Hemos lanzado nuestro modelo TTS basado en LFM2-350M como código abierto 🚀 También hemos lanzado muchos modelos FT diferentes. Plataforma GPU: @hyperbolic_labs Datos: Emilia + Emilia Yodas(EN) Modelo LLM: LFM2-350M @LiquidAI_ Disco y Espacio: @huggingface Estoy muy feliz de haber lanzado este modelo como código abierto. Muchas gracias a @VyvoSmartChain #opensource #speech #tts #huggingface #lfm #gpu

🚨 ¡Grandes noticias! Hemos decidido que la biblioteca de post-entrenamiento de @huggingface, TRL, soportará de forma nativa el entrenamiento de Modelos de Lenguaje Visual 🖼️ Esto se basa en nuestro reciente soporte de VLM en SFTTrainer — y no nos detendremos hasta que TRL sea la biblioteca de entrenamiento de VLM número 1 🥇 Más aquí 👉 Un enorme agradecimiento a @mervenoyann, @SergioPaniego y @ariG23498 🔥

¡270 millones (no mil millones) de parámetros! ⚡️⚡️⚡️

Presentamos DINOv3: un modelo de visión por computadora de última generación entrenado con aprendizaje auto-supervisado (SSL) que produce características de imagen potentes y de alta resolución. Por primera vez, un único backbone de visión congelado supera a soluciones especializadas en múltiples tareas de predicción densa de larga data. Descubre más sobre DINOv3 aquí:

¡Presentamos Gemma 3 270M! 🚀 Establece un nuevo estándar para el seguimiento de instrucciones en modelos compactos, mientras es extremadamente eficiente para tareas especializadas.

Un conjunto de datos de platos de comida muy interesante, si estás construyendo una aplicación/modelo de salud: 100 k muestras de comida cuidadosamente seleccionadas que abarcan comidas caseras, platos de restaurantes, ingredientes crudos y productos envasados. Cómo se construyó es igual de valioso • 50 k usuarios reales de Binance capturaron sus propios platos y fueron pre-anotados por anotadores humanos profesionales. • Las etiquetas generadas por máquina fueron luego revisadas y refinadas por usuarios de Binance para garantizar la calidad. • Una parte del conjunto de datos está disponible en Hugging Face bajo una licencia OpenRail. Parece un nuevo enfoque para la recopilación de datos mediante crowdsourcing. Enlace a continuación:

🚀Estamos emocionados de abrir el código de Hunyuan-GameCraft, un marco de generación de videos de juegos interactivos de alta dinámica construido sobre HunyuanVideo. Genera videos jugables y físicamente realistas a partir de una única imagen de escena y señales de acción del usuario, empoderando a creadores y desarrolladores para "dirigir" juegos con perspectivas en primera o tercera persona. Ventajas Clave: 🔹Alta Dinámica: Unifica las entradas estándar del teclado en un espacio de acción continuo compartido, permitiendo un control de alta precisión sobre la velocidad y el ángulo. Esto permite explorar trayectorias complejas, superando el movimiento rígido y limitado de los modelos tradicionales. También puede generar contenido ambiental dinámico como nubes en movimiento, lluvia, nieve y flujo de agua. 🔹Consistencia a Largo Plazo: Utiliza una condición de historia híbrida para preservar la información original de la escena después de un movimiento significativo. 🔹Reducción de Costos Significativa: No es necesario modelar/renderizar de manera costosa. La destilación PCM comprime los pasos de inferencia, aumentando la velocidad y reduciendo costos. Esto permite que el modelo cuantizado de 13B funcione en GPUs de grado de consumo como la RTX 4090. Página del Proyecto: Código: Informe Técnico: Hugging Face：

¡OpenAI gpt-oss 120B orquesta un video completo usando los espacios de Hugging Face! 🤯 Todo, en un ÚNICO prompt: crea una imagen de un Labrador y úsala para generar un video simple de él 🛠️ Herramientas utilizadas: 1. Flux.1 Krea Dev de @bfl_ml 2. LTX Fast de @Lightricks ¡Eso es todo, gpt-oss 120B es uno de los MEJORES modelos de código abierto que he utilizado para llamar herramientas hasta ahora! ¡Kudos @OpenAI 🤗

presentamos qqWen: nuestro proyecto completamente de código abierto (código + pesos + datos + informe técnico detallado) para el ajuste fino de pila completa (preentrenamiento + SFT + RL) una serie de modelos (1.5b, 3b, 7b, 14b y 32b) para un lenguaje de programación financiera de nicho llamado Q ¡Todos los detalles a continuación!

Déjame explicarte por qué el almacenamiento de Hugging Face Datasets es más rápido que S3 + por qué el lanzamiento de hoy lo cambia todo 🧵