextConfig 模型）
• dinov3_vit — DINOv3ViTConfig（DINOv3ViTConfig 模型）
• distilbert — DistilBertConfig（DistilBertConfig 模型）
• doge — DogeConfig（DogeConfig 模型）
• donut-swin — DonutSwinConfig（DonutSwinConfig 模型）
• dots1 — Dots1Config（Dots1Config 模型）
• dpr — DPRConfig（DPRConfig 模型）
• dpt — DPTConfig（DPTConfig 模型）
• edgetam — EdgeTamConfig（EdgeTamConfig 模型）
• edgetam_mask_decoder — EdgeTamMaskDecoderConfig（EdgeTamMaskDecoderConfig 模型）
• edgetam_prompt_encoder — EdgeTamPromptEncoderConfig（EdgeTamPromptEncoderConfig 模型）
• edgetam_video — EdgeTamVideoConfig（EdgeTamVideoConfig 模型）
• edgetam_video_mask_decoder — EdgeTamVideoMaskDecoderConfig（EdgeTamVideoMaskDecoderConfig 模型）
• edgetam_video_prompt_encoder — EdgeTamVideoPromptEncoderConfig（EdgeTamVideoPromptEncoderConfig 模型）
• edgetam_vision_model — EdgeTamVisionConfig（EdgeTamVisionConfig 模型）
• efficientloftr — EfficientLoFTRConfig（EfficientLoFTRConfig 模型）
• efficientnet — EfficientNetConfig（EfficientNetConfig 模型）
• electra — ElectraConfig（ElectraConfig 模型）
• embedding_gemma2 — EmbeddingGemma2Config（EmbeddingGemma2Config 模型）
• embedding_gemma2_text — EmbeddingGemma2TextConfig（EmbeddingGemma2TextConfig 模型）
• emu3 — Emu3Config（Emu3Config 模型）
• emu3_text_model — Emu3TextConfig（Emu3TextConfig 模型）
• emu3_vqgan — Emu3VQVAEConfig（Emu3VQVAEConfig 模型）
• encodec — EncodecConfig（EncodecConfig 模型）
• encoder-decoder — EncoderDecoderConfig（EncoderDecoderConfig 模型）
• eomt — EomtConfig（EomtConfig 模型）
• eomt_dinov3 — EomtDinov3Config（EomtDinov3Config 模型）
• ernie — ErnieConfig（ErnieConfig 模型）
• ernie4_5 — Ernie4_5Config（Ernie4_5Config 模型）
• ernie4_5_moe — Ernie4_5_MoeConfig（Ernie4_5_MoeConfig 模型）
• ernie4_5_vl_moe — Ernie4_5_VLMoeConfig（Ernie4_5_VLMoeConfig 模型）
• ernie4_5_vl_moe_text — Ernie4_5_VLMoeTextConfig（Ernie4_5_VLMoeTextConfig 模型）
• ernie4_5_vl_moe_vision — Ernie4_5_VLMoeVisionConfig（Ernie4_5_VLMoeVisionConfig 模型）
• esm — EsmConfig（EsmConfig 模型）
• esmc — EsmcConfig（EsmcConfig 模型）
• esmfold2 — EsmFold2Config（EsmFold2Config 模型）
• eurobert — EuroBertConfig（EuroBertConfig 模型）
• evolla — EvollaConfig（EvollaConfig 模型）
• exaone4 — Exaone4Config（Exaone4Config 模型）
• exaone4_5 — Exaone4_5_Config（Exaone4_5_Config 模型）
• exaone4_5_vision — Exaone4_5_VisionConfig（Exaone4_5_VisionConfig 模型）
• exaone_moe — ExaoneMoeConfig（ExaoneMoeConfig 模型）
• falcon — FalconConfig（FalconConfig 模型）
• falcon_h1 — FalconH1Config（FalconH1Config 模型）
• falcon_mamba — FalconMambaConfig（FalconMambaConfig 模型）
• fast_vlm — FastVlmConfig（FastVlmConfig 模型）
• fastspeech2_conformer — FastSpeech2ConformerConfig（FastSpeech2ConformerConfig 模型）
• fastspeech2_conformer_hifigan — FastSpeech2ConformerHifiGanConfig（FastSpeech2ConformerHifiGanConfig 模型）
• fastspeech2_conformer_with_hifigan — FastSpeech2ConformerWithHifiGanConfig（FastSpeech2ConformerWithHifiGanConfig 模型）
• flaubert — FlaubertConfig（FlaubertConfig 模型）
• flava — FlavaConfig（FlavaConfig 模型）
• flava_image_codebook — FlavaImageCodebookConfig（FlavaImageCodebookConfig 模型）
• flava_image_model — FlavaImageConfig（FlavaImageConfig 模型）
• flava_multimodal_model — FlavaMultimodalConfig（FlavaMultimodalConfig 模型）
• flava_text_model — FlavaTextConfig（FlavaTextConfig 模型）
• flex_olmo — FlexOlmoConfig（FlexOlmoConfig 模型）
• flint — FlintConfig（FlintConfig 模型）
• florence2 — Florence2Config（Florence2Config 模型）
• florence_vision — Florence2VisionConfig（Florence2VisionConfig 模型）
• fnet — FNetConfig（FNetConfig 模型）
• focalnet — FocalNetConfig（FocalNetConfig 模型）
• fsmt — FSMTConfig（FSMTConfig 模型）
• fun_asr_nano — FunAsrNanoConfig（FunAsrNanoConfig 模型）
• fun_asr_nano_encoder — FunAsrNanoEncoderConfig（FunAsrNanoEncoderConfig 模型）
• funnel — FunnelConfig（FunnelConfig 模型）
• fuyu — FuyuConfig（FuyuConfig 模型）
• gemma — GemmaConfig（GemmaConfig 模型）
• gemma2 — Gemma2Config（Gemma2Config 模型）
• gemma3 — Gemma3Config（Gemma3Config 模型）
• gemma3_text — Gemma3TextConfig（Gemma3TextConfig 模型）
• gemma3n — Gemma3nConfig（Gemma3nConfig 模型）
• gemma3n_audio — Gemma3nAudioConfig（Gemma3nAudioConfig 模型）
• gemma3n_text — Gemma3nTextConfig（Gemma3nTextConfig 模型）
• gemma3n_vision — Gemma3nVisionConfig（Gemma3nVisionConfig 模型）
• gemma4 — Gemma4Config（Gemma4Config 模型）
• gemma4_assistant — Gemma4AssistantConfig（Gemma4AssistantConfig 模型）
• gemma4_audio — Gemma4AudioConfig（Gemma4AudioConfig 模型）
• gemma4_text — Gemma4TextConfig（Gemma4TextConfig 模型）
• gemma4_unified — Gemma4UnifiedConfig（Gemma4UnifiedConfig 模型）
• gemma4_unified_assistant — Gemma4UnifiedAssistantConfig（Gemma4UnifiedAssistantConfig 模型）
• gemma4_unified_audio — Gemma4UnifiedAudioConfig（Gemma4UnifiedAudioConfig 模型）
• gemma4_unified_text — Gemma4UnifiedTextConfig（Gemma4UnifiedTextConfig 模型）
• gemma4_unified_vision — Gemma4UnifiedVisionConfig（Gemma4UnifiedVisionConfig 模型）
• gemma4_vision — Gemma4VisionConfig（Gemma4VisionConfig 模型）
• git — GitConfig（GitConfig 模型）
• git_vision_model — GitVisionConfig（GitVisionConfig 模型）
• glm — GlmConfig（GlmConfig 模型）
• glm4 — Glm4Config（Glm4Config 模型）
• glm46v — Glm46VConfig（Glm46VConfig 模型）
• glm4_moe — Glm4MoeConfig（Glm4MoeConfig 模型）
• glm4_moe_lite — Glm4MoeLiteConfig（Glm4MoeLiteConfig 模型）
• glm4v — Glm4vConfig（Glm4vConfig 模型）
• glm4v_moe — Glm4vMoeConfig（Glm4vMoeConfig 模型）
• glm4v_moe_text — Glm4vMoeTextConfig（Glm4vMoeTextConfig 模型）
• glm4v_moe_vision — Glm4vMoeVisionConfig（Glm4vMoeVisionConfig 模型）
• glm4v_text — Glm4vTextConfig（Glm4vTextConfig 模型）
• glm4v_vision — Glm4vVisionConfig（Glm4vVisionConfig 模型）
• glm5_next — Glm5NextConfig（Glm5NextConfig 模型）
• glm5_next_text — Glm5NextTextConfig（Glm5NextTextConfig 模型）
• glm5_next_vision — Glm5NextVisionConfig（Glm5NextVisionConfig 模型）
• glm_image — GlmImageConfig（GlmImageConfig 模型）
• glm_image_text — GlmImageTextConfig（GlmImageTextConfig 模型）
• glm_image_vision — GlmImageVisionConfig（GlmImageVisionConfig 模型）
• glm_image_vqmodel — GlmImageVQVAEConfig（GlmImageVQVAEConfig 模型）
• glm_moe_dsa — GlmMoeDsaConfig（GlmMoeDsaConfig 模型）
• glm_ocr — GlmOcrConfig（GlmOcrConfig 模型）
• glm_ocr_text — GlmOcrTextConfig（GlmOcrTextConfig 模型）
• glm_ocr_vision — GlmOcrVisionConfig（GlmOcrVisionConfig 模型）
• glmasr — GlmAsrConfig（GlmAsrConfig 模型）
• glmasr_encoder — GlmAsrEncoderConfig（GlmAsrEncoderConfig 模型）
• glmga — GlmgaConfig（GlmgaConfig 模型）
• glpn — GLPNConfig（GLPNConfig 模型）
• got_ocr2 — GotOcr2Config（GotOcr2Config 模型）
• got_ocr2_vision — GotOcr2VisionConfig（GotOcr2VisionConfig 模型）
• gpt-sw3 — GPT2Config（GPT2Config 模型）
• gpt2 — GPT2Config（GPT2Config 模型）
• gpt_bigcode — GPTBigCodeConfig（GPTBigCodeConfig 模型）
• gpt_neo — GPTNeoConfig（GPTNeoConfig 模型）
• gpt_neox — GPTNeoXConfig（GPTNeoXConfig 模型）
• gpt_neox_japanese — GPTNeoXJapaneseConfig（GPTNeoXJapaneseConfig 模型）
• gpt_oss — GptOssConfig（GptOssConfig 模型）
• gptj — GPTJConfig（GPTJConfig 模型）
• gradium_phonon_tts — GradiumPhononTTSConfig（GradiumPhononTTSConfig 模型）
• granite — GraniteConfig（GraniteConfig 模型）
• granite4_vision — Granite4VisionConfig（Granite4VisionConfig 模型）
• granite4_vision_text — Granite4VisionTextConfig（Granite4VisionTextConfig 模型）
• granite_speech — GraniteSpeechConfig（GraniteSpeechConfig 模型）
• granite_speech5_ctc — GraniteSpeech5CTCConfig（GraniteSpeech5CTCConfig 模型）
• granite_speech5_encoder — GraniteSpeech5EncoderConfig（GraniteSpeech5EncoderConfig 模型）
• granite_speech_encoder — GraniteSpeechEncoderConfig（GraniteSpeechEncoderConfig 模型）
• granite_speech_plus — GraniteSpeechPlusConfig（GraniteSpeechPlusConfig 模型）
• granite_speech_plus_encoder — GraniteSpeechPlusEncoderConfig（GraniteSpeechPlusEncoderConfig 模型）
• granite_swa — GraniteSWAConfig（GraniteSWAConfig 模型）
• granitemoe — GraniteMoeConfig（GraniteMoeConfig 模型）
• granitemoe_swa — GraniteMoeSWAConfig（GraniteMoeSWAConfig 模型）
• granitemoehybrid — GraniteMoeHybridConfig（GraniteMoeHybridConfig 模型）
• granitemoeshared — GraniteMoeSharedConfig（GraniteMoeSharedConfig 模型）
• grounding-dino — GroundingDinoConfig（GroundingDinoConfig 模型）
• groupvit — GroupViTConfig（GroupViTConfig 模型）
• groupvit_text_model — GroupViTTextConfig（GroupViTTextConfig 模型）
• groupvit_vision_model — GroupViTVisionConfig（GroupViTVisionConfig 模型）
• gte — GteConfig（GteConfig 模型）
• helium — HeliumConfig（HeliumConfig 模型）
• hgnet_v2 — HGNetV2Config（HGNetV2Config 模型）
• hiera — HieraConfig（HieraConfig 模型）
• higgs_audio_v2 — HiggsAudioV2Config（HiggsAudioV2Config 模型）
• higgs_audio_v2_tokenizer — HiggsAudioV2TokenizerConfig（HiggsAudioV2TokenizerConfig 模型）
• hrm_text — HrmTextConfig（HrmTextConfig 模型）
• hubert — HubertConfig（HubertConfig 模型）
• hunyuan_v1_dense — HunYuanDenseV1Config（HunYuanDenseV1Config 模型）
• hunyuan_v1_moe — HunYuanMoEV1Config（HunYuanMoEV1Config 模型）
• hunyuan_vl — HunYuanVLConfig（HunYuanVLConfig 模型）
• hunyuan_vl_text — HunYuanVLTextConfig（HunYuanVLTextConfig 模型）
• hunyuan_vl_vision — HunYuanVLVisionConfig（HunYuanVLVisionConfig 模型）
• hy_v3 — HYV3Config（HYV3Config 模型）
• hy_v4 — HYV4Config（HYV4Config 模型）
• hyperclovax — HyperCLOVAXConfig（HyperCLOVAXConfig 模型）
• hyperclovax_vision_v2 — HyperCLOVAXVisionV2Config（HyperCLOVAXVisionV2Config 模型）
• ibert — IBertConfig（IBertConfig 模型）
• idefics — IdeficsConfig（IdeficsConfig 模型）
• idefics2 — Idefics2Config（Idefics2Config 模型）
• idefics2_perceiver — Idefics2PerceiverConfig（Idefics2PerceiverConfig 模型）
• idefics2_vision — Idefics2VisionConfig（Idefics2VisionConfig 模型）
• idefics3 — Idefics3Config（Idefics3Config 模型）
• idefics3_vision — Idefics3VisionConfig（Idefics3VisionConfig 模型）
• idefics_perciever — IdeficsPerceiverConfig（IdeficsPerceiverConfig 模型）
• idefics_vision — IdeficsVisionConfig（IdeficsVisionConfig 模型）
• ijepa — IJepaConfig（IJepaConfig 模型）
• imagegpt — ImageGPTConfig（ImageGPTConfig 模型）
• informer — InformerConfig（InformerConfig 模型）
• inkling_audio — InklingAudioConfig（InklingAudioConfig 模型）
• inkling_mm_model — InklingConfig（InklingConfig 模型）
• inkling_text — InklingTextConfig（InklingTextConfig 模型）
• inkling_vision — InklingVisionConfig（InklingVisionConfig 模型）
• instructblip — InstructBlipConfig（InstructBlipConfig 模型）
• instructblip_qformer — InstructBlipQFormerConfig（InstructBlipQFormerConfig 模型）
• instructblip_vision_model — InstructBlipVisionConfig（InstructBlipVisionConfig 模型）
• instructblipvideo — InstructBlipVideoConfig（InstructBlipVideoConfig 模型）
• instructblipvideo_qformer — InstructBlipVideoQFormerConfig（InstructBlipVideoQFormerConfig 模型）
• instructblipvideo_vision_model — InstructBlipVideoVisionConfig（InstructBlipVideoVisionConfig 模型）
• internvl — InternVLConfig（InternVLConfig 模型）
• internvl_vision — InternVLVisionConfig（InternVLVisionConfig 模型）
• jais2 — Jais2Config（Jais2Config 模型）
• jamba — JambaConfig（JambaConfig 模型）
• janus — JanusConfig（JanusConfig 模型）
• janus_vision_model — JanusVisionConfig（JanusVisionConfig 模型）
• janus_vqgan — JanusVQVAEConfig（JanusVQVAEConfig 模型）
• jetmoe — JetMoeConfig（JetMoeConfig 模型）
• jina_embeddings_v3 — JinaEmbeddingsV3Config（JinaEmbeddingsV3Config 模型）
• kimi_k25 — Kimi_K25Config（Kimi_K25Config 模型）
• kimi_k25_vision — Kimi_K25VisionConfig（Kimi_K25VisionConfig 模型）
• kimi_linear — KimiLinearConfig（KimiLinearConfig 模型）
• kolibri1 — Kolibri1Config（Kolibri1Config 模型）
• kosmos-2 — Kosmos2Config（Kosmos2Config 模型）
• kosmos-2.5 — Kosmos2_5Config（Kosmos2_5Config 模型）
• kosmos_2_5_text_model — Kosmos2_5TextConfig（Kosmos2_5TextConfig 模型）
• kosmos_2_5_vision_model — Kosmos2_5VisionConfig（Kosmos2_5VisionConfig 模型）
• kosmos_2_text_model — Kosmos2TextConfig（Kosmos2TextConfig 模型）
• kosmos_2_vision_model — Kosmos2VisionConfig（Kosmos2VisionConfig 模型）
• kyutai_speech_to_text — KyutaiSpeechToTextConfig（KyutaiSpeechToTextConfig 模型）
• laguna — LagunaConfig（LagunaConfig 模型）
• lasr_ctc — LasrCTCConfig（LasrCTCConfig 模型）
• lasr_encoder — LasrEncoderConfig（LasrEncoderConfig 模型）
• layoutlm — LayoutLMConfig（LayoutLMConfig 模型）
• layoutlmv2 — LayoutLMv2Config（LayoutLMv2Config 模型）
• layoutlmv3 — LayoutLMv3Config（LayoutLMv3Config 模型）
• layoutxlm — LayoutXLMConfig（LayoutXLMConfig 模型）
• led — LEDConfig（LEDConfig 模型）
• levit — LevitConfig（LevitConfig 模型）
• lfm2 — Lfm2Config（Lfm2Config 模型）
• lfm2_moe — Lfm2MoeConfig（Lfm2MoeConfig 模型）
• lfm2_vl — Lfm2VlConfig（Lfm2VlConfig 模型）
• lfm3 — Lfm3Config（Lfm3Config 模型）
• lightglue — LightGlueConfig（LightGlueConfig 模型）
• lighton_ocr — LightOnOcrConfig（LightOnOcrConfig 模型）
• lilt — LiltConfig（LiltConfig 模型）
• llama — LlamaConfig（LlamaConfig 模型）
• llama4 — Llama4Config（Llama4Config 模型）
• llama4_text — Llama4TextConfig（Llama4TextConfig 模型）
• llama4_vision_model — Llama4VisionConfig（Llama4VisionConfig 模型）
• llava — LlavaConfig（LlavaConfig 模型）
• llava_next — LlavaNextConfig（LlavaNextConfig 模型）
• llava_next_video — LlavaNextVideoConfig（LlavaNextVideoConfig 模型）
• llava_onevision — LlavaOnevisionConfig（LlavaOnevisionConfig 模型）
• longcat_flash — LongcatFlashConfig（LongcatFlashConfig 模型）
• longformer — LongformerConfig（LongformerConfig 模型）
