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(ES) Modelo LLM: LFM2-350M @LiquidAI_ Disco y espacio: @huggingface Estoy muy contento de haber lanzado este modelo como código abierto. Muchas gracias a @VyvoSmartChain #opensource #speech #tts #huggingface #lfm #gpu

🚨 ¡Grandes noticias! Decidimos que la biblioteca posterior al entrenamiento de @huggingface, TRL, admitirá de forma nativa el entrenamiento de modelos 🖼️ de lenguaje de visión Esto se basa en nuestro reciente soporte VLM en SFTTrainer, y no nos detendremos hasta que TRL sea la biblioteca 🥇 de entrenamiento VLM # 1 Más aquí 👉 Muchas gracias 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 autosupervisado (SSL) que produce potentes funciones de imagen de alta resolución. Por primera vez, una sola red troncal de visión congelada supera a las soluciones especializadas en múltiples tareas de predicción densa de larga data. Obtenga más información sobre DINOv3 aquí:

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

Un conjunto de datos de platos de comida muy interesante, si está creando una aplicación/modelo de salud: 100 mil muestras de alimentos cuidadosamente seleccionadas que abarcan comidas caseras, platos de restaurantes, ingredientes crudos y productos envasados. La forma en que se construyó es igual de valiosa • 50 mil usuarios reales en Binance capturaron sus propias placas y fueron anotadas previamente por anotadores humanos profesionales. • Las etiquetas generadas por la máquina fueron revisadas y refinadas por los usuarios de Biance para garantizar la calidad. • Una porción del conjunto de datos disponible en Hugging Face bajo una licencia OpenRail. Suena como un nuevo enfoque para la recopilación de datos de crowdsourcing. Enlace a continuación:

🚀Estamos encantados de abrir Hunyuan-GameCraft, un marco de generación de videos de juegos interactivos de alta dinámica basado en HunyuanVideo. Genera videos jugables y físicamente realistas a partir de una sola imagen de escena y señales de acción del usuario, lo que permite a los creadores y desarrolladores "dirigir" juegos con perspectivas en primera o tercera persona. Ventajas clave: 🔹Alta dinámica: unifica las entradas de teclado estándar en un espacio de acción continuo compartido, lo que permite un control de alta precisión sobre la velocidad y el ángulo. Esto permite la exploración de 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. 🔹Coherencia a largo plazo: utiliza la condición de historial híbrido para conservar la información de la escena original después de un movimiento significativo. 🔹Reducción significativa de costos: No hay necesidad de modelado / renderizado costoso. La destilación PCM comprime los pasos de inferencia, lo que aumenta la velocidad y reduce los costos. Esto permite que el modelo 13B cuantificado se ejecute en GPU de consumo como la RTX 4090. Página del proyecto: Código: Informe técnico: Cara de abrazo:

¡OpenAI gpt-oss 120B orquesta un video completo usando espacios Hugging Face! 🤯 Todo, en un SOLO mensaje: crear una imagen de un labrador y usarla para generar un video simple de ella 🛠️ Herramientas utilizadas: 1. Flux.1 Krea Dev por @bfl_ml 2. LTX Rápido por @Lightricks Eso es todo, gpt-oss 120B es uno de los MEJORES modelos de código abierto que he usado para llamadas de herramientas hasta ahora. Felicitaciones @OpenAI 🤗

Presentamos qqWen: nuestro proyecto 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!

Permítanme explicar por qué el almacenamiento de Hugging Face Datasets es más rápido que S3 + por qué la versión de hoy lo cambia todo 🧵