We hebben ons LFM2-350M gebaseerde TTS-model als open source uitgebracht 🚀 We hebben ook veel verschillende FT-modellen uitgebracht. GPU-platform: @hyperbolic_labs Data: Emilia + Emilia Yodas(EN) LLM-model: LFM2-350M @LiquidAI_ Schijf en ruimte: @huggingface Ik ben erg blij dat ik dit model als open source heb uitgebracht. Veel dank aan @VyvoSmartChain #opensource #speech #tts #huggingface #lfm #gpu

🚨 Groot nieuws! We hebben besloten dat de post-training bibliotheek van @huggingface, TRL, van nature ondersteuning biedt voor het trainen van Vision Language Models 🖼️ Dit bouwt voort op onze recente VLM-ondersteuning in SFTTrainer — en we stoppen niet totdat TRL de #1 VLM-trainingsbibliotheek is 🥇 Meer hier 👉 Grote dank aan @mervenoyann, @SergioPaniego en @ariG23498 🔥

270 miljoen (geen miljard) parameters! ⚡️⚡️⚡️

Introductie van DINOv3: een state-of-the-art computer vision model dat is getraind met zelfgestuurd leren (SSL) en krachtige, hoge-resolutie afbeeldingskenmerken produceert. Voor het eerst overtreft een enkele bevroren vision backbone gespecialiseerde oplossingen op meerdere langdurige taken voor dichte voorspellingen. Leer hier meer over DINOv3:

Introductie van Gemma 3 270M! 🚀 Het stelt een nieuwe standaard voor het volgen van instructies in compacte modellen, terwijl het extreem efficiënt is voor gespecialiseerde taken.

Een zeer interessante dataset van voedselgerechten, als je een gezondheidsapp/model bouwt: 100 k zorgvuldig samengestelde voedselmonsters, variërend van thuisgekookte maaltijden, restaurantgerechten, rauwe ingrediënten en verpakte producten. Hoe het is opgebouwd is net zo waardevol • 50 k echte gebruikers op Binance hebben hun eigen borden vastgelegd en vooraf geannoteerd door professionele menselijke annotators. • Machinegegenereerde labels werden vervolgens gecontroleerd en verfijnd door Binance-gebruikers om de kwaliteit te waarborgen. • Een deel van de dataset is beschikbaar gesteld op Hugging Face onder een OpenRail-licentie. Klinkt als een nieuwe benadering voor crowdsourcing van dataverzameling. Link hieronder:

🚀We zijn verheugd om Hunyuan-GameCraft open-source te maken, een hoog-dynamisch interactief game video generatie framework gebouwd op HunyuanVideo. Het genereert speelbare en fysiek realistische video's vanuit een enkele scène afbeelding en gebruikersactie signalen, waardoor makers en ontwikkelaars in staat worden gesteld om games te "regisseren" vanuit een eerste- of derde-persoonsperspectief. Belangrijkste Voordelen: 🔹Hoge Dynamiek: Unifieert standaard toetsenbordinvoer in een gedeelde continue actieruimte, waardoor hoge precisie controle over snelheid en hoek mogelijk is. Dit maakt het verkennen van complexe trajecten mogelijk, waardoor de stijve, beperkte beweging van traditionele modellen wordt overwonnen. Het kan ook dynamische omgevingsinhoud genereren zoals bewegende wolken, regen, sneeuw en waterstromen. 🔹Langdurige Consistentie: Gebruikt hybride geschiedenisconditie om de oorspronkelijke scène-informatie te behouden na significante beweging. 🔹Significante Kostenbesparing: Geen dure modellering/rendering nodig. PCM-distillatie comprimeert inferentiestappen, verhoogt de snelheid en verlaagt de kosten. Dit stelt het gekwantiseerde 13B-model in staat om te draaien op consumenten-grade GPU's zoals de RTX 4090. Projectpagina: Code: Technisch Rapport: Hugging Face：

OpenAI gpt-oss 120B orkestreert een volledige video met Hugging Face spaces! 🤯 Alles, in één ENKELE prompt: maak een afbeelding van een Labrador en gebruik deze om een eenvoudige video van hem te genereren 🛠️ Gebruikte tools: 1. Flux.1 Krea Dev door @bfl_ml 2. LTX Fast door @Lightricks Dat is het, gpt-oss 120B is een van de BESTE open source modellen die ik tot nu toe heb gebruikt voor tool-aanroepen! Kudos @OpenAI 🤗

introductie van qqWen: ons volledig open-source project (code+gewichten+data+gedetailleerd technisch rapport) voor full-stack finetuning (pretrain+SFT+RL) een reeks modellen (1,5b, 3b, 7b, 14b & 32b) voor een niche financiële programmeertaal genaamd Q Alle details hieronder!

Laat me uitleggen waarom de opslag van Hugging Face Datasets sneller is dan S3 + waarom de release van vandaag alles verandert 🧵