• longt5 — LongT5Config（LongT5Config 模型）
• luke — LukeConfig（LukeConfig 模型）
• lw_detr — LwDetrConfig（LwDetrConfig 模型）
• lw_detr_vit — LwDetrViTConfig（LwDetrViTConfig 模型）
• lxmert — LxmertConfig（LxmertConfig 模型）
• m2m_100 — M2M100Config（M2M100Config 模型）
• mamba — MambaConfig（MambaConfig 模型）
• mamba2 — Mamba2Config（Mamba2Config 模型）
• marian — MarianConfig（MarianConfig 模型）
• markuplm — MarkupLMConfig（MarkupLMConfig 模型）
• mask2former — Mask2FormerConfig（Mask2FormerConfig 模型）
• maskformer — MaskFormerConfig（MaskFormerConfig 模型）
• maskformer-swin — MaskFormerSwinConfig（MaskFormerSwinConfig 模型）
• mbart — MBartConfig（MBartConfig 模型）
• megatron-bert — MegatronBertConfig（MegatronBertConfig 模型）
• mellum — MellumConfig（MellumConfig 模型）
• metaclip_2 — MetaClip2Config（MetaClip2Config 模型）
• metaclip_2_text_model — MetaClip2TextConfig（MetaClip2TextConfig 模型）
• metaclip_2_vision_model — MetaClip2VisionConfig（MetaClip2VisionConfig 模型）
• mgp-str — MgpstrConfig（MgpstrConfig 模型）
• mimi — MimiConfig（MimiConfig 模型）
• mimi_decoder — MimiDecoderConfig（MimiDecoderConfig 模型）
• mimi_encoder — MimiEncoderConfig（MimiEncoderConfig 模型）
• mimo_v2_flash — MiMoV2FlashConfig（MiMoV2FlashConfig 模型）
• minicpm3 — MiniCPM3Config（MiniCPM3Config 模型）
• minicpm_ocr — MiniCPMOcrConfig（MiniCPMOcrConfig 模型）
• minicpm_ocr_vision — MiniCPMOcrVisionConfig（MiniCPMOcrVisionConfig 模型）
• minicpmv4_6 — MiniCPMV4_6Config（MiniCPMV4_6Config 模型）
• minicpmv4_6_vision — MiniCPMV4_6VisionConfig（MiniCPMV4_6VisionConfig 模型）
• minicpmv4_7 — MiniCPMV4_7Config（MiniCPMV4_7Config 模型）
• minicpmv4_7_vision — MiniCPMV4_7VisionConfig（MiniCPMV4_7VisionConfig 模型）
• minimax — MiniMaxConfig（MiniMaxConfig 模型）
• minimax_m2 — MiniMaxM2Config（MiniMaxM2Config 模型）
• minimax_m3_vl — MiniMaxM3VLConfig（MiniMaxM3VLConfig 模型）
• minimax_m3_vl_text — MiniMaxM3VLTextConfig（MiniMaxM3VLTextConfig 模型）
• minimax_m3_vl_vision — MiniMaxM3VLVisionConfig（MiniMaxM3VLVisionConfig 模型）
• ministral — MinistralConfig（MinistralConfig 模型）
• ministral3 — Ministral3Config（Ministral3Config 模型）
• mistral — MistralConfig（MistralConfig 模型）
• mistral3 — Mistral3Config（Mistral3Config 模型）
• mistral4 — Mistral4Config（Mistral4Config 模型）
• mistral_large4 — MistralLarge4Config（MistralLarge4Config 模型）
• mistral_large4_text — MistralLarge4TextConfig（MistralLarge4TextConfig 模型）
• mixtral — MixtralConfig（MixtralConfig 模型）
• mlcd — MLCDVisionConfig（MLCDVisionConfig 模型）
• mlcd_vision_model — MLCDVisionConfig（MLCDVisionConfig 模型）
• mllama — MllamaConfig（MllamaConfig 模型）
• mllama_text_model — MllamaTextConfig（MllamaTextConfig 模型）
• mllama_vision_model — MllamaVisionConfig（MllamaVisionConfig 模型）
• mm-grounding-dino — MMGroundingDinoConfig（MMGroundingDinoConfig 模型）
• mobilebert — MobileBertConfig（MobileBertConfig 模型）
• mobilenet_v1 — MobileNetV1Config（MobileNetV1Config 模型）
• mobilenet_v2 — MobileNetV2Config（MobileNetV2Config 模型）
• mobilevit — MobileViTConfig（MobileViTConfig 模型）
• mobilevitv2 — MobileViTV2Config（MobileViTV2Config 模型）
• modernbert — ModernBertConfig（ModernBertConfig 模型）
• modernbert-decoder — ModernBertDecoderConfig（ModernBertDecoderConfig 模型）
• modernvbert — ModernVBertConfig（ModernVBertConfig 模型）
• molmo2 — Molmo2Config（Molmo2Config 模型）
• molmo2_adapter — Molmo2AdapterConfig（Molmo2AdapterConfig 模型）
• molmo2_text — Molmo2TextConfig（Molmo2TextConfig 模型）
• molmo2_vision — Molmo2VisionConfig（Molmo2VisionConfig 模型）
• moonshine — MoonshineConfig（MoonshineConfig 模型）
• moonshine_streaming — MoonshineStreamingConfig（MoonshineStreamingConfig 模型）
• moonshine_streaming_encoder — MoonshineStreamingEncoderConfig（MoonshineStreamingEncoderConfig 模型）
• moshi — MoshiConfig（MoshiConfig 模型）
• moshi_depth — MoshiDepthConfig（MoshiDepthConfig 模型）
• moss_transcribe_diarize — MossTranscribeDiarizeConfig（MossTranscribeDiarizeConfig 模型）
• moss_transcribe_diarize_audio — MossTranscribeDiarizeAudioConfig（MossTranscribeDiarizeAudioConfig 模型）
• mpnet — MPNetConfig（MPNetConfig 模型）
• mpt — MptConfig（MptConfig 模型）
• mra — MraConfig（MraConfig 模型）
• mt5 — MT5Config（MT5Config 模型）
• muse_glimmer — MuseGlimmerConfig（MuseGlimmerConfig 模型）
• muse_glimmer_assistant — MuseGlimmerAssistantConfig（MuseGlimmerAssistantConfig 模型）
• muse_glimmer_text — MuseGlimmerTextConfig（MuseGlimmerTextConfig 模型）
• muse_glimmer_vision — MuseGlimmerVisionConfig（MuseGlimmerVisionConfig 模型）
• muse_spark — MuseSparkConfig（MuseSparkConfig 模型）
• muse_spark_audio — MuseSparkAudioConfig（MuseSparkAudioConfig 模型）
• muse_spark_text — MuseSparkTextConfig（MuseSparkTextConfig 模型）
• muse_spark_vision — MuseSparkVisionConfig（MuseSparkVisionConfig 模型）
• musicflamingo — MusicFlamingoConfig（MusicFlamingoConfig 模型）
• musicgen — MusicgenConfig（MusicgenConfig 模型）
• musicgen_decoder — MusicgenDecoderConfig（MusicgenDecoderConfig 模型）
• musicgen_melody — MusicgenMelodyConfig（MusicgenMelodyConfig 模型）
• musicgen_melody_decoder — MusicgenMelodyDecoderConfig（MusicgenMelodyDecoderConfig 模型）
• mvp — MvpConfig（MvpConfig 模型）
• nanochat — NanoChatConfig（NanoChatConfig 模型）
• nemo_speechlm — Nemotron3_5TranscribeConfig（Nemotron3_5TranscribeConfig 模型）
• nemotron — NemotronConfig（NemotronConfig 模型）
• nemotron3_5_asr — Nemotron3_5AsrConfig（Nemotron3_5AsrConfig 模型）
• nemotron3_5_transcribe_asr_audio — Nemotron3_5TranscribeAsrAudioConfig（Nemotron3_5TranscribeAsrAudioConfig 模型）
• nemotron3_5_transcribe_audio — Nemotron3_5TranscribeAudioConfig（Nemotron3_5TranscribeAudioConfig 模型）
• nemotron3_5_transcribe_word_timestamp — Nemotron3_5TranscribeWordTimestampConfig（Nemotron3_5TranscribeWordTimestampConfig 模型）
• nemotron3_diarization — Nemotron3DiarizationConfig（Nemotron3DiarizationConfig 模型）
• nemotron3_diarization_audio — Nemotron3DiarizationAudioConfig（Nemotron3DiarizationAudioConfig 模型）
• nemotron_asr_streaming — NemotronAsrStreamingConfig（NemotronAsrStreamingConfig 模型）
• nemotron_asr_streaming_encoder — NemotronAsrStreamingEncoderConfig（NemotronAsrStreamingEncoderConfig 模型）
• nemotron_h — NemotronHConfig（NemotronHConfig 模型）
• nemotron_h_omni — NemotronH_Omni_Reasoning_V3_Config（NemotronH_Omni_Reasoning_V3_Config 模型）
• neomme — NeoMMEConfig（NeoMMEConfig 模型）
• neucodec — NeuCodecConfig（NeuCodecConfig 模型）
• nllb-moe — NllbMoeConfig（NllbMoeConfig 模型）
• nomic_bert — NomicBertConfig（NomicBertConfig 模型）
• nougat — NougatConfig（NougatConfig 模型）
• nystromformer — NystromformerConfig（NystromformerConfig 模型）
• olmo — OlmoConfig（OlmoConfig 模型）
• olmo2 — Olmo2Config（Olmo2Config 模型）
• olmo3 — Olmo3Config（Olmo3Config 模型）
• olmo_hybrid — OlmoHybridConfig（OlmoHybridConfig 模型）
• olmoe — OlmoeConfig（OlmoeConfig 模型）
• omdet-turbo — OmDetTurboConfig（OmDetTurboConfig 模型）
• oneformer — OneFormerConfig（OneFormerConfig 模型）
• openai-gpt — OpenAIGPTConfig（OpenAIGPTConfig 模型）
• openai_privacy_filter — OpenAIPrivacyFilterConfig（OpenAIPrivacyFilterConfig 模型）
• opt — OPTConfig（OPTConfig 模型）
• ovis2 — Ovis2Config（Ovis2Config 模型）
• ovis2_vision — Ovis2VisionConfig（Ovis2VisionConfig 模型）
• owlv2 — Owlv2Config（Owlv2Config 模型）
• owlv2_text_model — Owlv2TextConfig（Owlv2TextConfig 模型）
• owlv2_vision_model — Owlv2VisionConfig（Owlv2VisionConfig 模型）
• owlvit — OwlViTConfig（OwlViTConfig 模型）
• owlvit_text_model — OwlViTTextConfig（OwlViTTextConfig 模型）
• owlvit_vision_model — OwlViTVisionConfig（OwlViTVisionConfig 模型）
• paddleocr_vl — PaddleOCRVLConfig（PaddleOCRVLConfig 模型）
• paddleocr_vl_text — PaddleOCRTextConfig（PaddleOCRTextConfig 模型）
• paddleocr_vl_vision — PaddleOCRVisionConfig（PaddleOCRVisionConfig 模型）
• paligemma — PaliGemmaConfig（PaliGemmaConfig 模型）
• parakeet_ctc — ParakeetCTCConfig（ParakeetCTCConfig 模型）
• parakeet_encoder — ParakeetEncoderConfig（ParakeetEncoderConfig 模型）
• parakeet_rnnt — ParakeetRNNTConfig（ParakeetRNNTConfig 模型）
• parakeet_tdt — ParakeetTDTConfig（ParakeetTDTConfig 模型）
• patchtsmixer — PatchTSMixerConfig（PatchTSMixerConfig 模型）
• patchtst — PatchTSTConfig（PatchTSTConfig 模型）
• pe_audio — PeAudioConfig（PeAudioConfig 模型）
• pe_audio_encoder — PeAudioEncoderConfig（PeAudioEncoderConfig 模型）
• pe_audio_video — PeAudioVideoConfig（PeAudioVideoConfig 模型）
• pe_audio_video_encoder — PeAudioVideoEncoderConfig（PeAudioVideoEncoderConfig 模型）
• pe_video — PeVideoConfig（PeVideoConfig 模型）
• pe_video_encoder — PeVideoEncoderConfig（PeVideoEncoderConfig 模型）
• pegasus — PegasusConfig（PegasusConfig 模型）
• pegasus_x — PegasusXConfig（PegasusXConfig 模型）
• perceiver — PerceiverConfig（PerceiverConfig 模型）
• perception_lm — PerceptionLMConfig（PerceptionLMConfig 模型）
• persimmon — PersimmonConfig（PersimmonConfig 模型）
• phi — PhiConfig（PhiConfig 模型）
• phi3 — Phi3Config（Phi3Config 模型）
• phi4_multimodal — Phi4MultimodalConfig（Phi4MultimodalConfig 模型）
• phi4_multimodal_audio — Phi4MultimodalAudioConfig（Phi4MultimodalAudioConfig 模型）
• phi4_multimodal_vision — Phi4MultimodalVisionConfig（Phi4MultimodalVisionConfig 模型）
• phimoe — PhimoeConfig（PhimoeConfig 模型）
• pi0 — PI0Config（PI0Config 模型）
• pix2struct — Pix2StructConfig（Pix2StructConfig 模型）
• pix2struct_text_model — Pix2StructTextConfig（Pix2StructTextConfig 模型）
• pix2struct_vision_model — Pix2StructVisionConfig（Pix2StructVisionConfig 模型）
• pixio — PixioConfig（PixioConfig 模型）
• pixtral — PixtralVisionConfig（PixtralVisionConfig 模型）
• plbart — PLBartConfig（PLBartConfig 模型）
• pocket_tts — PocketTTSConfig（PocketTTSConfig 模型）
• pocket_tts_audio_tokenizer — PocketTTSAudioTokenizerConfig（PocketTTSAudioTokenizerConfig 模型）
• pocket_tts_audio_tokenizer_decoder — PocketTTSAudioTokenizerDecoderConfig（PocketTTSAudioTokenizerDecoderConfig 模型）
• pocket_tts_audio_tokenizer_encoder — PocketTTSAudioTokenizerEncoderConfig（PocketTTSAudioTokenizerEncoderConfig 模型）
• poolformer — PoolFormerConfig（PoolFormerConfig 模型）
• pop2piano — Pop2PianoConfig（Pop2PianoConfig 模型）
• pp_chart2table — PPChart2TableConfig（PPChart2TableConfig 模型）
• pp_chart2table_vision — PPChart2TableVisionConfig（PPChart2TableVisionConfig 模型）
• pp_doclayout_v2 — PPDocLayoutV2Config（PPDocLayoutV2Config 模型）
• pp_doclayout_v3 — PPDocLayoutV3Config（PPDocLayoutV3Config 模型）
• pp_doclayout_v4 — PPDocLayoutV4Config（PPDocLayoutV4Config 模型）
• pp_formulanet — PPFormulaNetConfig（PPFormulaNetConfig 模型）
• pp_formulanet_text — PPFormulaNetTextConfig（PPFormulaNetTextConfig 模型）
• pp_formulanet_vision — PPFormulaNetVisionConfig（PPFormulaNetVisionConfig 模型）
• pp_lcnet — PPLCNetConfig（PPLCNetConfig 模型）
• pp_lcnet_v3 — PPLCNetV3Config（PPLCNetV3Config 模型）
• pp_lcnet_v4 — PPLCNetV4Config（PPLCNetV4Config 模型）
• pp_ocrv5_mobile_det — PPOCRV5MobileDetConfig（PPOCRV5MobileDetConfig 模型）
• pp_ocrv5_mobile_rec — PPOCRV5MobileRecConfig（PPOCRV5MobileRecConfig 模型）
• pp_ocrv5_server_det — PPOCRV5ServerDetConfig（PPOCRV5ServerDetConfig 模型）
• pp_ocrv5_server_rec — PPOCRV5ServerRecConfig（PPOCRV5ServerRecConfig 模型）
• pp_ocrv6_medium_det — PPOCRV6MediumDetConfig（PPOCRV6MediumDetConfig 模型）
• pp_ocrv6_small_det — PPOCRV6SmallDetConfig（PPOCRV6SmallDetConfig 模型）
• pp_ocrv6_small_rec — PPOCRV6SmallRecConfig（PPOCRV6SmallRecConfig 模型）
• pp_ocrv6_tiny_rec — PPOCRV6TinyRecConfig（PPOCRV6TinyRecConfig 模型）
• prompt_depth_anything — PromptDepthAnythingConfig（PromptDepthAnythingConfig 模型）
• prophetnet — ProphetNetConfig（ProphetNetConfig 模型）
• pvt — PvtConfig（PvtConfig 模型）
• pvt_v2 — PvtV2Config（PvtV2Config 模型）
• qianfan_ocr — QianfanOCRConfig（QianfanOCRConfig 模型）
• qianfan_ocr_vision — QianfanOCRVisionConfig（QianfanOCRVisionConfig 模型）
• qwen2 — Qwen2Config（Qwen2Config 模型）
• qwen2_5_omni — Qwen2_5OmniConfig（Qwen2_5OmniConfig 模型）
• qwen2_5_omni_audio_encoder — Qwen2_5OmniAudioEncoderConfig（Qwen2_5OmniAudioEncoderConfig 模型）
• qwen2_5_omni_bigvgan — Qwen2_5OmniBigVGANConfig（Qwen2_5OmniBigVGANConfig 模型）
• qwen2_5_omni_dit — Qwen2_5OmniDiTConfig（Qwen2_5OmniDiTConfig 模型）
• qwen2_5_omni_talker — Qwen2_5OmniTalkerConfig（Qwen2_5OmniTalkerConfig 模型）
• qwen2_5_omni_text — Qwen2_5OmniTextConfig（Qwen2_5OmniTextConfig 模型）
• qwen2_5_omni_thinker — Qwen2_5OmniThinkerConfig（Qwen2_5OmniThinkerConfig 模型）
• qwen2_5_omni_token2wav — Qwen2_5OmniToken2WavConfig（Qwen2_5OmniToken2WavConfig 模型）
• qwen2_5_omni_vision_encoder — Qwen2_5OmniVisionEncoderConfig（Qwen2_5OmniVisionEncoderConfig 模型）
• qwen2_5_vl — Qwen2_5_VLConfig（Qwen2_5_VLConfig 模型）
• qwen2_5_vl_text — Qwen2_5_VLTextConfig（Qwen2_5_VLTextConfig 模型）
• qwen2_5_vl_vision — Qwen2_5_VLVisionConfig（Qwen2_5_VLVisionConfig 模型）
• qwen2_audio — Qwen2AudioConfig（Qwen2AudioConfig 模型）
• qwen2_audio_encoder — Qwen2AudioEncoderConfig（Qwen2AudioEncoderConfig 模型）
• qwen2_moe — Qwen2MoeConfig（Qwen2MoeConfig 模型）
• qwen2_vl — Qwen2VLConfig（Qwen2VLConfig 模型）
• qwen2_vl_text — Qwen2VLTextConfig（Qwen2VLTextConfig 模型）
• qwen2_vl_vision — Qwen2VLVisionConfig（Qwen2VLVisionConfig 模型）
• qwen3 — Qwen3Config（Qwen3Config 模型）
• qwen3_5 — Qwen3_5Config（Qwen3_5Config 模型）
