Ми випустили нашу модель TTS на базі LFM2-350M з відкритим вихідним кодом 🚀 Ми також випустили багато різних моделей FT. Платформа графічного процесора: @hyperbolic_labs Дані: Емілія + Емілія Йодас (EN) Модель LLM: LFM2-350M @LiquidAI_ Диск і місце: @huggingface Я дуже радий, що випустив цю модель з відкритим вихідним кодом. Величезне спасибі @VyvoSmartChain #opensource #speech #tts #huggingface #lfm #gpu

🚨 Велика новина! Ми вирішили, що бібліотека @huggingface після навчання, TRL, підтримуватиме навчання моделей мови 🖼️ бачення Це ґрунтується на нашій нещодавній підтримці VLM у SFTTrainer — і ми не зупинимося, поки TRL не стане навчальною бібліотекою 🥇 #1 VLM Більше тут 👉 Величезне спасибі @mervenoyann , @SergioPaniego і @ariG23498 🔥

270 мільйонів (не мільярд) параметрів! ⚡️⚡️⚡️

Представляємо DINOv3: сучасну модель комп'ютерного зору, навчену за допомогою самоконтрольованого навчання (SSL), яка відтворює потужні функції зображення з високою роздільною здатністю. Вперше один заморожений кістяк зору перевершує спеціалізовані рішення в декількох давніх щільних завданнях прогнозування. Дізнайтеся більше про DINOv3 тут:

Представляємо Gemma 3 270M! 🚀 Він встановлює новий стандарт для виконання інструкцій у компактних моделях, водночас будучи надзвичайно ефективним для спеціалізованих завдань.

Дуже цікавий набір даних про страви харчування, якщо ви створюєте додаток/модель для здоров'я: 100 тисяч ретельно відібраних зразків їжі, що охоплюють домашні страви, ресторанні страви, сирі інгредієнти та упаковані продукти. Те, як він був побудований, не менш цінно • 50 тисяч реальних користувачів на Binance зробили власні платівки та попередньо прокоментували їх професійними людьми-анотаторами. • Потім етикетки, створені машинним способом, проходили вибіркову перевірку та доопрацювання користувачами Biance, щоб гарантувати якість. • Фрагмент набору даних, доступний на Hugging Face за ліцензією OpenRail. Звучить як новий підхід до краудсорсингу збору даних. Посилання нижче:

🚀Ми в захваті від Hunyuan-GameCraft з відкритим вихідним кодом, високодинамічного інтерактивного фреймворку для генерації ігрового відео, побудованого на HunyuanVideo. Він генерує відтворювані та фізично реалістичні відео з зображення однієї сцени та сигналів дій користувача, надаючи творцям і розробникам можливість «керувати» іграми від першої або третьої особи. Ключові переваги: 🔹Висока динаміка: об'єднує стандартні входи з клавіатури в спільний простір безперервних дій, забезпечуючи високоточний контроль швидкості та кута. Це дозволяє досліджувати складні траєкторії, долаючи жорсткий, обмежений рух традиційних моделей. Він також може генерувати динамічний контент про навколишнє середовище, як-от рухомі хмари, дощ, сніг і потік води. 🔹Довготривала стабільність: використовує гібридну умову історії для збереження оригінальної інформації про сцену після значних рухів. 🔹Значне зниження вартості: немає необхідності в дорогому моделюванні/рендерингу. Дистиляція PCM стискає етапи виведення, підвищуючи швидкість і знижуючи витрати. Це дозволяє квантованій моделі 13B працювати на графічних процесорах споживчого класу, таких як RTX 4090. Сторінка проекту: Код: Технічний звіт: Обіймаюче обличчя:

OpenAI gpt-oss 120B оркеструє повноцінне відео за допомогою просторів Hugging Face! 🤯 Все це в одному ЄДИНОМУ запиті: створити образ лабрадора і з його допомогою згенерувати просте відео про нього 🛠️ Використовувані інструменти: 1. Flux.1 Krea Dev від @bfl_ml 2. LTX Fast від @Lightricks Ось і все, gpt-oss 120B - одна з НАЙКРАЩИХ моделей з відкритим вихідним кодом, які я використовував для виклику інструментів до цього часу! Слава @OpenAI 🤗

Представляємо qqWen: наш повністю відкритий проект (код+ваги+дані+детальний технічний звіт) для повного налаштування стека (pretrain+SFT+RL) серії моделей (1.5b, 3b, 7b, 14b та 32b) для нішевої фінансової мови програмування під назвою Q Всі подробиці нижче!

Дозвольте мені пояснити, чому зберігання Hugging Face Datasets швидше, ніж S3 + чому сьогоднішній реліз змінює все 🧵