Wydaliśmy nasz model TTS oparty na LFM2-350M jako open source 🚀 Wydaliśmy również wiele różnych modeli FT. Platforma GPU: @hyperbolic_labs Dane: Emilia + Emilia Yodas(EN) Model LLM: LFM2-350M @LiquidAI_ Dysk i przestrzeń: @huggingface Bardzo się cieszę, że mogłem wydać ten model jako open source. Wielkie dzięki dla @VyvoSmartChain #opensource #speech #tts #huggingface #lfm #gpu

🚨 Wielkie wieści! Zdecydowaliśmy, że biblioteka po treningu @huggingface, TRL, będzie natywnie wspierać trening modeli językowo-wizualnych 🖼️ To buduje na naszym niedawnym wsparciu dla VLM w SFTTrainer — i nie zamierzamy się zatrzymywać, dopóki TRL nie stanie się biblioteką nr 1 do treningu VLM 🥇 Więcej tutaj 👉 Ogromne podziękowania dla @mervenoyann, @SergioPaniego i @ariG23498 🔥

270 milionów (nie miliardów) parametrów! ⚡️⚡️⚡️

Przedstawiamy DINOv3: nowoczesny model wizji komputerowej wytrenowany z wykorzystaniem uczenia samonadzorowanego (SSL), który generuje potężne, wysokiej rozdzielczości cechy obrazów. Po raz pierwszy pojedynczy zamrożony szkielet wizji przewyższa wyspecjalizowane rozwiązania w wielu długotrwałych zadaniach gęstego przewidywania. Dowiedz się więcej o DINOv3 tutaj:

Przedstawiamy Gemma 3 270M! 🚀 Ustanawia nowy standard w zakresie wykonywania instrukcji w kompaktowych modelach, jednocześnie będąc niezwykle wydajnym w przypadku zadań specjalistycznych.

Bardzo interesujący zbiór danych dotyczących potraw, jeśli budujesz aplikację/model zdrowotny: 100 tys. starannie wyselekcjonowanych próbek jedzenia obejmujących domowe posiłki, dania restauracyjne, surowe składniki i produkty pakowane. Sposób, w jaki został zbudowany, jest równie cenny • 50 tys. prawdziwych użytkowników na Binance uchwyciło swoje talerze, a następnie wstępnie oznaczone przez profesjonalnych annotatorów. • Etykiety generowane przez maszyny zostały następnie sprawdzone i udoskonalone przez użytkowników Biance, aby zapewnić jakość. • Część zbioru danych udostępniona na Hugging Face na licencji OpenRail. Brzmi jak nowe podejście do zbierania danych w sposób crowdsourcingowy. Link poniżej:

🚀Z radością ogłaszamy, że Hunyuan-GameCraft, framework do generacji interaktywnych filmów wideo o wysokiej dynamice, oparty na HunyuanVideo, jest teraz dostępny jako open-source. Generuje grywalne i fizycznie realistyczne filmy wideo z pojedynczego obrazu sceny oraz sygnałów akcji użytkownika, umożliwiając twórcom i deweloperom "reżyserowanie" gier z perspektywy pierwszej lub trzeciej osoby. Kluczowe zalety: 🔹Wysoka dynamika: Ujednolica standardowe wejścia z klawiatury w wspólną, ciągłą przestrzeń akcji, umożliwiając precyzyjną kontrolę nad prędkością i kątem. To pozwala na eksplorację złożonych trajektorii, pokonując sztywne, ograniczone ruchy tradycyjnych modeli. Może również generować dynamiczne treści środowiskowe, takie jak poruszające się chmury, deszcz, śnieg i przepływ wody. 🔹Długoterminowa spójność: Używa hybrydowego warunku historycznego, aby zachować oryginalne informacje o scenie po znacznym ruchu. 🔹Znacząca redukcja kosztów: Nie ma potrzeby kosztownego modelowania/renderowania. Destylacja PCM kompresuje kroki wnioskowania, zwiększając prędkość i obniżając koszty. To pozwala na uruchomienie skwantyzowanego modelu 13B na konsumenckich GPU, takich jak RTX 4090. Strona projektu: Kod: Raport techniczny: Hugging Face：

OpenAI gpt-oss 120B organizuje pełne wideo za pomocą Hugging Face spaces! 🤯 Wszystko to w jednym JEDNYM poleceniu: stwórz obraz Labradora i użyj go do wygenerowania prostego wideo z nim 🛠️ Użyte narzędzia: 1. Flux.1 Krea Dev od @bfl_ml 2. LTX Fast od @Lightricks To wszystko, gpt-oss 120B to jeden z NAJLEPSZYCH modeli open source, jakich używałem do wywoływania narzędzi do tej pory! Brawo @OpenAI 🤗

przedstawiamy qqWen: nasz całkowicie otwarty projekt (kod + wagi + dane + szczegółowy raport techniczny) do pełnego dostrajania (pretraining + SFT + RL) seria modeli (1.5b, 3b, 7b, 14b i 32b) dla niszowego języka programowania finansowego o nazwie Q Wszystkie szczegóły poniżej!

Pozwól, że wyjaśnię, dlaczego przechowywanie zbiorów danych Hugging Face jest szybsze niż S3 + dlaczego dzisiejsze wydanie zmienia wszystko 🧵