• qwen3_5_moe — Qwen3_5MoeConfig（Qwen3_5MoeConfig 模型）
• qwen3_5_moe_text — Qwen3_5MoeTextConfig（Qwen3_5MoeTextConfig 模型）
• qwen3_5_moe_vision — Qwen3_5MoeVisionConfig（Qwen3_5MoeVisionConfig 模型）
• qwen3_5_text — Qwen3_5TextConfig（Qwen3_5TextConfig 模型）
• qwen3_5_vision — Qwen3_5VisionConfig（Qwen3_5VisionConfig 模型）
• qwen3_asr — Qwen3ASRConfig（Qwen3ASRConfig 模型）
• qwen3_asr_encoder — Qwen3ASREncoderConfig（Qwen3ASREncoderConfig 模型）
• qwen3_moe — Qwen3MoeConfig（Qwen3MoeConfig 模型）
• qwen3_next — Qwen3NextConfig（Qwen3NextConfig 模型）
• qwen3_omni_moe — Qwen3OmniMoeConfig（Qwen3OmniMoeConfig 模型）
• qwen3_omni_moe_audio_encoder — Qwen3OmniMoeAudioEncoderConfig（Qwen3OmniMoeAudioEncoderConfig 模型）
• qwen3_omni_moe_talker_code_predictor — Qwen3OmniMoeTalkerCodePredictorConfig（Qwen3OmniMoeTalkerCodePredictorConfig 模型）
• qwen3_omni_moe_talker_text — Qwen3OmniMoeTalkerTextConfig（Qwen3OmniMoeTalkerTextConfig 模型）
• qwen3_omni_moe_text — Qwen3OmniMoeTextConfig（Qwen3OmniMoeTextConfig 模型）
• qwen3_omni_moe_thinker — Qwen3OmniMoeThinkerConfig（Qwen3OmniMoeThinkerConfig 模型）
• qwen3_omni_moe_vision_encoder — Qwen3OmniMoeVisionEncoderConfig（Qwen3OmniMoeVisionEncoderConfig 模型）
• qwen3_vl — Qwen3VLConfig（Qwen3VLConfig 模型）
• qwen3_vl_moe — Qwen3VLMoeConfig（Qwen3VLMoeConfig 模型）
• qwen3_vl_moe_text — Qwen3VLMoeTextConfig（Qwen3VLMoeTextConfig 模型）
• qwen3_vl_moe_vision — Qwen3VLMoeVisionConfig（Qwen3VLMoeVisionConfig 模型）
• qwen3_vl_text — Qwen3VLTextConfig（Qwen3VLTextConfig 模型）
• qwen3_vl_vision — Qwen3VLVisionConfig（Qwen3VLVisionConfig 模型）
• qwen4_exp — Qwen4ExpConfig（Qwen4ExpConfig 模型）
• qwen4_exp_text — Qwen4ExpTextConfig（Qwen4ExpTextConfig 模型）
• qwen4_exp_vision — Qwen4ExpVisionConfig（Qwen4ExpVisionConfig 模型）
• radio — RadioConfig（RadioConfig 模型）
• rag — RagConfig（RagConfig 模型）
• recurrent_gemma — RecurrentGemmaConfig（RecurrentGemmaConfig 模型）
• reformer — ReformerConfig（ReformerConfig 模型）
• regnet — RegNetConfig（RegNetConfig 模型）
• rembert — RemBertConfig（RemBertConfig 模型）
• resnet — ResNetConfig（ResNetConfig 模型）
• rf_detr — RfDetrConfig（RfDetrConfig 模型）
• rf_detr_dinov2 — RfDetrDinov2Config（RfDetrDinov2Config 模型）
• roberta — RobertaConfig（RobertaConfig 模型）
• roberta-prelayernorm — RobertaPreLayerNormConfig（RobertaPreLayerNormConfig 模型）
• roc_bert — RoCBertConfig（RoCBertConfig 模型）
• roformer — RoFormerConfig（RoFormerConfig 模型）
• rt_detr — RTDetrConfig（RTDetrConfig 模型）
• rt_detr_resnet — RTDetrResNetConfig（RTDetrResNetConfig 模型）
• rt_detr_v2 — RTDetrV2Config（RTDetrV2Config 模型）
• rwkv — RwkvConfig（RwkvConfig 模型）
• sam — SamConfig（SamConfig 模型）
• sam2 — Sam2Config（Sam2Config 模型）
• sam2_hiera_det_model — Sam2HieraDetConfig（Sam2HieraDetConfig 模型）
• sam2_mask_decoder — Sam2MaskDecoderConfig（Sam2MaskDecoderConfig 模型）
• sam2_prompt_encoder — Sam2PromptEncoderConfig（Sam2PromptEncoderConfig 模型）
• sam2_video — Sam2VideoConfig（Sam2VideoConfig 模型）
• sam2_video_mask_decoder — Sam2VideoMaskDecoderConfig（Sam2VideoMaskDecoderConfig 模型）
• sam2_video_prompt_encoder — Sam2VideoPromptEncoderConfig（Sam2VideoPromptEncoderConfig 模型）
• sam2_vision_model — Sam2VisionConfig（Sam2VisionConfig 模型）
• sam3 — Sam3Config（Sam3Config 模型）
• sam3_detr_decoder — Sam3DETRDecoderConfig（Sam3DETRDecoderConfig 模型）
• sam3_detr_encoder — Sam3DETREncoderConfig（Sam3DETREncoderConfig 模型）
• sam3_geometry_encoder — Sam3GeometryEncoderConfig（Sam3GeometryEncoderConfig 模型）
• sam3_lite_text — Sam3LiteTextConfig（Sam3LiteTextConfig 模型）
• sam3_lite_text_detr_decoder — Sam3LiteTextDETRDecoderConfig（Sam3LiteTextDETRDecoderConfig 模型）
• sam3_lite_text_detr_encoder — Sam3LiteTextDETREncoderConfig（Sam3LiteTextDETREncoderConfig 模型）
• sam3_lite_text_geometry_encoder — Sam3LiteTextGeometryEncoderConfig（Sam3LiteTextGeometryEncoderConfig 模型）
• sam3_lite_text_mask_decoder — Sam3LiteTextMaskDecoderConfig（Sam3LiteTextMaskDecoderConfig 模型）
• sam3_lite_text_text_model — Sam3LiteTextTextConfig（Sam3LiteTextTextConfig 模型）
• sam3_mask_decoder — Sam3MaskDecoderConfig（Sam3MaskDecoderConfig 模型）
• sam3_tracker — Sam3TrackerConfig（Sam3TrackerConfig 模型）
• sam3_tracker_mask_decoder — Sam3TrackerMaskDecoderConfig（Sam3TrackerMaskDecoderConfig 模型）
• sam3_tracker_prompt_encoder — Sam3TrackerPromptEncoderConfig（Sam3TrackerPromptEncoderConfig 模型）
• sam3_tracker_video — Sam3TrackerVideoConfig（Sam3TrackerVideoConfig 模型）
• sam3_tracker_video_mask_decoder — Sam3TrackerVideoMaskDecoderConfig（Sam3TrackerVideoMaskDecoderConfig 模型）
• sam3_tracker_video_prompt_encoder — Sam3TrackerVideoPromptEncoderConfig（Sam3TrackerVideoPromptEncoderConfig 模型）
• sam3_video — Sam3VideoConfig（Sam3VideoConfig 模型）
• sam3_vision_model — Sam3VisionConfig（Sam3VisionConfig 模型）
• sam3_vit_model — Sam3ViTConfig（Sam3ViTConfig 模型）
• sam_hq — SamHQConfig（SamHQConfig 模型）
• sam_hq_mask_decoder — SamHQMaskDecoderConfig（SamHQMaskDecoderConfig 模型）
• sam_hq_prompt_encoder — SamHQPromptEncoderConfig（SamHQPromptEncoderConfig 模型）
• sam_hq_vision_model — SamHQVisionConfig（SamHQVisionConfig 模型）
• sam_mask_decoder — SamMaskDecoderConfig（SamMaskDecoderConfig 模型）
• sam_prompt_encoder — SamPromptEncoderConfig（SamPromptEncoderConfig 模型）
• sam_vision_model — SamVisionConfig（SamVisionConfig 模型）
• sapiens2 — Sapiens2Config（Sapiens2Config 模型）
• sapiens2_head — Sapiens2HeadConfig（Sapiens2HeadConfig 模型）
• seamless_m4t — SeamlessM4TConfig（SeamlessM4TConfig 模型）
• seamless_m4t_v2 — SeamlessM4Tv2Config（SeamlessM4Tv2Config 模型）
• seed_oss — SeedOssConfig（SeedOssConfig 模型）
• segformer — SegformerConfig（SegformerConfig 模型）
• seggpt — SegGptConfig（SegGptConfig 模型）
• sew — SEWConfig（SEWConfig 模型）
• sew-d — SEWDConfig（SEWDConfig 模型）
• shieldgemma2 — ShieldGemma2Config（ShieldGemma2Config 模型）
• siglip — SiglipConfig（SiglipConfig 模型）
• siglip2 — Siglip2Config（Siglip2Config 模型）
• siglip2_text_model — Siglip2TextConfig（Siglip2TextConfig 模型）
• siglip2_vision_model — Siglip2VisionConfig（Siglip2VisionConfig 模型）
• siglip_text_model — SiglipTextConfig（SiglipTextConfig 模型）
• siglip_vision_model — SiglipVisionConfig（SiglipVisionConfig 模型）
• slanet — SLANetConfig（SLANetConfig 模型）
• slanext — SLANeXtConfig（SLANeXtConfig 模型）
• slanext_vision — SLANeXtVisionConfig（SLANeXtVisionConfig 模型）
• smollm3 — SmolLM3Config（SmolLM3Config 模型）
• smolvlm — SmolVLMConfig（SmolVLMConfig 模型）
• smolvlm_vision — SmolVLMVisionConfig（SmolVLMVisionConfig 模型）
• solar_open — SolarOpenConfig（SolarOpenConfig 模型）
• speech-encoder-decoder — SpeechEncoderDecoderConfig（SpeechEncoderDecoderConfig 模型）
• speech_to_text — Speech2TextConfig（Speech2TextConfig 模型）
• speecht5 — SpeechT5Config（SpeechT5Config 模型）
• speecht5_hifigan — SpeechT5HifiGanConfig（SpeechT5HifiGanConfig 模型）
• splinter — SplinterConfig（SplinterConfig 模型）
• squeezebert — SqueezeBertConfig（SqueezeBertConfig 模型）
• stablelm — StableLmConfig（StableLmConfig 模型）
• starcoder2 — Starcoder2Config（Starcoder2Config 模型）
• step3p5 — Step3p7TextConfig（Step3p7TextConfig 模型）
• step3p5_vision — Step3p7VisionConfig（Step3p7VisionConfig 模型）
• step3p7 — Step3p7Config（Step3p7Config 模型）
• superglue — SuperGlueConfig（SuperGlueConfig 模型）
• superpoint — SuperPointConfig（SuperPointConfig 模型）
• swiftformer — SwiftFormerConfig（SwiftFormerConfig 模型）
• swin — SwinConfig（SwinConfig 模型）
• swin2sr — Swin2SRConfig（Swin2SRConfig 模型）
• swinv2 — Swinv2Config（Swinv2Config 模型）
• switch_transformers — SwitchTransformersConfig（SwitchTransformersConfig 模型）
• t5 — T5Config（T5Config 模型）
• t5_gemma_module — T5GemmaModuleConfig（T5GemmaModuleConfig 模型）
• t5gemma — T5GemmaConfig（T5GemmaConfig 模型）
• t5gemma2 — T5Gemma2Config（T5Gemma2Config 模型）
• t5gemma2_decoder — T5Gemma2DecoderConfig（T5Gemma2DecoderConfig 模型）
• t5gemma2_encoder — T5Gemma2EncoderConfig（T5Gemma2EncoderConfig 模型）
• t5gemma2_text — T5Gemma2TextConfig（T5Gemma2TextConfig 模型）
• table-transformer — TableTransformerConfig（TableTransformerConfig 模型）
• tapas — TapasConfig（TapasConfig 模型）
• textnet — TextNetConfig（TextNetConfig 模型）
• time_series_transformer — TimeSeriesTransformerConfig（TimeSeriesTransformerConfig 模型）
• timesfm — TimesFmConfig（TimesFmConfig 模型）
• timesfm2_5 — TimesFm2_5Config（TimesFm2_5Config 模型）
• timesformer — TimesformerConfig（TimesformerConfig 模型）
• timm_backbone — TimmBackboneConfig（TimmBackboneConfig 模型）
• timm_wrapper — TimmWrapperConfig（TimmWrapperConfig 模型）
• tipsv2 — Tipsv2Config（Tipsv2Config 模型）
• tipsv2_dpt — Tipsv2DptConfig（Tipsv2DptConfig 模型）
• tipsv2_text_model — Tipsv2TextConfig（Tipsv2TextConfig 模型）
• tipsv2_vision_model — Tipsv2VisionConfig（Tipsv2VisionConfig 模型）
• trocr — TrOCRConfig（TrOCRConfig 模型）
• tvp — TvpConfig（TvpConfig 模型）
• udop — UdopConfig（UdopConfig 模型）
• ultrabert — UltrabertConfig（UltrabertConfig 模型）
• ultravbert — UltraVBertConfig（UltraVBertConfig 模型）
• umt5 — UMT5Config（UMT5Config 模型）
• unispeech — UniSpeechConfig（UniSpeechConfig 模型）
• unispeech-sat — UniSpeechSatConfig（UniSpeechSatConfig 模型）
• univnet — UnivNetConfig（UnivNetConfig 模型）
• unlimited_ocr — UnlimitedOcrConfig（UnlimitedOcrConfig 模型）
• unlimited_ocr_sam_vision_model — UnlimitedOcrSamVisionConfig（UnlimitedOcrSamVisionConfig 模型）
• unlimited_ocr_text — UnlimitedOcrTextConfig（UnlimitedOcrTextConfig 模型）
• unlimited_ocr_vision — UnlimitedOcrVisionConfig（UnlimitedOcrVisionConfig 模型）
• unlimited_ocr_vision_encoder — UnlimitedOcrVisionEncoderConfig（UnlimitedOcrVisionEncoderConfig 模型）
• upernet — UperNetConfig（UperNetConfig 模型）
• uvdoc — UVDocConfig（UVDocConfig 模型）
• uvdoc_backbone — UVDocBackboneConfig（UVDocBackboneConfig 模型）
• vaultgemma — VaultGemmaConfig（VaultGemmaConfig 模型）
• vibevoice — VibeVoiceConfig（VibeVoiceConfig 模型）
• vibevoice_acoustic_tokenizer — VibeVoiceAcousticTokenizerConfig（VibeVoiceAcousticTokenizerConfig 模型）
• vibevoice_acoustic_tokenizer_decoder — VibeVoiceAcousticTokenizerDecoderConfig（VibeVoiceAcousticTokenizerDecoderConfig 模型）
• vibevoice_acoustic_tokenizer_encoder — VibeVoiceAcousticTokenizerEncoderConfig（VibeVoiceAcousticTokenizerEncoderConfig 模型）
• vibevoice_asr — VibeVoiceAsrConfig（VibeVoiceAsrConfig 模型）
• vibevoice_diffusion — VibeVoiceDiffusionHeadConfig（VibeVoiceDiffusionHeadConfig 模型）
• video_llama_3 — VideoLlama3Config（VideoLlama3Config 模型）
• video_llama_3_vision — VideoLlama3VisionConfig（VideoLlama3VisionConfig 模型）
• video_llava — VideoLlavaConfig（VideoLlavaConfig 模型）
• videomae — VideoMAEConfig（VideoMAEConfig 模型）
• videomt — VideomtConfig（VideomtConfig 模型）
• videoprism — VideoPrismConfig（VideoPrismConfig 模型）
• videoprism_text_model — VideoPrismTextConfig（VideoPrismTextConfig 模型）
• videoprism_vision_model — VideoPrismVisionConfig（VideoPrismVisionConfig 模型）
• vilt — ViltConfig（ViltConfig 模型）
• vipllava — VipLlavaConfig（VipLlavaConfig 模型）
• vision-encoder-decoder — VisionEncoderDecoderConfig（VisionEncoderDecoderConfig 模型）
• vision-text-dual-encoder — VisionTextDualEncoderConfig（VisionTextDualEncoderConfig 模型）
• visual_bert — VisualBertConfig（VisualBertConfig 模型）
• vit — ViTConfig（ViTConfig 模型）
• vit_mae — ViTMAEConfig（ViTMAEConfig 模型）
• vit_msn — ViTMSNConfig（ViTMSNConfig 模型）
• vitdet — VitDetConfig（VitDetConfig 模型）
• vitmatte — VitMatteConfig（VitMatteConfig 模型）
• vitpose — VitPoseConfig（VitPoseConfig 模型）
• vitpose_backbone — VitPoseBackboneConfig（VitPoseBackboneConfig 模型）
• vits — VitsConfig（VitsConfig 模型）
• vivit — VivitConfig（VivitConfig 模型）
• vjepa2 — VJEPA2Config（VJEPA2Config 模型）
• voxtral — VoxtralConfig（VoxtralConfig 模型）
• voxtral_encoder — VoxtralEncoderConfig（VoxtralEncoderConfig 模型）
• voxtral_realtime — VoxtralRealtimeConfig（VoxtralRealtimeConfig 模型）
• voxtral_realtime_encoder — VoxtralRealtimeEncoderConfig（VoxtralRealtimeEncoderConfig 模型）
• voxtral_realtime_text — VoxtralRealtimeTextConfig（VoxtralRealtimeTextConfig 模型）
• wav2vec2 — Wav2Vec2Config（Wav2Vec2Config 模型）
• wav2vec2-bert — Wav2Vec2BertConfig（Wav2Vec2BertConfig 模型）
• wav2vec2-conformer — Wav2Vec2ConformerConfig（Wav2Vec2ConformerConfig 模型）
• wavlm — WavLMConfig（WavLMConfig 模型）
• whisper — WhisperConfig（WhisperConfig 模型）
• xclip — XCLIPConfig（XCLIPConfig 模型）
• xclip_text_model — XCLIPTextConfig（XCLIPTextConfig 模型）
• xclip_vision_model — XCLIPVisionConfig（XCLIPVisionConfig 模型）
• xcodec — XcodecConfig（XcodecConfig 模型）
• xcodec2 — Xcodec2Config（Xcodec2Config 模型）
• xglm — XGLMConfig（XGLMConfig 模型）
• xlm — XLMConfig（XLMConfig 模型）
• xlm-roberta — XLMRobertaConfig（XLMRobertaConfig 模型）
• xlm-roberta-xl — XLMRobertaXLConfig（XLMRobertaXLConfig 模型）
• xlnet — XLNetConfig（XLNetConfig 模型）
• xlstm — xLSTMConfig（xLSTMConfig 模型）
• xmod — XmodConfig（XmodConfig 模型）
• yolos — YolosConfig（YolosConfig 模型）
• yoso — YosoConfig（YosoConfig 模型）
• youtu — YoutuConfig（YoutuConfig 模型）
• zamba — ZambaConfig（ZambaConfig 模型）
• zamba2 — Zamba2Config（Zamba2Config 模型）
• zaya — ZayaConfig（ZayaConfig 模型）
• zoedepth — ZoeDepthConfig（ZoeDepthConfig 模型）

