Kami telah merilis model TTS berbasis LFM2-350M kami sebagai open source 🚀 Kami juga telah merilis banyak model FT yang berbeda. Platform GPU: @hyperbolic_labs Data: Emilia + Emilia Yodas(ID) Model LLM: LFM2-350M @LiquidAI_ Disk dan Ruang: @huggingface Saya sangat senang telah merilis model ini sebagai open source. Terima kasih banyak kepada @VyvoSmartChain #opensource #speech #tts #huggingface #lfm #gpu

🚨 Berita besar! Kami memutuskan bahwa perpustakaan pasca-pelatihan @huggingface, TRL, akan secara asli mendukung pelatihan Model 🖼️ Bahasa Visi Ini dibangun di atas dukungan VLM kami baru-baru ini di SFTTrainer — dan kami tidak akan berhenti sampai TRL menjadi pustaka 🥇 pelatihan VLM #1 Selengkapnya di sini 👉 Terima kasih banyak kepada @mervenoyann, @SergioPaniego, dan @ariG23498 🔥

270 juta (bukan miliar) parameter! ⚡️⚡️⚡️

Memperkenalkan DINOv3: model visi komputer canggih yang dilatih dengan pembelajaran yang diawasi sendiri (SSL) yang menghasilkan fitur gambar beresolusi tinggi yang kuat. Untuk pertama kalinya, tulang punggung penglihatan beku tunggal mengungguli solusi khusus pada beberapa tugas prediksi padat yang sudah berlangsung lama. Pelajari lebih lanjut tentang DINOv3 di sini:

Memperkenalkan Gemma 3 270M! 🚀 Ini menetapkan standar baru untuk mengikuti instruksi dalam model yang ringkas, sekaligus sangat efisien untuk tugas-tugas khusus.

Himpunan data hidangan makanan yang sangat menarik, jika Anda membuat aplikasi/model kesehatan: 100 ribu sampel makanan yang dikuratori dengan cermat yang mencakup makanan rumahan, hidangan restoran, bahan mentah, dan produk kemasan. Bagaimana itu dibangun sama berharganya • 50 ribu pengguna nyata di Binance menangkap piring mereka sendiri dan dianotasi sebelumnya oleh anotasi manusia profesional. • Label yang dihasilkan mesin kemudian diperiksa dan disempurnakan oleh pengguna Biance untuk menjamin kualitas. • Sepotong kumpulan data yang tersedia di Hugging Face di bawah lisensi OpenRail. Kedengarannya seperti pendekatan baru untuk pengumpulan data crowdsourcing. Tautan di bawah ini:

🚀Kami sangat senang dengan open-source Hunyuan-GameCraft, kerangka kerja pembuatan video game interaktif dinamis tinggi yang dibangun di atas HunyuanVideo. Ini menghasilkan video yang dapat dimainkan dan realistis secara fisik dari gambar satu adegan dan sinyal tindakan pengguna, memberdayakan pembuat dan pengembang untuk "mengarahkan" game dengan perspektif orang pertama atau orang ketiga. Keuntungan utama: 🔹Dinamika Tinggi: Menyatukan input keyboard standar ke dalam ruang aksi berkelanjutan bersama, memungkinkan kontrol presisi tinggi atas kecepatan dan sudut. Hal ini memungkinkan eksplorasi lintasan yang kompleks, mengatasi gerakan model tradisional yang kaku dan terbatas. Ini juga dapat menghasilkan konten lingkungan yang dinamis seperti awan bergerak, hujan, salju, dan aliran air. 🔹Konsistensi Jangka Panjang: Menggunakan kondisi riwayat hibrida untuk mempertahankan informasi adegan asli setelah pergerakan yang signifikan. 🔹Pengurangan Biaya yang Signifikan: Tidak perlu pemodelan/rendering yang mahal. Distilasi PCM memampatkan langkah-langkah inferensi, meningkatkan kecepatan dan menurunkan biaya. Hal ini memungkinkan model 13B yang dikuantisasi untuk berjalan pada GPU kelas konsumen seperti RTX 4090. Halaman Proyek: Kode: Laporan Teknis: Wajah Memeluk:

OpenAI gpt-oss 120B mengatur video lengkap menggunakan ruang Hugging Face! 🤯 Semuanya, dalam satu prompt SINGLE: buat gambar Labrador dan gunakan untuk menghasilkan video sederhana 🛠️ Alat yang digunakan: 1. Flux.1 Krea Dev oleh @bfl_ml 2. LTX Cepat dengan @Lightricks Itu saja, gpt-oss 120B adalah salah satu model open source TERBAIK yang pernah saya gunakan untuk pemanggilan alat sejauh ini! Pujian @OpenAI 🤗

memperkenalkan qqWen: proyek sumber terbuka kami (kode + bobot + data + laporan teknis terperinci) untuk penyempurnaan tumpukan penuh (pretrain + SFT + RL) serangkaian model (1.5b, 3b, 7b, 14b & 32b) untuk bahasa pemrograman keuangan khusus yang disebut Q Semua detail di bawah ini!

Izinkan saya menjelaskan mengapa penyimpanan Hugging Face Datasets lebih cepat daripada S3 + mengapa rilis hari ini mengubah segalanya 🧵