在Torch中，序列标注模块有以下几种：
nn.CTCLoss：用于计算CTC（Connectionist Temporal Classification）损失的模块，通常用于序列标注任务中。
nn.Transformer：Transformer模型可以用于序列标注任务，通过自注意力机制来捕捉序列中的长距离依赖关系。
nn.LSTM：长短期记忆网络（LSTM）是一种循环神经网络结构，广泛用于序列标注任务中，可以较好地处理长期依赖关系。
nn.GRU：门控循环单元（GRU）是另一种循环神经网络结构，与LSTM相似，也可以用于序列标注任务。
nn.CRF：条件随机场（CRF）是一种经典的序列标注模型，通常与神经网络结合使用，用于学习全局标注分布。
这些模块可以灵活组合使用，根据具体任务需求选择合适的模型结构。