>>> from transformers import AutoConfig

>>> # Download configuration from huggingface.co and cache.
>>> config = AutoConfig.from_pretrained("google-bert/bert-base-uncased")

>>> # Download configuration from huggingface.co (user-uploaded) and cache.
>>> config = AutoConfig.from_pretrained("dbmdz/bert-base-german-cased")

>>> # If configuration file is in a directory (e.g., was saved using *save_pretrained('./test/saved_model/')*).
>>> config = AutoConfig.from_pretrained("./test/bert_saved_model/")

>>> # Load a specific configuration file.
>>> config = AutoConfig.from_pretrained("./test/bert_saved_model/my_configuration.json")

>>> # Change some config attributes when loading a pretrained config.
>>> config = AutoConfig.from_pretrained("google-bert/bert-base-uncased", output_attentions=True, foo=False)
>>> config.output_attentions
True

>>> config, unused_kwargs = AutoConfig.from_pretrained(
...     "google-bert/bert-base-uncased", output_attentions=True, foo=False, return_unused_kwargs=True
... )
>>> config.output_attentions
True

>>> unused_kwargs
{'foo': False}

为此类注册一个新的配置。

从预训练模型词表中实例化该库的某个分词器类。

要实例化的分词器类是根据配置对象的 model_type 属性（作为参数传入，或在可能的情况下从 pretrained_model_name_or_path 加载）来选择的；如果该属性缺失，则回退到对 pretrained_model_name_or_path 进行模式匹配：

• EvollaModel — TokenizersBackend（EvollaConfig 模型）
• aimv2 — CLIPTokenizer（Aimv2Config 模型）
• albert — AlbertTokenizer（AlbertConfig 模型）
• align — BertTokenizer（AlignConfig 模型）
• aria — TokenizersBackend（AriaConfig 模型）
• audioflamingo3 — Qwen2Tokenizer（AudioFlamingo3Config 模型）
• aya_vision — CohereTokenizer（AyaVisionConfig 模型）
• bark — BertTokenizer（BarkConfig 模型）
• bart — RobertaTokenizer（BartConfig 模型）
• beam — TokenizersBackend（BeamConfig 模型）
• bert — BertTokenizer（BertConfig 模型）
• bert-generation — BertGenerationTokenizer（BertGenerationConfig 模型）
• big_bird — BigBirdTokenizer（BigBirdConfig 模型）
• bigbird_pegasus — TokenizersBackend（BigBirdPegasusConfig 模型）
• biogpt — BioGptTokenizer（BioGptConfig 模型）
• blenderbot — BlenderbotTokenizer（BlenderbotConfig 模型）
• blenderbot-small — BlenderbotSmallTokenizer（BlenderbotSmallConfig 模型）
• blip — BertTokenizer（BlipConfig 模型）
• blip-2 — GPT2Tokenizer（Blip2Config 模型）
• bridgetower — RobertaTokenizer（BridgeTowerConfig 模型）
• bros — BertTokenizer（BrosConfig 模型）
• camembert — CamembertTokenizer（CamembertConfig 模型）
• canary — TokenizersBackend（CanaryConfig 模型）
• canine — CanineTokenizer（CanineConfig 模型）
• chinese_clip — BertTokenizer（ChineseCLIPConfig 模型）
• clap — RobertaTokenizer（ClapConfig 模型）
• clip — CLIPTokenizer（CLIPConfig 模型）
• clipseg — CLIPTokenizer（CLIPSegConfig 模型）
• clvp — ClvpTokenizer（ClvpConfig 模型）
• codegen — GPT2Tokenizer（CodeGenConfig 模型）
• cohere — CohereTokenizer（CohereConfig 模型）
• cohere2 — CohereTokenizer（Cohere2Config 模型）
• cohere_asr — TokenizersBackend（CohereAsrConfig 模型）
• colqwen2 — Qwen2Tokenizer（ColQwen2Config 模型）
• convbert — BertTokenizer（ConvBertConfig 模型）
• cosmos3_omni — Qwen2Tokenizer（Cosmos3OmniConfig 模型）
• cpmant — CpmAntTokenizer（CpmAntConfig 模型）
• ctrl — CTRLTokenizer（CTRLConfig 模型）
• data2vec-audio — Wav2Vec2CTCTokenizer（Data2VecAudioConfig 模型）
• data2vec-text — RobertaTokenizer（Data2VecTextConfig 模型）
• dbrx — GPT2Tokenizer（DbrxConfig 模型）
• deberta — DebertaTokenizer（DebertaConfig 模型）
• deberta-v2 — DebertaV2Tokenizer（DebertaV2Config 模型）
• dia — DiaTokenizer（DiaConfig 模型）
• diffusion_gemma — GemmaTokenizer（DiffusionGemmaConfig 模型）
• distilbert — BertTokenizer（DistilBertConfig 模型）
• dpr — DPRQuestionEncoderTokenizer（DPRConfig 模型）
• electra — BertTokenizer（ElectraConfig 模型）
• emu3 — GPT2Tokenizer（Emu3Config 模型）
• ernie — BertTokenizer（ErnieConfig 模型）
• ernie4_5 — TokenizersBackend（Ernie4_5Config 模型）
• ernie4_5_moe — TokenizersBackend（Ernie4_5_MoeConfig 模型）
• esm — EsmTokenizer（EsmConfig 模型）
• esmc — EsmcTokenizer（EsmcConfig 模型）
• esmfold2 — EsmcTokenizer（EsmFold2Config 模型）
• falcon_mamba — GPTNeoXTokenizer（FalconMambaConfig 模型）
• fastspeech2_conformer — None（FastSpeech2ConformerConfig 模型）
• flaubert — FlaubertTokenizer（FlaubertConfig 模型）
• flava — BertTokenizer（FlavaConfig 模型）
• flex_olmo — TokenizersBackend（FlexOlmoConfig 模型）
• florence2 — BartTokenizer（Florence2Config 模型）
• fnet — FNetTokenizer（FNetConfig 模型）
• fsmt — FSMTTokenizer（FSMTConfig 模型）
• fun_asr_nano — Qwen2Tokenizer（FunAsrNanoConfig 模型）
• funnel — FunnelTokenizer（FunnelConfig 模型）
• fuyu — TokenizersBackend（FuyuConfig 模型）
• gemma — GemmaTokenizer（GemmaConfig 模型）
• gemma2 — GemmaTokenizer（Gemma2Config 模型）
• gemma3 — GemmaTokenizer（Gemma3Config 模型）
• gemma3_text — GemmaTokenizer（Gemma3TextConfig 模型）
• gemma3n — GemmaTokenizer（Gemma3nConfig 模型）
• gemma3n_text — GemmaTokenizer（Gemma3nTextConfig 模型）
• git — BertTokenizer（GitConfig 模型）
• glm — TokenizersBackend（GlmConfig 模型）
• glm4 — TokenizersBackend（Glm4Config 模型）
• glm4_moe — TokenizersBackend（Glm4MoeConfig 模型）
• glm4_moe_lite — TokenizersBackend（Glm4MoeLiteConfig 模型）
• glm4v — TokenizersBackend（Glm4vConfig 模型）
• glm4v_moe — TokenizersBackend（Glm4vMoeConfig 模型）
• glm_image — TokenizersBackend（GlmImageConfig 模型）
• glmasr — TokenizersBackend（GlmAsrConfig 模型）
• got_ocr2 — TokenizersBackend（GotOcr2Config 模型）
• gpt-sw3 — GPTSw3Tokenizer（GPT2Config 模型）
• gpt2 — GPT2Tokenizer（GPT2Config 模型）
• gpt_bigcode — TokenizersBackend（GPTBigCodeConfig 模型）
• gpt_neo — GPT2Tokenizer（GPTNeoConfig 模型）
• gpt_neox — GPTNeoXTokenizer（GPTNeoXConfig 模型）
• gpt_neox_japanese — GPTNeoXJapaneseTokenizer（GPTNeoXJapaneseConfig 模型）
• gptj — GPT2Tokenizer（GPTJConfig 模型）
• gradium_phonon_tts — TokenizersBackend（GradiumPhononTTSConfig 模型）
• granite — TokenizersBackend（GraniteConfig 模型）
• granite_speech5_ctc — ParakeetTokenizer（GraniteSpeech5CTCConfig 模型）
• granitemoe — TokenizersBackend（GraniteMoeConfig 模型）
• granitemoehybrid — TokenizersBackend（GraniteMoeHybridConfig 模型）
• granitemoeshared — TokenizersBackend（GraniteMoeSharedConfig 模型）
• grounding-dino — BertTokenizer（GroundingDinoConfig 模型）
• groupvit — CLIPTokenizer（GroupViTConfig 模型）
• gte — XLMRobertaTokenizer（GteConfig 模型）
• hubert — Wav2Vec2CTCTokenizer（HubertConfig 模型）
• hunyuan_vl — Qwen2Tokenizer（HunYuanVLConfig 模型）
• hyperclovax — TokenizersBackend（HyperCLOVAXConfig 模型）
• hyperclovax_vision_v2 — GPT2Tokenizer（HyperCLOVAXVisionV2Config 模型）
• ibert — RobertaTokenizer（IBertConfig 模型）
• idefics — LlamaTokenizer（IdeficsConfig 模型）
• idefics2 — LlamaTokenizer（Idefics2Config 模型）
• instructblip — GPT2Tokenizer（InstructBlipConfig 模型）
• instructblipvideo — GPT2Tokenizer（InstructBlipVideoConfig 模型）
• internvl — Qwen2Tokenizer（InternVLConfig 模型）
• jais2 — GPT2Tokenizer（Jais2Config 模型）
• jamba — TokenizersBackend（JambaConfig 模型）
• jina_embeddings_v3 — XLMRobertaTokenizer（JinaEmbeddingsV3Config 模型）
• kimi_k25 — TokenizersBackend（Kimi_K25Config 模型）
• kimi_linear — TokenizersBackend（KimiLinearConfig 模型）
• kosmos-2 — TokenizersBackend（Kosmos2Config 模型）
• lasr_ctc — LasrTokenizer（LasrCTCConfig 模型）
• lasr_encoder — LasrTokenizer（LasrEncoderConfig 模型）
• layoutlm — BertTokenizer（LayoutLMConfig 模型）
• layoutlmv2 — LayoutLMv2Tokenizer（LayoutLMv2Config 模型）
• layoutlmv3 — LayoutLMv3Tokenizer（LayoutLMv3Config 模型）
• layoutxlm — LayoutXLMTokenizer（LayoutXLMConfig 模型）
• led — LEDTokenizer（LEDConfig 模型）
• lighton_ocr — Qwen2TokenizerFast（LightOnOcrConfig 模型）
• lilt — RobertaTokenizer（LiltConfig 模型）
• llava — TokenizersBackend（LlavaConfig 模型）
• llava_next — TokenizersBackend（LlavaNextConfig 模型）
• longformer — RobertaTokenizer（LongformerConfig 模型）
• luke — LukeTokenizer（LukeConfig 模型）
• lxmert — LxmertTokenizer（LxmertConfig 模型）
• m2m_100 — M2M100Tokenizer（M2M100Config 模型）
• mamba — GPTNeoXTokenizer（MambaConfig 模型）
• mamba2 — GPTNeoXTokenizer（Mamba2Config 模型）
• marian — MarianTokenizer（MarianConfig 模型）
• markuplm — MarkupLMTokenizer（MarkupLMConfig 模型）
• mbart — MBartTokenizer（MBartConfig 模型）
• megatron-bert — BertTokenizer（MegatronBertConfig 模型）
• metaclip_2 — XLMRobertaTokenizer（MetaClip2Config 模型）
• mgp-str — MgpstrTokenizer（MgpstrConfig 模型）
• mimo_v2_flash — TokenizersBackend（MiMoV2FlashConfig 模型）
• minicpm3 — TokenizersBackend（MiniCPM3Config 模型）
• minicpm_ocr — TokenizersBackend（MiniCPMOcrConfig 模型）
• minicpmv4_6 — TokenizersBackend（MiniCPMV4_6Config 模型）
• minicpmv4_7 — TokenizersBackend（MiniCPMV4_7Config 模型）
• minimax_m2 — TokenizersBackend（MiniMaxM2Config 模型）
• ministral — MistralCommonBackend（MinistralConfig 模型）
• ministral3 — MistralCommonBackend（Ministral3Config 模型）
• mistral — MistralCommonBackend（MistralConfig 模型）
• mistral3 — MistralCommonBackend（Mistral3Config 模型）
• mistral_large4 — MistralCommonBackend（MistralLarge4Config 模型）
• mixtral — MistralCommonBackend（MixtralConfig 模型）
• mm-grounding-dino — BertTokenizer（MMGroundingDinoConfig 模型）
• mobilebert — MobileBertTokenizer（MobileBertConfig 模型）
• modernbert — TokenizersBackend（ModernBertConfig 模型）
• modernbert-decoder — TokenizersBackend（ModernBertDecoderConfig 模型）
• molmo2 — TokenizersBackend（Molmo2Config 模型）
• moss_transcribe_diarize — Qwen2Tokenizer（MossTranscribeDiarizeConfig 模型）
• mpnet — MPNetTokenizer（MPNetConfig 模型）
• mpt — GPTNeoXTokenizer（MptConfig 模型）
• mra — RobertaTokenizer（MraConfig 模型）
• mt5 — T5Tokenizer（MT5Config 模型）
• musicgen — T5Tokenizer（MusicgenConfig 模型）
• musicgen_melody — T5Tokenizer（MusicgenMelodyConfig 模型）
• mvp — MvpTokenizer（MvpConfig 模型）
• nemo_speechlm — TokenizersBackend（Nemotron3_5TranscribeConfig 模型）
• nemotron — TokenizersBackend（NemotronConfig 模型）
• nemotron3_5_asr — ParakeetTokenizer（Nemotron3_5AsrConfig 模型）
• nemotron_asr_streaming — ParakeetTokenizer（NemotronAsrStreamingConfig 模型）
• nllb-moe — NllbTokenizer（NllbMoeConfig 模型）
• nomic_bert — BertTokenizer（NomicBertConfig 模型）
• nougat — NougatTokenizer（NougatConfig 模型）
• nystromformer — TokenizersBackend（NystromformerConfig 模型）
• olmo — GPTNeoXTokenizer（OlmoConfig 模型）
• olmo2 — TokenizersBackend（Olmo2Config 模型）
• olmo3 — TokenizersBackend（Olmo3Config 模型）
• olmo_hybrid — TokenizersBackend（OlmoHybridConfig 模型）
• olmoe — GPTNeoXTokenizer（OlmoeConfig 模型）
• omdet-turbo — CLIPTokenizer（OmDetTurboConfig 模型）
• oneformer — CLIPTokenizer（OneFormerConfig 模型）
• openai-gpt — OpenAIGPTTokenizer（OpenAIGPTConfig 模型）
• opt — GPT2Tokenizer（OPTConfig 模型）
• ovis2 — Qwen2Tokenizer（Ovis2Config 模型）
• owlv2 — CLIPTokenizer（Owlv2Config 模型）
• owlvit — CLIPTokenizer（OwlViTConfig 模型）
• paddleocr_vl — TokenizersBackend（PaddleOCRVLConfig 模型）
• parakeet_ctc — ParakeetTokenizer（ParakeetCTCConfig 模型）
• parakeet_rnnt — ParakeetTokenizer（ParakeetRNNTConfig 模型）
• parakeet_tdt — ParakeetTokenizer（ParakeetTDTConfig 模型）
• pegasus — PegasusTokenizer（PegasusConfig 模型）
• pegasus_x — TokenizersBackend（PegasusXConfig 模型）
• perceiver — PerceiverTokenizer（PerceiverConfig 模型）
• persimmon — TokenizersBackend（PersimmonConfig 模型）
• phi — GPT2Tokenizer（PhiConfig 模型）
• phi3 — TokenizersBackend（Phi3Config 模型）
• phimoe — TokenizersBackend（PhimoeConfig 模型）
• pix2struct — TokenizersBackend（Pix2StructConfig 模型）
• pixtral — MistralCommonBackend（PixtralVisionConfig 模型）
• plbart — PLBartTokenizer（PLBartConfig 模型）
• pocket_tts — TokenizersBackend（PocketTTSConfig 模型）
• pp_formulanet — NougatTokenizer（PPFormulaNetConfig 模型）
• prophetnet — ProphetNetTokenizer（ProphetNetConfig 模型）
• qianfan_ocr — Qwen2Tokenizer（QianfanOCRConfig 模型）
• qwen2 — Qwen2Tokenizer（Qwen2Config 模型）
• qwen2_5_omni — Qwen2Tokenizer（Qwen2_5OmniConfig 模型）
• qwen2_5_vl — Qwen2Tokenizer（Qwen2_5_VLConfig 模型）
• qwen2_audio — Qwen2Tokenizer（Qwen2AudioConfig 模型）
• qwen2_moe — Qwen2Tokenizer（Qwen2MoeConfig 模型）
• qwen2_vl — Qwen2Tokenizer（Qwen2VLConfig 模型）
• qwen3 — Qwen2Tokenizer（Qwen3Config 模型）
• qwen3_5 — Qwen3_5Tokenizer（Qwen3_5Config 模型）
• qwen3_5_moe — Qwen3_5Tokenizer（Qwen3_5MoeConfig 模型）
• qwen3_5_moe_text — Qwen3_5Tokenizer（Qwen3_5MoeTextConfig 模型）
• qwen3_5_text — Qwen3_5Tokenizer（Qwen3_5TextConfig 模型）
• qwen3_asr — Qwen2Tokenizer（Qwen3ASRConfig 模型）
• qwen3_moe — Qwen2Tokenizer（Qwen3MoeConfig 模型）
• qwen3_next — Qwen2Tokenizer（Qwen3NextConfig 模型）
• qwen3_omni_moe — Qwen2Tokenizer（Qwen3OmniMoeConfig 模型）
• qwen3_vl — Qwen2Tokenizer（Qwen3VLConfig 模型）
• qwen3_vl_moe — Qwen2Tokenizer（Qwen3VLMoeConfig 模型）
• qwen4_exp — Qwen3_5Tokenizer（Qwen4ExpConfig 模型）
• rag — RagTokenizer（RagConfig 模型）
• recurrent_gemma — GemmaTokenizer（RecurrentGemmaConfig 模型）
• reformer — ReformerTokenizer（ReformerConfig 模型）
• rembert — RemBertTokenizer（RemBertConfig 模型）
• roberta — RobertaTokenizer（RobertaConfig 模型）
• roberta-prelayernorm — RobertaTokenizer（RobertaPreLayerNormConfig 模型）
• roc_bert — RoCBertTokenizer（RoCBertConfig 模型）
• roformer — RoFormerTokenizer（RoFormerConfig 模型）
• rwkv — GPTNeoXTokenizer（RwkvConfig 模型）
• sam3 — CLIPTokenizer（Sam3Config 模型）
• sam3_video — CLIPTokenizer（Sam3VideoConfig 模型）
• seamless_m4t — SeamlessM4TTokenizer（SeamlessM4TConfig 模型）
• seamless_m4t_v2 — SeamlessM4TTokenizer（SeamlessM4Tv2Config 模型）
• shieldgemma2 — GemmaTokenizer（ShieldGemma2Config 模型）
• siglip — SiglipTokenizer（SiglipConfig 模型）
• siglip2 — Siglip2Tokenizer（Siglip2Config 模型）
• smolvlm — TokenizersBackend（SmolVLMConfig 模型）
• speech_to_text — Speech2TextTokenizer（Speech2TextConfig 模型）
• speecht5 — SpeechT5Tokenizer（SpeechT5Config 模型）
• splinter — SplinterTokenizer（SplinterConfig 模型）
• squeezebert — BertTokenizer（SqueezeBertConfig 模型）
• stablelm — TokenizersBackend（StableLmConfig 模型）
• starcoder2 — GPT2Tokenizer（Starcoder2Config 模型）
• switch_transformers — T5Tokenizer（SwitchTransformersConfig 模型）
• t5 — T5Tokenizer（T5Config 模型）
• t5gemma — GemmaTokenizer（T5GemmaConfig 模型）
• tapas — TapasTokenizer（TapasConfig 模型）
• tipsv2 — Tipsv2Tokenizer（Tipsv2Config 模型）
• trocr — XLMRobertaTokenizer（TrOCRConfig 模型）
• tvp — BertTokenizer（TvpConfig 模型）
• udop — UdopTokenizer（UdopConfig 模型）
• umt5 — TokenizersBackend（UMT5Config 模型）
• unispeech — Wav2Vec2CTCTokenizer（UniSpeechConfig 模型）
• unispeech-sat — Wav2Vec2CTCTokenizer（UniSpeechSatConfig 模型）
• vibevoice — Qwen2TokenizerFast（VibeVoiceConfig 模型）
• videoprism — VideoPrismTokenizer（VideoPrismConfig 模型）
• vilt — BertTokenizer（ViltConfig 模型）
• vipllava — TokenizersBackend（VipLlavaConfig 模型）
• visual_bert — BertTokenizer（VisualBertConfig 模型）
• vits — VitsTokenizer（VitsConfig 模型）
• voxtral — MistralCommonBackend（VoxtralConfig 模型）
• voxtral_realtime — MistralCommonBackend（VoxtralRealtimeConfig 模型）
• wav2vec2 — Wav2Vec2CTCTokenizer（Wav2Vec2Config 模型）
• wav2vec2-bert — Wav2Vec2CTCTokenizer（Wav2Vec2BertConfig 模型）
• wav2vec2-conformer — Wav2Vec2CTCTokenizer（Wav2Vec2ConformerConfig 模型）
• whisper — WhisperTokenizer（WhisperConfig 模型）
• xclip — CLIPTokenizer（XCLIPConfig 模型）
• xglm — XGLMTokenizer（XGLMConfig 模型）
• xlm — XLMTokenizer（XLMConfig 模型）
• xlm-roberta — XLMRobertaTokenizer（XLMRobertaConfig 模型）
• xlm-roberta-xl — TokenizersBackend（XLMRobertaXLConfig 模型）
• xlnet — XLNetTokenizer（XLNetConfig 模型）
• xlstm — GPTNeoXTokenizer（xLSTMConfig 模型）
• xmod — XLMRobertaTokenizer（XmodConfig 模型）
• yoso — AlbertTokenizer（YosoConfig 模型）
• zaya — GemmaTokenizer（ZayaConfig 模型）

