Am lansat modelul nostru TTS bazat pe LFM2-350M ca open source 🚀 De asemenea, am lansat multe modele FT diferite. Platforma GPU: @hyperbolic_labs Date: Emilia + Emilia Yodas(EN) Model LLM: LFM2-350M @LiquidAI_ Disc și spațiu: @huggingface Sunt foarte fericit că am lansat acest model ca open source. Multe mulțumiri @VyvoSmartChain #opensource #speech #tts #huggingface #lfm #gpu

🚨 Vești mari! Am decis că biblioteca post-antrenament a @huggingface, TRL, va sprijini în mod nativ antrenarea modelelor 🖼️ de limbaj vizual Acest lucru se bazează pe suportul nostru recent VLM în SFTTrainer - și nu ne oprim până când TRL nu va fi biblioteca 🥇 de instruire VLM #1 Mai multe aici 👉 Mulțumiri imense @mervenoyann, @SergioPaniego și @ariG23498 🔥

270 de milioane (nu miliarde) de parametri! ⚡️⚡️⚡️

Vă prezentăm DINOv3: un model de viziune computerizată de ultimă generație antrenat cu învățare auto-supravegheată (SSL) care produce caracteristici de imagine puternice, de înaltă rezoluție. Pentru prima dată, o singură coloană vertebrală de vedere înghețată depășește soluțiile specializate pe mai multe sarcini de predicție dense de lungă durată. Aflați mai multe despre DINOv3 aici:

Vă prezentăm Gemma 3 270M! 🚀 Acesta stabilește un nou standard pentru urmărirea instrucțiunilor în modelele compacte, fiind în același timp extrem de eficient pentru sarcini specializate.

Un set de date foarte interesant, dacă construiți o aplicație/model de sănătate: 100 de mostre de mâncare atent selectate care acoperă mese gătite în casă, mâncăruri de restaurant, ingrediente crude și produse ambalate. Modul în care a fost construit este la fel de valoros • 50 de mii utilizatori reali de pe Binance și-au capturat propriile plăcuțe și au fost adnotați în prealabil de adnotatori umani profesioniști. • Etichetele generate de mașini au fost apoi verificate la fața locului și rafinate de utilizatorii Biance pentru a garanta calitatea. • O felie din setul de date pus la dispoziție pe Hugging Face sub o licență OpenRail. Sună ca o nouă abordare pentru colectarea datelor prin crowdsourcing. Link mai jos:

🚀Suntem încântați de open-source Hunyuan-GameCraft, un cadru interactiv de generare video de jocuri de înaltă dinamică construit pe HunyuanVideo. Generează videoclipuri redate și realiste din punct de vedere fizic dintr-o singură imagine de scenă și semnale de acțiune ale utilizatorului, permițând creatorilor și dezvoltatorilor să "regizeze" jocurile cu perspective la persoana întâi sau la persoana a treia. Avantaje cheie: 🔹Dinamică ridicată: unifică intrările standard ale tastaturii într-un spațiu de acțiune continuu comun, permițând un control de înaltă precizie asupra vitezei și unghiului. Acest lucru permite explorarea traiectoriilor complexe, depășind mișcarea rigidă și limitată a modelelor tradiționale. De asemenea, poate genera conținut dinamic de mediu, cum ar fi nori în mișcare, ploaie, zăpadă și flux de apă. 🔹Consistență pe termen lung: Utilizează condiția istorică hibridă pentru a păstra informațiile originale despre scenă după o mișcare semnificativă. 🔹Reducere semnificativă a costurilor: Nu este nevoie de modelare/randare costisitoare. Distilarea PCM comprimă pașii de inferență, crescând viteza și reducând costurile. Acest lucru permite modelului 13B cuantizat să ruleze pe GPU-uri de consum, cum ar fi RTX 4090. Pagina proiectului: Cod: Raport tehnic: Fața îmbrățișată:

OpenAI gpt-oss 120B orchestrează un videoclip complet folosind spațiile Hugging Face! 🤯 Totul, într-un singur prompt: creați o imagine a unui Labrador și folosiți-o pentru a genera un videoclip simplu cu acesta 🛠️ Unelte utilizate: 1. Flux.1 Krea Dev de @bfl_ml 2. LTX Fast de @Lightricks Gata, gpt-oss 120B este unul dintre cele mai bune modele open source pe care le-am folosit până acum pentru apelarea instrumentelor! Felicitări @OpenAI 🤗

vă prezentăm qqWen: proiectul nostru complet open-source (cod + greutăți + date + raport tehnic detaliat) pentru reglarea fină full-stack (pretrain + SFT + RL) o serie de modele (1.5b, 3b, 7b, 14b și 32b) pentru un limbaj de programare financiară de nișă numit Q Toate detaliile mai jos!

Permiteți-mi să vă explic de ce stocarea Hugging Face Datasets este mai rapidă decât S3 + de ce versiunea de astăzi schimbă totul 🧵