Wir haben unser auf LFM2-350M basierendes TTS-Modell als Open Source veröffentlicht 🚀 Wir haben auch viele verschiedene FT-Modelle veröffentlicht. GPU-Plattform: @hyperbolic_labs Daten: Emilia + Emilia Yodas(EN) LLM-Modell: LFM2-350M @LiquidAI_ Disk und Speicher: @huggingface Ich freue mich sehr, dieses Modell als Open Source veröffentlicht zu haben. Vielen Dank an @VyvoSmartChain #opensource #speech #tts #huggingface #lfm #gpu

🚨 Große Neuigkeiten! Wir haben entschieden, dass die Post-Training-Bibliothek von @huggingface, TRL, nativ das Training von Vision Language Models unterstützt 🖼️ Das baut auf unserer kürzlichen VLM-Unterstützung im SFTTrainer auf — und wir hören nicht auf, bis TRL die #1 VLM-Trainingsbibliothek ist 🥇 Mehr hier 👉 Ein riesiges Dankeschön an @mervenoyann, @SergioPaniego und @ariG23498 🔥

270 Millionen (nicht Milliarden) Parameter! ⚡️⚡️⚡️

Einführung von DINOv3: ein hochmodernes Computer Vision-Modell, das mit selbstüberwachtem Lernen (SSL) trainiert wurde und leistungsstarke, hochauflösende Bildmerkmale erzeugt. Zum ersten Mal übertrifft ein einzelner gefrorener Vision-Rückgrat spezialisierte Lösungen bei mehreren langjährigen dichten Vorhersageaufgaben. Erfahren Sie hier mehr über DINOv3:

Einführung von Gemma 3 270M! 🚀 Es setzt einen neuen Standard für das Befolgen von Anweisungen in kompakten Modellen und ist dabei äußerst effizient für spezialisierte Aufgaben.

Ein sehr interessantes Datenset zu Gerichten, wenn Sie eine Gesundheits-App/ein Modell entwickeln: 100.000 sorgfältig kuratierte Lebensmittelproben, die hausgemachte Mahlzeiten, Restaurantgerichte, Rohzutaten und verpackte Produkte umfassen. Wie es erstellt wurde, ist ebenso wertvoll • 50.000 echte Benutzer auf Binance haben ihre eigenen Teller erfasst und wurden von professionellen menschlichen Annotatoren vorannotiert. • Maschinell generierte Labels wurden dann von Binance-Nutzern stichprobenartig überprüft und verfeinert, um die Qualität zu garantieren. • Ein Teil des Datensatzes ist unter einer OpenRail-Lizenz auf Hugging Face verfügbar. Klingt nach einem neuen Ansatz zur Crowdsourcing-Datensammlung. Link unten:

🚀Wir freuen uns, Hunyuan-GameCraft als Open Source zu veröffentlichen, ein hochdynamisches interaktives Spielvideogenerierungsframework, das auf HunyuanVideo basiert. Es generiert spielbare und physikalisch realistische Videos aus einem einzelnen Szenenbild und Benutzersignalen, wodurch Kreative und Entwickler in die Lage versetzt werden, Spiele aus der Ich- oder der Dritt-Person-Perspektive zu "regie führen". Hauptvorteile: 🔹Hohe Dynamik: Vereinheitlicht Standardtastatureingaben in einen gemeinsamen kontinuierlichen Aktionsraum, der eine hochpräzise Kontrolle über Geschwindigkeit und Winkel ermöglicht. Dies erlaubt die Erkundung komplexer Trajektorien und überwindet die steifen, begrenzten Bewegungen traditioneller Modelle. Es kann auch dynamische Umgebungsinhalte wie bewegte Wolken, Regen, Schnee und Wasserfluss generieren. 🔹Langfristige Konsistenz: Verwendet hybride Geschichtszustände, um die ursprünglichen Szeneninformationen nach signifikanten Bewegungen zu bewahren. 🔹Bedeutende Kostenreduktion: Keine teuren Modellierungs-/Renderingkosten erforderlich. PCM-Destillation komprimiert die Inferenzschritte, steigert die Geschwindigkeit und senkt die Kosten. Dadurch kann das quantisierte 13B-Modell auf Verbrauchergrafikkarten wie der RTX 4090 betrieben werden. Projektseite: Code: Technischer Bericht: Hugging Face：

OpenAI gpt-oss 120B orchestriert ein vollständiges Video mit Hugging Face Spaces! 🤯 Alles in einem EINZIGEN Prompt: Erstelle ein Bild von einem Labrador und verwende es, um ein einfaches Video davon zu generieren. 🛠️ Verwendete Tools: 1. Flux.1 Krea Dev von @bfl_ml 2. LTX Fast von @Lightricks Das war's, gpt-oss 120B ist eines der BESTEN Open-Source-Modelle, die ich bisher für Tool-Calls verwendet habe! Kudos @OpenAI 🤗

Einführung von qqWen: unser vollständig Open-Source-Projekt (Code+Gewichte+Daten+ausführlicher technischer Bericht) für Full-Stack-Finetuning (Pretrain+SFT+RL) einer Reihe von Modellen (1,5b, 3b, 7b, 14b & 32b) für eine Nischen-Finanzprogrammiersprache namens Q Alle Details unten!

Lass mich erklären, warum der Speicher von Hugging Face Datasets schneller ist als S3 + warum das heutige Release alles verändert 🧵