>>> from transformers import AutoTokenizer

>>> # Download vocabulary from huggingface.co and cache.
>>> tokenizer = AutoTokenizer.from_pretrained("google-bert/bert-base-uncased")

>>> # Download vocabulary from huggingface.co (user-uploaded) and cache.
>>> tokenizer = AutoTokenizer.from_pretrained("dbmdz/bert-base-german-cased")

>>> # If vocabulary files are in a directory (e.g. tokenizer was saved using *save_pretrained('./test/saved_model/')*)
>>> # tokenizer = AutoTokenizer.from_pretrained("./test/bert_saved_model/")

>>> # Download vocabulary from huggingface.co and define model-specific arguments
>>> tokenizer = AutoTokenizer.from_pretrained("FacebookAI/roberta-base", add_prefix_space=True)

在此映射中注册一个新的分词器。

从预训练模型词表中实例化该库的某个特征提取器类。

要实例化的特征提取器类是根据配置对象的 model_type 属性来选择的（该属性可以作为参数传入，或者在可能的情况下从 pretrained_model_name_or_path 加载），如果该属性缺失，则回退到对 pretrained_model_name_or_path 进行模式匹配：

• audio-spectrogram-transformer — ASTFeatureExtractor（ASTConfig 模型）
• audioflamingo3 — WhisperFeatureExtractor（AudioFlamingo3Config 模型）
• canary — ParakeetFeatureExtractor（CanaryConfig 模型）
• clap — ClapFeatureExtractor（ClapConfig 模型）
• clvp — ClvpFeatureExtractor（ClvpConfig 模型）
• cohere_asr — CohereAsrFeatureExtractor（CohereAsrConfig 模型）
• csm — EncodecFeatureExtractor（CsmConfig 模型）
• dac — DacFeatureExtractor（DacConfig 模型）
• data2vec-audio — Wav2Vec2FeatureExtractor（Data2VecAudioConfig 模型）
• dia — DiaFeatureExtractor（DiaConfig 模型）
• embedding_gemma2 — Gemma4AudioFeatureExtractor（EmbeddingGemma2Config 模型）
• encodec — EncodecFeatureExtractor（EncodecConfig 模型）
• fun_asr_nano — FunAsrNanoFeatureExtractor（FunAsrNanoConfig 模型）
• gemma3n — Gemma3nAudioFeatureExtractor（Gemma3nConfig 模型）
• gemma4 — Gemma4AudioFeatureExtractor（Gemma4Config 模型）
• gemma4_unified — Gemma4UnifiedAudioFeatureExtractor（Gemma4UnifiedConfig 模型）
• glmasr — WhisperFeatureExtractor（GlmAsrConfig 模型）
• gradium_phonon_tts — PocketTTSFeatureExtractor（GradiumPhononTTSConfig 模型）
• granite_speech — GraniteSpeechFeatureExtractor（GraniteSpeechConfig 模型）
• granite_speech5_ctc — GraniteSpeech5FeatureExtractor（GraniteSpeech5CTCConfig 模型）
• granite_speech5_encoder — GraniteSpeech5FeatureExtractor（GraniteSpeech5EncoderConfig 模型）
• granite_speech_plus — GraniteSpeechFeatureExtractor（GraniteSpeechPlusConfig 模型）
• higgs_audio_v2_tokenizer — DacFeatureExtractor（HiggsAudioV2TokenizerConfig 模型）
• hubert — Wav2Vec2FeatureExtractor（HubertConfig 模型）
• inkling_mm_model — InklingFeatureExtractor（InklingConfig 模型）
• kyutai_speech_to_text — KyutaiSpeechToTextFeatureExtractor（KyutaiSpeechToTextConfig 模型）
• lasr_ctc — LasrFeatureExtractor（LasrCTCConfig 模型）
• lasr_encoder — LasrFeatureExtractor（LasrEncoderConfig 模型）
• mimi — EncodecFeatureExtractor（MimiConfig 模型）
• moonshine — Wav2Vec2FeatureExtractor（MoonshineConfig 模型）
• moshi — EncodecFeatureExtractor（MoshiConfig 模型）
• moss_transcribe_diarize — MossTranscribeDiarizeFeatureExtractor（MossTranscribeDiarizeConfig 模型）
• muse_spark — MuseSparkFeatureExtractor（MuseSparkConfig 模型）
• musicgen — EncodecFeatureExtractor（MusicgenConfig 模型）
• musicgen_melody — MusicgenMelodyFeatureExtractor（MusicgenMelodyConfig 模型）
• nemo_speechlm — NemotronAsrStreamingFeatureExtractor（Nemotron3_5TranscribeConfig 模型）
• nemotron3_5_asr — NemotronAsrStreamingFeatureExtractor（Nemotron3_5AsrConfig 模型）
• nemotron3_diarization — NemotronAsrStreamingFeatureExtractor（Nemotron3DiarizationConfig 模型）
• nemotron_asr_streaming — NemotronAsrStreamingFeatureExtractor（NemotronAsrStreamingConfig 模型）
• nemotron_asr_streaming_encoder — NemotronAsrStreamingFeatureExtractor（NemotronAsrStreamingEncoderConfig 模型）
• neucodec — NeuCodecFeatureExtractor（NeuCodecConfig 模型）
• parakeet_ctc — ParakeetFeatureExtractor（ParakeetCTCConfig 模型）
• parakeet_encoder — ParakeetFeatureExtractor（ParakeetEncoderConfig 模型）
• parakeet_rnnt — ParakeetFeatureExtractor（ParakeetRNNTConfig 模型）
• parakeet_tdt — ParakeetFeatureExtractor（ParakeetTDTConfig 模型）
• pe_audio — PeAudioFeatureExtractor（PeAudioConfig 模型）
• pe_audio_video — PeAudioFeatureExtractor（PeAudioVideoConfig 模型）
• phi4_multimodal — Phi4MultimodalFeatureExtractor（Phi4MultimodalConfig 模型）
• pocket_tts — PocketTTSFeatureExtractor（PocketTTSConfig 模型）
• pocket_tts_audio_tokenizer — EncodecFeatureExtractor（PocketTTSAudioTokenizerConfig 模型）
• pop2piano — Pop2PianoFeatureExtractor（Pop2PianoConfig 模型）
• qwen2_5_omni — WhisperFeatureExtractor（Qwen2_5OmniConfig 模型）
• qwen2_audio — WhisperFeatureExtractor（Qwen2AudioConfig 模型）
• qwen3_asr — Qwen3ASRFeatureExtractor（Qwen3ASRConfig 模型）
• qwen3_omni_moe — WhisperFeatureExtractor（Qwen3OmniMoeConfig 模型）
• seamless_m4t — SeamlessM4TFeatureExtractor（SeamlessM4TConfig 模型）
• seamless_m4t_v2 — SeamlessM4TFeatureExtractor（SeamlessM4Tv2Config 模型）
• sew — Wav2Vec2FeatureExtractor（SEWConfig 模型）
• sew-d — Wav2Vec2FeatureExtractor（SEWDConfig 模型）
• speech_to_text — Speech2TextFeatureExtractor（Speech2TextConfig 模型）
• speecht5 — SpeechT5FeatureExtractor（SpeechT5Config 模型）
• unispeech — Wav2Vec2FeatureExtractor（UniSpeechConfig 模型）
• unispeech-sat — Wav2Vec2FeatureExtractor（UniSpeechSatConfig 模型）
• univnet — UnivNetFeatureExtractor（UnivNetConfig 模型）
• vibevoice — VibeVoiceAcousticTokenizerFeatureExtractor（VibeVoiceConfig 模型）
• vibevoice_acoustic_tokenizer — VibeVoiceAcousticTokenizerFeatureExtractor（VibeVoiceAcousticTokenizerConfig 模型）
• vibevoice_asr — VibeVoiceAcousticTokenizerFeatureExtractor（VibeVoiceAsrConfig 模型）
• voxtral — WhisperFeatureExtractor（VoxtralConfig 模型）
• voxtral_realtime — VoxtralRealtimeFeatureExtractor（VoxtralRealtimeConfig 模型）
• wav2vec2 — Wav2Vec2FeatureExtractor（Wav2Vec2Config 模型）
• wav2vec2-bert — Wav2Vec2FeatureExtractor（Wav2Vec2BertConfig 模型）
• wav2vec2-conformer — Wav2Vec2FeatureExtractor（Wav2Vec2ConformerConfig 模型）
• wavlm — Wav2Vec2FeatureExtractor（WavLMConfig 模型）
• whisper — WhisperFeatureExtractor（WhisperConfig 模型）
• xcodec — DacFeatureExtractor（XcodecConfig 模型）
• xcodec2 — Xcodec2FeatureExtractor（Xcodec2Config 模型）

若要使用私有模型，必须传入 token=True。

>>> from transformers import AutoFeatureExtractor

>>> # Download feature extractor from huggingface.co and cache.
>>> feature_extractor = AutoFeatureExtractor.from_pretrained("facebook/wav2vec2-base-960h")

>>> # If feature extractor files are in a directory (e.g. feature extractor was saved using *save_pretrained('./test/saved_model/')*)
>>> # feature_extractor = AutoFeatureExtractor.from_pretrained("./test/saved_model/")

为此类注册一个新的特征提取器。

从预训练模型词表中实例化该库的某个图像处理器类。

根据配置对象的 model_type 属性（作为参数传入，或在可能的情况下从 pretrained_model_name_or_path 加载）来选择要实例化的图像处理器类；如果该属性缺失，则回退到对 pretrained_model_name_or_path 进行模式匹配：

• aimv2 — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（Aimv2Config 模型）
• aimv2_vision_model — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（Aimv2VisionConfig 模型）
• align — {'torchvision': 'EfficientNetImageProcessor', 'pil': 'EfficientNetImageProcessorPil'}（AlignConfig 模型）
• altclip — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（AltCLIPConfig 模型）
• aria — {'pil': 'AriaImageProcessorPil', 'torchvision': 'AriaImageProcessor'}（AriaConfig 模型）
• aya_vision — {'torchvision': 'GotOcr2ImageProcessor', 'pil': 'GotOcr2ImageProcessorPil'}（AyaVisionConfig 模型）
• beit — {'pil': 'BeitImageProcessorPil', 'torchvision': 'BeitImageProcessor'}（BeitConfig 模型）
• bit — {'pil': 'BitImageProcessorPil', 'torchvision': 'BitImageProcessor'}（BitConfig 模型）
• blip — {'pil': 'BlipImageProcessorPil', 'torchvision': 'BlipImageProcessor'}（BlipConfig 模型）
• blip-2 — {'torchvision': 'BlipImageProcessor', 'pil': 'BlipImageProcessorPil'}（Blip2Config 模型）
• bridgetower — {'pil': 'BridgeTowerImageProcessorPil', 'torchvision': 'BridgeTowerImageProcessor'}（BridgeTowerConfig 模型）
• chameleon — {'pil': 'ChameleonImageProcessorPil', 'torchvision': 'ChameleonImageProcessor'}（ChameleonConfig 模型）
• chinese_clip — {'pil': 'ChineseCLIPImageProcessorPil', 'torchvision': 'ChineseCLIPImageProcessor'}（ChineseCLIPConfig 模型）
• chmv2 — {'torchvision': 'CHMv2ImageProcessor'}（CHMv2Config 模型）
• clip — {'pil': 'CLIPImageProcessorPil', 'torchvision': 'CLIPImageProcessor'}（CLIPConfig 模型）
• clipseg — {'torchvision': 'ViTImageProcessor', 'pil': 'ViTImageProcessorPil'}（CLIPSegConfig 模型）
• cohere2_vision — {'torchvision': 'Cohere2VisionImageProcessor'}（Cohere2VisionConfig 模型）
• cohere_compass — {'pil': 'CohereCompassImageProcessorPil', 'torchvision': 'CohereCompassImageProcessor'}（CohereCompassConfig 模型）
• colpali — {'torchvision': 'SiglipImageProcessor', 'pil': 'SiglipImageProcessorPil'}（ColPaliConfig 模型）
• colqwen2 — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（ColQwen2Config 模型）
• conditional_detr — {'pil': 'ConditionalDetrImageProcessorPil', 'torchvision': 'ConditionalDetrImageProcessor'}（ConditionalDetrConfig 模型）
• convnext — {'pil': 'ConvNextImageProcessorPil', 'torchvision': 'ConvNextImageProcessor'}（ConvNextConfig 模型）
• convnextv2 — {'torchvision': 'ConvNextImageProcessor', 'pil': 'ConvNextImageProcessorPil'}（ConvNextV2Config 模型）
• cosmos3_edge — {'pil': 'Cosmos3EdgeImageProcessorPil', 'torchvision': 'Cosmos3EdgeImageProcessor'}（Cosmos3EdgeConfig 模型）
• cosmos3_omni — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（Cosmos3OmniConfig 模型）
• cvt — {'torchvision': 'ConvNextImageProcessor', 'pil': 'ConvNextImageProcessorPil'}（CvtConfig 模型）
• data2vec-vision — {'torchvision': 'BeitImageProcessor', 'pil': 'BeitImageProcessorPil'}（Data2VecVisionConfig 模型）
• deepseek_ocr2 — {'pil': 'DeepseekOcr2ImageProcessorPil', 'torchvision': 'DeepseekOcr2ImageProcessor'}（DeepseekOcr2Config 模型）
• deepseek_vl — {'pil': 'DeepseekVLImageProcessorPil', 'torchvision': 'DeepseekVLImageProcessor'}（DeepseekVLConfig 模型）
• deepseek_vl_hybrid — {'pil': 'DeepseekVLHybridImageProcessorPil', 'torchvision': 'DeepseekVLHybridImageProcessor'}（DeepseekVLHybridConfig 模型）
• deformable_detr — {'pil': 'DeformableDetrImageProcessorPil', 'torchvision': 'DeformableDetrImageProcessor'}（DeformableDetrConfig 模型）
• deimv2 — {'torchvision': 'RTDetrImageProcessor', 'pil': 'RTDetrImageProcessorPil'}（Deimv2Config 模型）
• deit — {'pil': 'DeiTImageProcessorPil', 'torchvision': 'DeiTImageProcessor'}（DeiTConfig 模型）
• depth_anything — {'torchvision': 'DPTImageProcessor', 'pil': 'DPTImageProcessorPil'}（DepthAnythingConfig 模型）
• depth_pro — {'torchvision': 'DepthProImageProcessor'}（DepthProConfig 模型）
• detr — {'pil': 'DetrImageProcessorPil', 'torchvision': 'DetrImageProcessor'}（DetrConfig 模型）
• dinat — {'torchvision': 'ViTImageProcessor', 'pil': 'ViTImageProcessorPil'}（DinatConfig 模型）
• dinov2 — {'torchvision': 'BitImageProcessor', 'pil': 'BitImageProcessorPil'}（Dinov2Config 模型）
• dinov3_vit — {'torchvision': 'DINOv3ViTImageProcessor'}（DINOv3ViTConfig 模型）
• donut-swin — {'torchvision': 'DonutImageProcessor', 'pil': 'DonutImageProcessorPil'}（DonutSwinConfig 模型）
• dpt — {'pil': 'DPTImageProcessorPil', 'torchvision': 'DPTImageProcessor'}（DPTConfig 模型）
• edgetam — {'torchvision': 'Sam2ImageProcessor'}（EdgeTamConfig 模型）
• efficientloftr — {'pil': 'EfficientLoFTRImageProcessorPil', 'torchvision': 'EfficientLoFTRImageProcessor'}（EfficientLoFTRConfig 模型）
• efficientnet — {'pil': 'EfficientNetImageProcessorPil', 'torchvision': 'EfficientNetImageProcessor'}（EfficientNetConfig 模型）
• embedding_gemma2 — {'pil': 'Gemma4ImageProcessorPil', 'torchvision': 'Gemma4ImageProcessor'}（EmbeddingGemma2Config 模型）
• emu3 — {'pil': 'Emu3ImageProcessor'}（Emu3Config 模型）
• eomt — {'pil': 'EomtImageProcessorPil', 'torchvision': 'EomtImageProcessor'}（EomtConfig 模型）
• eomt_dinov3 — {'torchvision': 'EomtImageProcessor', 'pil': 'EomtImageProcessorPil'}（EomtDinov3Config 模型）
• ernie4_5_vl_moe — {'pil': 'Ernie4_5_VLMoeImageProcessorPil', 'torchvision': 'Ernie4_5_VLMoeImageProcessor'}（Ernie4_5_VLMoeConfig 模型）
• exaone4_5 — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（Exaone4_5_Config 模型）
• flava — {'pil': 'FlavaImageProcessorPil', 'torchvision': 'FlavaImageProcessor'}（FlavaConfig 模型）
• florence2 — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（Florence2Config 模型）
• focalnet — {'torchvision': 'BitImageProcessor', 'pil': 'BitImageProcessorPil'}（FocalNetConfig 模型）
• fuyu — {'pil': 'FuyuImageProcessorPil', 'torchvision': 'FuyuImageProcessor'}（FuyuConfig 模型）
• gemma3 — {'pil': 'Gemma3ImageProcessorPil', 'torchvision': 'Gemma3ImageProcessor'}（Gemma3Config 模型）
• gemma3n — {'torchvision': 'SiglipImageProcessor', 'pil': 'SiglipImageProcessorPil'}（Gemma3nConfig 模型）
• gemma4 — {'pil': 'Gemma4ImageProcessorPil', 'torchvision': 'Gemma4ImageProcessor'}（Gemma4Config 模型）
• gemma4_unified — {'torchvision': 'Gemma4UnifiedImageProcessor'}（Gemma4UnifiedConfig 模型）
• git — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（GitConfig 模型）
• glm46v — {'pil': 'Glm46VImageProcessorPil', 'torchvision': 'Glm46VImageProcessor'}（Glm46VConfig 模型）
• glm4v — {'pil': 'Glm4vImageProcessorPil', 'torchvision': 'Glm4vImageProcessor'}（Glm4vConfig 模型）
• glm5_next — {'pil': 'Glm5NextImageProcessorPil', 'torchvision': 'Glm5NextImageProcessor'}（Glm5NextConfig 模型）
• glm_image — {'pil': 'GlmImageImageProcessorPil', 'torchvision': 'GlmImageImageProcessor'}（GlmImageConfig 模型）
• glmga — {'pil': 'GlmgaImageProcessorPil', 'torchvision': 'GlmgaImageProcessor'}（GlmgaConfig 模型）
• glpn — {'pil': 'GLPNImageProcessorPil', 'torchvision': 'GLPNImageProcessor'}（GLPNConfig 模型）
• got_ocr2 — {'pil': 'GotOcr2ImageProcessorPil', 'torchvision': 'GotOcr2ImageProcessor'}（GotOcr2Config 模型）
• granite4_vision — {'torchvision': 'LlavaNextImageProcessor', 'pil': 'LlavaNextImageProcessorPil'}（Granite4VisionConfig 模型）
• grounding-dino — {'pil': 'GroundingDinoImageProcessorPil', 'torchvision': 'GroundingDinoImageProcessor'}（GroundingDinoConfig 模型）
• groupvit — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（GroupViTConfig 模型）
• hiera — {'torchvision': 'BitImageProcessor', 'pil': 'BitImageProcessorPil'}（HieraConfig 模型）
• hunyuan_vl — {'pil': 'HunYuanVLImageProcessorPil', 'torchvision': 'HunYuanVLImageProcessor'}（HunYuanVLConfig 模型）
• hyperclovax_vision_v2 — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（HyperCLOVAXVisionV2Config 模型）
• idefics — {'pil': 'IdeficsImageProcessorPil', 'torchvision': 'IdeficsImageProcessor'}（IdeficsConfig 模型）
• idefics2 — {'pil': 'Idefics2ImageProcessorPil', 'torchvision': 'Idefics2ImageProcessor'}（Idefics2Config 模型）
• idefics3 — {'pil': 'Idefics3ImageProcessorPil', 'torchvision': 'Idefics3ImageProcessor'}（Idefics3Config 模型）
• ijepa — {'torchvision': 'ViTImageProcessor', 'pil': 'ViTImageProcessorPil'}（IJepaConfig 模型）
• imagegpt — {'pil': 'ImageGPTImageProcessorPil', 'torchvision': 'ImageGPTImageProcessor'}（ImageGPTConfig 模型）
• inkling_mm_model — {'torchvision': 'InklingImageProcessor'}（InklingConfig 模型）
• instructblip — {'torchvision': 'BlipImageProcessor', 'pil': 'BlipImageProcessorPil'}（InstructBlipConfig 模型）
• internvl — {'torchvision': 'GotOcr2ImageProcessor', 'pil': 'GotOcr2ImageProcessorPil'}（InternVLConfig 模型）
• janus — {'pil': 'JanusImageProcessorPil', 'torchvision': 'JanusImageProcessor'}（JanusConfig 模型）
• kimi_k25 — {'torchvision': 'Kimi_K25ImageProcessor'}（Kimi_K25Config 模型）
• kosmos-2 — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（Kosmos2Config 模型）
• kosmos-2.5 — {'torchvision': 'Kosmos2_5ImageProcessor', 'pil': 'Kosmos2_5ImageProcessorPil'}（Kosmos2_5Config 模型）
• layoutlmv2 — {'pil': 'LayoutLMv2ImageProcessorPil', 'torchvision': 'LayoutLMv2ImageProcessor'}（LayoutLMv2Config 模型）
• layoutlmv3 — {'pil': 'LayoutLMv3ImageProcessorPil', 'torchvision': 'LayoutLMv3ImageProcessor'}（LayoutLMv3Config 模型）
• layoutxlm — {'torchvision': 'LayoutLMv2ImageProcessor', 'pil': 'LayoutLMv2ImageProcessorPil'}（LayoutXLMConfig 模型）
• levit — {'pil': 'LevitImageProcessorPil', 'torchvision': 'LevitImageProcessor'}（LevitConfig 模型）
• lfm2_vl — {'torchvision': 'Lfm2VlImageProcessor'}（Lfm2VlConfig 模型）
• lightglue — {'pil': 'LightGlueImageProcessorPil', 'torchvision': 'LightGlueImageProcessor'}（LightGlueConfig 模型）
• lighton_ocr — {'torchvision': 'PixtralImageProcessor', 'pil': 'PixtralImageProcessorPil'}（LightOnOcrConfig 模型）
• llama4 — {'torchvision': 'Llama4ImageProcessor'}（Llama4Config 模型）
• llava — {'pil': 'LlavaImageProcessorPil', 'torchvision': 'LlavaImageProcessor'}（LlavaConfig 模型）
• llava_next — {'pil': 'LlavaNextImageProcessorPil', 'torchvision': 'LlavaNextImageProcessor'}（LlavaNextConfig 模型）
• llava_next_video — {'torchvision': 'LlavaNextImageProcessor', 'pil': 'LlavaNextImageProcessorPil'}（LlavaNextVideoConfig 模型）
• llava_onevision — {'pil': 'LlavaOnevisionImageProcessorPil', 'torchvision': 'LlavaOnevisionImageProcessor'}（LlavaOnevisionConfig 模型）
• lw_detr — {'torchvision': 'DeformableDetrImageProcessor', 'pil': 'DeformableDetrImageProcessorPil'}（LwDetrConfig 模型）
• mask2former — {'pil': 'Mask2FormerImageProcessorPil', 'torchvision': 'Mask2FormerImageProcessor'}（Mask2FormerConfig 模型）
• maskformer — {'pil': 'MaskFormerImageProcessorPil', 'torchvision': 'MaskFormerImageProcessor'}（MaskFormerConfig 模型）
• metaclip_2 — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（MetaClip2Config 模型）
• mgp-str — {'torchvision': 'ViTImageProcessor', 'pil': 'ViTImageProcessorPil'}（MgpstrConfig 模型）
• minicpm_ocr — {'torchvision': 'MiniCPMOcrImageProcessor'}（MiniCPMOcrConfig 模型）
• minicpmv4_6 — {'pil': 'MiniCPMV4_6ImageProcessorPil', 'torchvision': 'MiniCPMV4_6ImageProcessor'}（MiniCPMV4_6Config 模型）
• minicpmv4_7 — {'pil': 'MiniCPMV4_6ImageProcessorPil', 'torchvision': 'MiniCPMV4_6ImageProcessor'}（MiniCPMV4_7Config 模型）
• minimax_m3_vl — {'torchvision': 'MiniMaxM3VLImageProcessor'}（MiniMaxM3VLConfig 模型）
• mistral3 — {'torchvision': 'PixtralImageProcessor', 'pil': 'PixtralImageProcessorPil'}（Mistral3Config 模型）
• mistral_large4 — {'torchvision': 'PixtralImageProcessor', 'pil': 'PixtralImageProcessorPil'}（MistralLarge4Config 模型）
• mlcd — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（MLCDVisionConfig 模型）
• mllama — {'pil': 'MllamaImageProcessorPil', 'torchvision': 'MllamaImageProcessor'}（MllamaConfig 模型）
• mm-grounding-dino — {'torchvision': 'GroundingDinoImageProcessor', 'pil': 'GroundingDinoImageProcessorPil'}（MMGroundingDinoConfig 模型）
• mobilenet_v1 — {'pil': 'MobileNetV1ImageProcessorPil', 'torchvision': 'MobileNetV1ImageProcessor'}（MobileNetV1Config 模型）
• mobilenet_v2 — {'pil': 'MobileNetV2ImageProcessorPil', 'torchvision': 'MobileNetV2ImageProcessor'}（MobileNetV2Config 模型）
• mobilevit — {'pil': 'MobileViTImageProcessorPil', 'torchvision': 'MobileViTImageProcessor'}（MobileViTConfig 模型）
• mobilevitv2 — {'torchvision': 'MobileViTImageProcessor', 'pil': 'MobileViTImageProcessorPil'}（MobileViTV2Config 模型）
• molmo2 — {'torchvision': 'Molmo2ImageProcessor'}（Molmo2Config 模型）
• muse_glimmer — {'torchvision': 'MuseGlimmerImageProcessor'}（MuseGlimmerConfig 模型）
• muse_spark — {'torchvision': 'MuseGlimmerImageProcessor'}（MuseSparkConfig 模型）
• nemotron_h_omni — {'torchvision': 'NemotronH_Omni_Reasoning_V3ImageProcessor'}（NemotronH_Omni_Reasoning_V3_Config 模型）
• neomme — {'torchvision': 'NeoMMEImageProcessor'}（NeoMMEConfig 模型）
• nougat — {'pil': 'NougatImageProcessorPil', 'torchvision': 'NougatImageProcessor'}（NougatConfig 模型）
• omdet-turbo — {'torchvision': 'DetrImageProcessor', 'pil': 'DetrImageProcessorPil'}（OmDetTurboConfig 模型）
• oneformer — {'pil': 'OneFormerImageProcessorPil', 'torchvision': 'OneFormerImageProcessor'}（OneFormerConfig 模型）
• ovis2 — {'pil': 'Ovis2ImageProcessorPil', 'torchvision': 'Ovis2ImageProcessor'}（Ovis2Config 模型）
• owlv2 — {'pil': 'Owlv2ImageProcessorPil', 'torchvision': 'Owlv2ImageProcessor'}（Owlv2Config 模型）
• owlvit — {'pil': 'OwlViTImageProcessorPil', 'torchvision': 'OwlViTImageProcessor'}（OwlViTConfig 模型）
• paddleocr_vl — {'pil': 'PaddleOCRVLImageProcessorPil', 'torchvision': 'PaddleOCRVLImageProcessor'}（PaddleOCRVLConfig 模型）
• paligemma — {'torchvision': 'SiglipImageProcessor', 'pil': 'SiglipImageProcessorPil'}（PaliGemmaConfig 模型）
• perceiver — {'pil': 'PerceiverImageProcessorPil', 'torchvision': 'PerceiverImageProcessor'}（PerceiverConfig 模型）
• perception_lm — {'torchvision': 'PerceptionLMImageProcessor'}（PerceptionLMConfig 模型）
• phi4_multimodal — {'torchvision': 'Phi4MultimodalImageProcessor'}（Phi4MultimodalConfig 模型）
• pi0 — {'torchvision': 'PI0ImageProcessor'}（PI0Config 模型）
• pix2struct — {'pil': 'Pix2StructImageProcessorPil', 'torchvision': 'Pix2StructImageProcessor'}（Pix2StructConfig 模型）
• pixio — {'torchvision': 'BitImageProcessor', 'pil': 'BitImageProcessorPil'}（PixioConfig 模型）
• pixtral — {'pil': 'PixtralImageProcessorPil', 'torchvision': 'PixtralImageProcessor'}（PixtralVisionConfig 模型）
• poolformer — {'pil': 'PoolFormerImageProcessorPil', 'torchvision': 'PoolFormerImageProcessor'}（PoolFormerConfig 模型）
• pp_chart2table — {'pil': 'PPChart2TableImageProcessorPil', 'torchvision': 'PPChart2TableImageProcessor'}（PPChart2TableConfig 模型）
• pp_doclayout_v2 — {'torchvision': 'PPDocLayoutV2ImageProcessor'}（PPDocLayoutV2Config 模型）
• pp_doclayout_v3 — {'torchvision': 'PPDocLayoutV3ImageProcessor'}（PPDocLayoutV3Config 模型）
• pp_doclayout_v4 — {'torchvision': 'PPDocLayoutV4ImageProcessor'}（PPDocLayoutV4Config 模型）
• pp_formulanet — {'torchvision': 'PPFormulaNetImageProcessor'}（PPFormulaNetConfig 模型）
• pp_lcnet — {'torchvision': 'PPLCNetImageProcessor'}（PPLCNetConfig 模型）
• pp_ocrv5_mobile_det — {'torchvision': 'PPOCRV5ServerDetImageProcessor'}（PPOCRV5MobileDetConfig 模型）
• pp_ocrv5_mobile_rec — {'torchvision': 'PPOCRV5ServerRecImageProcessor'}（PPOCRV5MobileRecConfig 模型）
• pp_ocrv5_server_det — {'torchvision': 'PPOCRV5ServerDetImageProcessor'}（PPOCRV5ServerDetConfig 模型）
• pp_ocrv5_server_rec — {'torchvision': 'PPOCRV5ServerRecImageProcessor'}（PPOCRV5ServerRecConfig 模型）
• pp_ocrv6_medium_det — {'torchvision': 'PPOCRV5ServerDetImageProcessor'}（PPOCRV6MediumDetConfig 模型）
• pp_ocrv6_small_det — {'torchvision': 'PPOCRV5ServerDetImageProcessor'}（PPOCRV6SmallDetConfig 模型）
• pp_ocrv6_small_rec — {'torchvision': 'PPOCRV6SmallRecImageProcessor'}（PPOCRV6SmallRecConfig 模型）
• pp_ocrv6_tiny_rec — {'torchvision': 'PPOCRV6SmallRecImageProcessor'}（PPOCRV6TinyRecConfig 模型）
• prompt_depth_anything — {'pil': 'PromptDepthAnythingImageProcessorPil', 'torchvision': 'PromptDepthAnythingImageProcessor'}（PromptDepthAnythingConfig 模型）
• pvt — {'pil': 'PvtImageProcessorPil', 'torchvision': 'PvtImageProcessor'}（PvtConfig 模型）
• pvt_v2 — {'torchvision': 'PvtImageProcessor', 'pil': 'PvtImageProcessorPil'}（PvtV2Config 模型）
• qianfan_ocr — {'torchvision': 'GotOcr2ImageProcessor', 'pil': 'GotOcr2ImageProcessorPil'}（QianfanOCRConfig 模型）
• qwen2_5_omni — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（Qwen2_5OmniConfig 模型）
• qwen2_5_vl — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（Qwen2_5_VLConfig 模型）
• qwen2_vl — {'pil': 'Qwen2VLImageProcessorPil', 'torchvision': 'Qwen2VLImageProcessor'}（Qwen2VLConfig 模型）
• qwen3_5 — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（Qwen3_5Config 模型）
• qwen3_5_moe — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（Qwen3_5MoeConfig 模型）
• qwen3_omni_moe — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（Qwen3OmniMoeConfig 模型）
• qwen3_vl — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（Qwen3VLConfig 模型）
• qwen4_exp — {'torchvision': 'Qwen2VLImageProcessor', 'pil': 'Qwen2VLImageProcessorPil'}（Qwen4ExpConfig 模型）
• regnet — {'torchvision': 'ConvNextImageProcessor', 'pil': 'ConvNextImageProcessorPil'}（RegNetConfig 模型）
• resnet — {'torchvision': 'ConvNextImageProcessor', 'pil': 'ConvNextImageProcessorPil'}（ResNetConfig 模型）
• rf_detr — {'torchvision': 'RfDetrImageProcessor'}（RfDetrConfig 模型）
• rt_detr — {'pil': 'RTDetrImageProcessorPil', 'torchvision': 'RTDetrImageProcessor'}（RTDetrConfig 模型）
• sam — {'pil': 'SamImageProcessorPil', 'torchvision': 'SamImageProcessor'}（SamConfig 模型）
• sam2 — {'torchvision': 'Sam2ImageProcessor'}（Sam2Config 模型）
• sam2_video — {'torchvision': 'Sam2ImageProcessor'}（Sam2VideoConfig 模型）
• sam3 — {'torchvision': 'Sam3ImageProcessor'}（Sam3Config 模型）
• sam3_lite_text — {'torchvision': 'Sam3ImageProcessor'}（Sam3LiteTextConfig 模型）
• sam3_tracker — {'torchvision': 'Sam3ImageProcessor'}（Sam3TrackerConfig 模型）
• sam3_tracker_video — {'torchvision': 'Sam3ImageProcessor'}（Sam3TrackerVideoConfig 模型）
• sam3_video — {'torchvision': 'Sam3ImageProcessor'}（Sam3VideoConfig 模型）
• sam_hq — {'torchvision': 'SamImageProcessor', 'pil': 'SamImageProcessorPil'}（SamHQConfig 模型）
• sapiens2 — {'torchvision': 'Sapiens2ImageProcessor'}（Sapiens2Config 模型）
• segformer — {'pil': 'SegformerImageProcessorPil', 'torchvision': 'SegformerImageProcessor'}（SegformerConfig 模型）
• seggpt — {'pil': 'SegGptImageProcessorPil', 'torchvision': 'SegGptImageProcessor'}（SegGptConfig 模型）
• shieldgemma2 — {'torchvision': 'Gemma3ImageProcessor', 'pil': 'Gemma3ImageProcessorPil'}（ShieldGemma2Config 模型）
• siglip — {'pil': 'SiglipImageProcessorPil', 'torchvision': 'SiglipImageProcessor'}（SiglipConfig 模型）
• siglip2 — {'pil': 'Siglip2ImageProcessorPil', 'torchvision': 'Siglip2ImageProcessor'}（Siglip2Config 模型）
• slanet — {'torchvision': 'SLANeXtImageProcessor'}（SLANetConfig 模型）
• slanext — {'torchvision': 'SLANeXtImageProcessor'}（SLANeXtConfig 模型）
• smolvlm — {'pil': 'SmolVLMImageProcessorPil', 'torchvision': 'SmolVLMImageProcessor'}（SmolVLMConfig 模型）
• step3p7 — {'torchvision': 'Step3p7ImageProcessor'}（Step3p7Config 模型）
• superglue — {'pil': 'SuperGlueImageProcessorPil', 'torchvision': 'SuperGlueImageProcessor'}（SuperGlueConfig 模型）
• superpoint — {'pil': 'SuperPointImageProcessorPil', 'torchvision': 'SuperPointImageProcessor'}（SuperPointConfig 模型）
• swiftformer — {'torchvision': 'ViTImageProcessor', 'pil': 'ViTImageProcessorPil'}（SwiftFormerConfig 模型）
• swin — {'torchvision': 'ViTImageProcessor', 'pil': 'ViTImageProcessorPil'}（SwinConfig 模型）
• swin2sr — {'pil': 'Swin2SRImageProcessorPil', 'torchvision': 'Swin2SRImageProcessor'}（Swin2SRConfig 模型）
• swinv2 — {'torchvision': 'ViTImageProcessor', 'pil': 'ViTImageProcessorPil'}（Swinv2Config 模型）
• t5gemma2 — {'torchvision': 'Gemma3ImageProcessor', 'pil': 'Gemma3ImageProcessorPil'}（T5Gemma2Config 模型）
• t5gemma2_encoder — {'torchvision': 'Gemma3ImageProcessor', 'pil': 'Gemma3ImageProcessorPil'}（T5Gemma2EncoderConfig 模型）
• table-transformer — {'torchvision': 'DetrImageProcessor', 'pil': 'DetrImageProcessorPil'}（TableTransformerConfig 模型）
• textnet — {'pil': 'TextNetImageProcessorPil', 'torchvision': 'TextNetImageProcessor'}（TextNetConfig 模型）
• timesformer — {'pil': 'VideoMAEImageProcessorPil', 'torchvision': 'VideoMAEImageProcessor'}（TimesformerConfig 模型）
• timm_wrapper — {'pil': 'TimmWrapperImageProcessor'}（TimmWrapperConfig 模型）
• tipsv2 — {'torchvision': 'Tipsv2ImageProcessor'}（Tipsv2Config 模型）
• tipsv2_dpt — {'torchvision': 'Tipsv2DptImageProcessor'}（Tipsv2DptConfig 模型）
• trocr — {'torchvision': 'ViTImageProcessor', 'pil': 'ViTImageProcessorPil'}（TrOCRConfig 模型）
• tvp — {'pil': 'TvpImageProcessorPil', 'torchvision': 'TvpImageProcessor'}（TvpConfig 模型）
• udop — {'torchvision': 'LayoutLMv3ImageProcessor', 'pil': 'LayoutLMv3ImageProcessorPil'}（UdopConfig 模型）
• ultravbert — {'torchvision': 'UltraVBertImageProcessor'}（UltraVBertConfig 模型）
• unlimited_ocr — {'torchvision': 'UnlimitedOcrImageProcessor'}（UnlimitedOcrConfig 模型）
• upernet — {'torchvision': 'SegformerImageProcessor', 'pil': 'SegformerImageProcessorPil'}（UperNetConfig 模型）
• uvdoc — {'torchvision': 'UVDocImageProcessor'}（UVDocConfig 模型）
• video_llama_3 — {'pil': 'VideoLlama3ImageProcessorPil', 'torchvision': 'VideoLlama3ImageProcessor'}（VideoLlama3Config 模型）
• video_llava — {'pil': 'VideoLlavaImageProcessor'}（VideoLlavaConfig 模型）
• videomae — {'pil': 'VideoMAEImageProcessorPil', 'torchvision': 'VideoMAEImageProcessor'}（VideoMAEConfig 模型）
• vilt — {'pil': 'ViltImageProcessorPil', 'torchvision': 'ViltImageProcessor'}（ViltConfig 模型）
• vipllava — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（VipLlavaConfig 模型）
• vit — {'pil': 'ViTImageProcessorPil', 'torchvision': 'ViTImageProcessor'}（ViTConfig 模型）
• vit_mae — {'torchvision': 'ViTImageProcessor', 'pil': 'ViTImageProcessorPil'}（ViTMAEConfig 模型）
• vit_msn — {'torchvision': 'ViTImageProcessor', 'pil': 'ViTImageProcessorPil'}（ViTMSNConfig 模型）
• vitmatte — {'pil': 'VitMatteImageProcessorPil', 'torchvision': 'VitMatteImageProcessor'}（VitMatteConfig 模型）
• vitpose — {'pil': 'VitPoseImageProcessorPil', 'torchvision': 'VitPoseImageProcessor'}（VitPoseConfig 模型）
• vivit — {'torchvision': 'VivitImageProcessor'}（VivitConfig 模型）
• xclip — {'torchvision': 'CLIPImageProcessor', 'pil': 'CLIPImageProcessorPil'}（XCLIPConfig 模型）
• yolos — {'pil': 'YolosImageProcessorPil', 'torchvision': 'YolosImageProcessor'}（YolosConfig 模型）
• zoedepth — {'pil': 'ZoeDepthImageProcessorPil', 'torchvision': 'ZoeDepthImageProcessor'}（ZoeDepthConfig 模型）

若要使用私有模型，必须传入 token=True。

>>> from transformers import AutoImageProcessor

>>> # Download image processor from huggingface.co and cache.
>>> image_processor = AutoImageProcessor.from_pretrained("google/vit-base-patch16-224-in21k")

>>> # If image processor files are in a directory (e.g. image processor was saved using *save_pretrained('./test/saved_model/')*)
>>> # image_processor = AutoImageProcessor.from_pretrained("./test/saved_model/")

为此类注册一个新的图像处理器。

从预训练模型词表中实例化该库的某个视频处理器类。

要实例化的视频处理器类是根据配置对象的 model_type 属性来选择的（该属性可以作为参数传入，或者在可能的情况下从 pretrained_model_name_or_path 加载），如果该属性缺失，则回退到对 pretrained_model_name_or_path 进行模式匹配：

• cohere_compass — {'torchvision': 'CohereCompassVideoProcessor'}（CohereCompassConfig 模型）
• cosmos3_edge — {'torchvision': 'Cosmos3EdgeVideoProcessor'}（Cosmos3EdgeConfig 模型）
• cosmos3_omni — {'torchvision': 'Qwen3VLVideoProcessor'}（Cosmos3OmniConfig 模型）
• embedding_gemma2 — {'torchvision': 'EmbeddingGemma2VideoProcessor'}（EmbeddingGemma2Config 模型）
• ernie4_5_vl_moe — {'torchvision': 'Ernie4_5_VLMoeVideoProcessor'}（Ernie4_5_VLMoeConfig 模型）
• exaone4_5 — {'torchvision': 'Qwen2VLVideoProcessor'}（Exaone4_5_Config 模型）
• gemma4 — {'torchvision': 'Gemma4VideoProcessor'}（Gemma4Config 模型）
• gemma4_unified — {'torchvision': 'Gemma4UnifiedVideoProcessor'}（Gemma4UnifiedConfig 模型）
• glm46v — {'torchvision': 'Glm46VVideoProcessor'}（Glm46VConfig 模型）
• glm4v — {'torchvision': 'Glm4vVideoProcessor'}（Glm4vConfig 模型）
• glm5_next — {'torchvision': 'Glm5NextVideoProcessor'}（Glm5NextConfig 模型）
• glmga — {'torchvision': 'GlmgaVideoProcessor'}（GlmgaConfig 模型）
• hyperclovax_vision_v2 — {'torchvision': 'Qwen2VLVideoProcessor'}（HyperCLOVAXVisionV2Config 模型）
• instructblip — {'torchvision': 'InstructBlipVideoVideoProcessor'}（InstructBlipConfig 模型）
• instructblipvideo — {'torchvision': 'InstructBlipVideoVideoProcessor'}（InstructBlipVideoConfig 模型）
• internvl — {'torchvision': 'InternVLVideoProcessor'}（InternVLConfig 模型）
• kimi_k25 — {'torchvision': 'Kimi_K25VideoProcessor'}（Kimi_K25Config 模型）
• llava_next_video — {'torchvision': 'LlavaNextVideoVideoProcessor'}（LlavaNextVideoConfig 模型）
• llava_onevision — {'torchvision': 'LlavaOnevisionVideoProcessor'}（LlavaOnevisionConfig 模型）
• minicpm_ocr — {'torchvision': 'MiniCPMOcrVideoProcessor'}（MiniCPMOcrConfig 模型）
• minicpmv4_6 — {'torchvision': 'MiniCPMV4_6VideoProcessor'}（MiniCPMV4_6Config 模型）
• minicpmv4_7 — {'torchvision': 'MiniCPMV4_6VideoProcessor'}（MiniCPMV4_7Config 模型）
• minimax_m3_vl — {'torchvision': 'MiniMaxM3VLVideoProcessor'}（MiniMaxM3VLConfig 模型）
• molmo2 — {'torchvision': 'Molmo2VideoProcessor'}（Molmo2Config 模型）
• muse_glimmer — {'torchvision': 'MuseGlimmerVideoProcessor'}（MuseGlimmerConfig 模型）
• muse_spark — {'torchvision': 'MuseGlimmerVideoProcessor'}（MuseSparkConfig 模型）
• nemotron_h_omni — {'torchvision': 'NemotronH_Omni_Reasoning_V3VideoProcessor'}（NemotronH_Omni_Reasoning_V3_Config 模型）
• pe_audio_video — {'torchvision': 'PeVideoVideoProcessor'}（PeAudioVideoConfig 模型）
• pe_video — {'torchvision': 'PeVideoVideoProcessor'}（PeVideoConfig 模型）
• perception_lm — {'torchvision': 'PerceptionLMVideoProcessor'}（PerceptionLMConfig 模型）
• qwen2_5_omni — {'torchvision': 'Qwen2VLVideoProcessor'}（Qwen2_5OmniConfig 模型）
• qwen2_5_vl — {'torchvision': 'Qwen2VLVideoProcessor'}（Qwen2_5_VLConfig 模型）
• qwen2_vl — {'torchvision': 'Qwen2VLVideoProcessor'}（Qwen2VLConfig 模型）
• qwen3_5 — {'torchvision': 'Qwen3VLVideoProcessor'}（Qwen3_5Config 模型）
• qwen3_5_moe — {'torchvision': 'Qwen3VLVideoProcessor'}（Qwen3_5MoeConfig 模型）
• qwen3_omni_moe — {'torchvision': 'Qwen2VLVideoProcessor'}（Qwen3OmniMoeConfig 模型）
• qwen3_vl — {'torchvision': 'Qwen3VLVideoProcessor'}（Qwen3VLConfig 模型）
• qwen3_vl_moe — {'torchvision': 'Qwen3VLVideoProcessor'}（Qwen3VLMoeConfig 模型）
• qwen4_exp — {'torchvision': 'Qwen3VLVideoProcessor'}（Qwen4ExpConfig 模型）
• sam2_video — {'torchvision': 'Sam2VideoVideoProcessor'}（Sam2VideoConfig 模型）
• smolvlm — {'torchvision': 'SmolVLMVideoProcessor'}（SmolVLMConfig 模型）
• timesformer — {'torchvision': 'TimesformerVideoProcessor'}（TimesformerConfig 模型）
• video_llama_3 — {'torchvision': 'VideoLlama3VideoProcessor'}（VideoLlama3Config 模型）
• video_llava — {'torchvision': 'VideoLlavaVideoProcessor'}（VideoLlavaConfig 模型）
• videomae — {'torchvision': 'VideoMAEVideoProcessor'}（VideoMAEConfig 模型）
• videomt — {'torchvision': 'VideomtVideoProcessor'}（VideomtConfig 模型）
• videoprism — {'torchvision': 'LlavaOnevisionVideoProcessor'}（VideoPrismConfig 模型）
• vivit — {'torchvision': 'VivitVideoProcessor'}（VivitConfig 模型）
• vjepa2 — {'torchvision': 'VJEPA2VideoProcessor'}（VJEPA2Config 模型）

若要使用私有模型，必须传入 token=True。

>>> from transformers import AutoVideoProcessor

>>> # Download video processor from huggingface.co and cache.
>>> video_processor = AutoVideoProcessor.from_pretrained("llava-hf/llava-onevision-qwen2-0.5b-ov-hf")

>>> # If video processor files are in a directory (e.g. video processor was saved using *save_pretrained('./test/saved_model/')*)
>>> # video_processor = AutoVideoProcessor.from_pretrained("./test/saved_model/")

为此类注册一个新的视频处理器。

从预训练模型词表中实例化该库的某个处理器类。

要实例化的处理器类是根据配置对象的 model_type 属性来选择的（该属性可以通过参数传入，或者在可能的情况下从 pretrained_model_name_or_path 加载）：

• aimv2 — CLIPProcessor（Aimv2Config 模型）
• align — AlignProcessor（AlignConfig 模型）
• altclip — AltCLIPProcessor（AltCLIPConfig 模型）
• aria — AriaProcessor（AriaConfig 模型）
• audioflamingo3 — AudioFlamingo3Processor（AudioFlamingo3Config 模型）
• aya_vision — AyaVisionProcessor（AyaVisionConfig 模型）
• bark — BarkProcessor（BarkConfig 模型）
• blip — BlipProcessor（BlipConfig 模型）
• blip-2 — Blip2Processor（Blip2Config 模型）
• bridgetower — BridgeTowerProcessor（BridgeTowerConfig 模型）
• bros — BrosProcessor（BrosConfig 模型）
• canary — CanaryProcessor（CanaryConfig 模型）
• chameleon — ChameleonProcessor（ChameleonConfig 模型）
• chinese_clip — ChineseCLIPProcessor（ChineseCLIPConfig 模型）
• clap — ClapProcessor（ClapConfig 模型）
• clip — CLIPProcessor（CLIPConfig 模型）
• clipseg — CLIPSegProcessor（CLIPSegConfig 模型）
• clvp — ClvpProcessor（ClvpConfig 模型）
• cohere2_vision — Cohere2VisionProcessor（Cohere2VisionConfig 模型）
• cohere_asr — CohereAsrProcessor（CohereAsrConfig 模型）
• cohere_compass — CohereCompassProcessor（CohereCompassConfig 模型）
• colmodernvbert — ColModernVBertProcessor（ColModernVBertConfig 模型）
• colpali — ColPaliProcessor（ColPaliConfig 模型）
• colqwen2 — ColQwen2Processor（ColQwen2Config 模型）
• cosmos3_edge — Cosmos3EdgeProcessor（Cosmos3EdgeConfig 模型）
• csm — CsmProcessor（CsmConfig 模型）
• deepseek_ocr2 — DeepseekOcr2Processor（DeepseekOcr2Config 模型）
• deepseek_vl — DeepseekVLProcessor（DeepseekVLConfig 模型）
• deepseek_vl_hybrid — DeepseekVLHybridProcessor（DeepseekVLHybridConfig 模型）
• dia — DiaProcessor（DiaConfig 模型）
• diffusion_gemma — Gemma4Processor（DiffusionGemmaConfig 模型）
• edgetam — Sam2Processor（EdgeTamConfig 模型）
• embedding_gemma2 — EmbeddingGemma2Processor（EmbeddingGemma2Config 模型）
• emu3 — Emu3Processor（Emu3Config 模型）
• ernie4_5_vl_moe — Ernie4_5_VLMoeProcessor（Ernie4_5_VLMoeConfig 模型）
• evolla — EvollaProcessor（EvollaConfig 模型）
• exaone4_5 — Exaone4_5_Processor（Exaone4_5_Config 模型）
• flava — FlavaProcessor（FlavaConfig 模型）
• florence2 — Florence2Processor（Florence2Config 模型）
• fun_asr_nano — FunAsrNanoProcessor（FunAsrNanoConfig 模型）
• fuyu — FuyuProcessor（FuyuConfig 模型）
• gemma3 — Gemma3Processor（Gemma3Config 模型）
• gemma3n — Gemma3nProcessor（Gemma3nConfig 模型）
• gemma4 — Gemma4Processor（Gemma4Config 模型）
• gemma4_unified — Gemma4UnifiedProcessor（Gemma4UnifiedConfig 模型）
• git — GitProcessor（GitConfig 模型）
• glm46v — Glm46VProcessor（Glm46VConfig 模型）
• glm4v — Glm4vProcessor（Glm4vConfig 模型）
• glm4v_moe — Glm4vProcessor（Glm4vMoeConfig 模型）
• glm5_next — Glm5NextProcessor（Glm5NextConfig 模型）
• glm_image — GlmImageProcessor（GlmImageConfig 模型）
• glmasr — GlmAsrProcessor（GlmAsrConfig 模型）
• got_ocr2 — GotOcr2Processor（GotOcr2Config 模型）
• gradium_phonon_tts — PocketTTSProcessor（GradiumPhononTTSConfig 模型）
• granite4_vision — Granite4VisionProcessor（Granite4VisionConfig 模型）
• granite_speech — GraniteSpeechProcessor（GraniteSpeechConfig 模型）
• granite_speech5_ctc — GraniteSpeech5Processor（GraniteSpeech5CTCConfig 模型）
• granite_speech_plus — GraniteSpeechProcessor（GraniteSpeechPlusConfig 模型）
• grounding-dino — GroundingDinoProcessor（GroundingDinoConfig 模型）
• groupvit — CLIPProcessor（GroupViTConfig 模型）
• higgs_audio_v2 — HiggsAudioV2Processor（HiggsAudioV2Config 模型）
• hubert — Wav2Vec2Processor（HubertConfig 模型）
• hunyuan_vl — HunYuanVLProcessor（HunYuanVLConfig 模型）
• hyperclovax_vision_v2 — HyperCLOVAXVisionV2Processor（HyperCLOVAXVisionV2Config 模型）
• idefics — IdeficsProcessor（IdeficsConfig 模型）
• idefics2 — Idefics2Processor（Idefics2Config 模型）
• idefics3 — Idefics3Processor（Idefics3Config 模型）
• inkling_mm_model — InklingProcessor（InklingConfig 模型）
• instructblip — InstructBlipProcessor（InstructBlipConfig 模型）
• instructblipvideo — InstructBlipVideoProcessor（InstructBlipVideoConfig 模型）
• internvl — InternVLProcessor（InternVLConfig 模型）
• janus — JanusProcessor（JanusConfig 模型）
• kimi_k25 — Kimi_K25Processor（Kimi_K25Config 模型）
• kyutai_speech_to_text — KyutaiSpeechToTextProcessor（KyutaiSpeechToTextConfig 模型）
• lasr_ctc — LasrProcessor（LasrCTCConfig 模型）
• lasr_encoder — LasrProcessor（LasrEncoderConfig 模型）
• layoutlmv2 — LayoutLMv2Processor（LayoutLMv2Config 模型）
• layoutlmv3 — LayoutLMv3Processor（LayoutLMv3Config 模型）
• layoutxlm — LayoutXLMProcessor（LayoutXLMConfig 模型）
• lfm2_vl — Lfm2VlProcessor（Lfm2VlConfig 模型）
• lighton_ocr — LightOnOcrProcessor（LightOnOcrConfig 模型）
• llama4 — Llama4Processor（Llama4Config 模型）
• llava — LlavaProcessor（LlavaConfig 模型）
• llava_next — LlavaNextProcessor（LlavaNextConfig 模型）
• llava_next_video — LlavaNextVideoProcessor（LlavaNextVideoConfig 模型）
• llava_onevision — LlavaOnevisionProcessor（LlavaOnevisionConfig 模型）
• markuplm — MarkupLMProcessor（MarkupLMConfig 模型）
• metaclip_2 — CLIPProcessor（MetaClip2Config 模型）
• mgp-str — MgpstrProcessor（MgpstrConfig 模型）
• minicpm_ocr — MiniCPMOcrProcessor（MiniCPMOcrConfig 模型）
• minicpmv4_6 — MiniCPMV4_6Processor（MiniCPMV4_6Config 模型）
• minicpmv4_7 — MiniCPMV4_7Processor（MiniCPMV4_7Config 模型）
• minimax_m3_vl — MiniMaxM3VLProcessor（MiniMaxM3VLConfig 模型）
• mistral3 — PixtralProcessor（Mistral3Config 模型）
• mistral_large4 — PixtralProcessor（MistralLarge4Config 模型）
• mllama — MllamaProcessor（MllamaConfig 模型）
• mm-grounding-dino — GroundingDinoProcessor（MMGroundingDinoConfig 模型）
• modernvbert — Idefics3Processor（ModernVBertConfig 模型）
• molmo2 — Molmo2Processor（Molmo2Config 模型）
• moonshine — Wav2Vec2Processor（MoonshineConfig 模型）
• moonshine_streaming — MoonshineStreamingProcessor（MoonshineStreamingConfig 模型）
• moss_transcribe_diarize — MossTranscribeDiarizeProcessor（MossTranscribeDiarizeConfig 模型）
• muse_glimmer — MuseGlimmerProcessor（MuseGlimmerConfig 模型）
• muse_spark — MuseSparkProcessor（MuseSparkConfig 模型）
• musicflamingo — MusicFlamingoProcessor（MusicFlamingoConfig 模型）
• musicgen — MusicgenProcessor（MusicgenConfig 模型）
• musicgen_melody — MusicgenMelodyProcessor（MusicgenMelodyConfig 模型）
• nemo_speechlm — Nemotron3_5TranscribeProcessor（Nemotron3_5TranscribeConfig 模型）
• nemotron3_5_asr — Nemotron3_5AsrProcessor（Nemotron3_5AsrConfig 模型）
• nemotron3_diarization — Nemotron3DiarizationProcessor（Nemotron3DiarizationConfig 模型）
• nemotron_asr_streaming — NemotronAsrStreamingProcessor（NemotronAsrStreamingConfig 模型）
• nemotron_h_omni — NemotronH_Omni_Reasoning_V3Processor（NemotronH_Omni_Reasoning_V3_Config 模型）
• neomme — NeoMMEProcessor（NeoMMEConfig 模型）
• nougat — NougatProcessor（NougatConfig 模型）
• omdet-turbo — OmDetTurboProcessor（OmDetTurboConfig 模型）
• oneformer — OneFormerProcessor（OneFormerConfig 模型）
• ovis2 — Ovis2Processor（Ovis2Config 模型）
• owlv2 — Owlv2Processor（Owlv2Config 模型）
• owlvit — OwlViTProcessor（OwlViTConfig 模型）
• paddleocr_vl — PaddleOCRVLProcessor（PaddleOCRVLConfig 模型）
• paligemma — PaliGemmaProcessor（PaliGemmaConfig 模型）
• parakeet_ctc — ParakeetProcessor（ParakeetCTCConfig 模型）
• parakeet_rnnt — ParakeetProcessor（ParakeetRNNTConfig 模型）
• parakeet_tdt — ParakeetProcessor（ParakeetTDTConfig 模型）
• pe_audio — PeAudioProcessor（PeAudioConfig 模型）
• pe_audio_video — PeAudioVideoProcessor（PeAudioVideoConfig 模型）
• pe_video — PeVideoProcessor（PeVideoConfig 模型）
• perception_lm — PerceptionLMProcessor（PerceptionLMConfig 模型）
• phi4_multimodal — Phi4MultimodalProcessor（Phi4MultimodalConfig 模型）
• pi0 — PI0Processor（PI0Config 模型）
• pix2struct — Pix2StructProcessor（Pix2StructConfig 模型）
• pixtral — PixtralProcessor（PixtralVisionConfig 模型）
• pocket_tts — PocketTTSProcessor（PocketTTSConfig 模型）
• pop2piano — Pop2PianoProcessor（Pop2PianoConfig 模型）
• pp_chart2table — PPChart2TableProcessor（PPChart2TableConfig 模型）
• pp_formulanet — PPFormulaNetProcessor（PPFormulaNetConfig 模型）
• qianfan_ocr — QianfanOCRProcessor（QianfanOCRConfig 模型）
• qwen2_5_omni — Qwen2_5OmniProcessor（Qwen2_5OmniConfig 模型）
• qwen2_5_vl — Qwen2_5_VLProcessor（Qwen2_5_VLConfig 模型）
• qwen2_audio — Qwen2AudioProcessor（Qwen2AudioConfig 模型）
• qwen2_vl — Qwen2VLProcessor（Qwen2VLConfig 模型）
• qwen3_5 — Qwen3VLProcessor（Qwen3_5Config 模型）
• qwen3_5_moe — Qwen3VLProcessor（Qwen3_5MoeConfig 模型）
• qwen3_asr — Qwen3ASRProcessor（Qwen3ASRConfig 模型）
• qwen3_omni_moe — Qwen3OmniMoeProcessor（Qwen3OmniMoeConfig 模型）
• qwen3_vl — Qwen3VLProcessor（Qwen3VLConfig 模型）
• qwen3_vl_moe — Qwen3VLProcessor（Qwen3VLMoeConfig 模型）
• qwen4_exp — Qwen3VLProcessor（Qwen4ExpConfig 模型）
• sam — SamProcessor（SamConfig 模型）
• sam2 — Sam2Processor（Sam2Config 模型）
• sam2_video — Sam2VideoProcessor（Sam2VideoConfig 模型）
• sam3 — Sam3Processor（Sam3Config 模型）
• sam3_lite_text — Sam3Processor（Sam3LiteTextConfig 模型）
• sam3_tracker — Sam3TrackerProcessor（Sam3TrackerConfig 模型）
• sam3_tracker_video — Sam3TrackerVideoProcessor（Sam3TrackerVideoConfig 模型）
• sam3_video — Sam3VideoProcessor（Sam3VideoConfig 模型）
• sam_hq — SamHQProcessor（SamHQConfig 模型）
• seamless_m4t — SeamlessM4TProcessor（SeamlessM4TConfig 模型）
• sew — Wav2Vec2Processor（SEWConfig 模型）
• sew-d — Wav2Vec2Processor（SEWDConfig 模型）
• siglip — SiglipProcessor（SiglipConfig 模型）
• siglip2 — Siglip2Processor（Siglip2Config 模型）
• smolvlm — SmolVLMProcessor（SmolVLMConfig 模型）
• speech_to_text — Speech2TextProcessor（Speech2TextConfig 模型）
• speecht5 — SpeechT5Processor（SpeechT5Config 模型）
• step3p7 — Step3p7Processor（Step3p7Config 模型）
• t5gemma2 — Gemma3Processor（T5Gemma2Config 模型）
• t5gemma2_encoder — Gemma3Processor（T5Gemma2EncoderConfig 模型）
• tipsv2 — Tipsv2Processor（Tipsv2Config 模型）
• trocr — TrOCRProcessor（TrOCRConfig 模型）
• tvp — TvpProcessor（TvpConfig 模型）
• udop — UdopProcessor（UdopConfig 模型）
• ultravbert — Idefics3Processor（UltraVBertConfig 模型）
• unispeech — Wav2Vec2Processor（UniSpeechConfig 模型）
• unispeech-sat — Wav2Vec2Processor（UniSpeechSatConfig 模型）
• unlimited_ocr — UnlimitedOcrProcessor（UnlimitedOcrConfig 模型）
• vibevoice — VibeVoiceProcessor（VibeVoiceConfig 模型）
• vibevoice_asr — VibeVoiceAsrProcessor（VibeVoiceAsrConfig 模型）
• video_llama_3 — VideoLlama3Processor（VideoLlama3Config 模型）
• video_llava — VideoLlavaProcessor（VideoLlavaConfig 模型）
• videoprism — VideoPrismProcessor（VideoPrismConfig 模型）
• vilt — ViltProcessor（ViltConfig 模型）
• vipllava — LlavaProcessor（VipLlavaConfig 模型）
• vision-text-dual-encoder — VisionTextDualEncoderProcessor（VisionTextDualEncoderConfig 模型）
• voxtral — VoxtralProcessor（VoxtralConfig 模型）
• voxtral_realtime — VoxtralRealtimeProcessor（VoxtralRealtimeConfig 模型）
• wav2vec2 — Wav2Vec2Processor（Wav2Vec2Config 模型）
• wav2vec2-bert — Wav2Vec2BertProcessor（Wav2Vec2BertConfig 模型）
• wav2vec2-conformer — Wav2Vec2Processor（Wav2Vec2ConformerConfig 模型）
• wavlm — Wav2Vec2Processor（WavLMConfig 模型）
• whisper — WhisperProcessor（WhisperConfig 模型）

若要使用私有模型，必须传入 token=True。

>>> from transformers import AutoProcessor

>>> # Download processor from huggingface.co and cache.
>>> processor = AutoProcessor.from_pretrained("facebook/wav2vec2-base-960h")

>>> # If processor files are in a directory (e.g. processor was saved using *save_pretrained('./test/saved_model/')*)
>>> # processor = AutoProcessor.from_pretrained("./test/saved_model/")

为此类注册一个新的处理器。