Vi har gitt ut vår LFM2-350M-baserte TTS-modell som åpen kildekode 🚀 Vi har også gitt ut mange forskjellige FT-modeller. GPU-plattform: @hyperbolic_labs Data: Emilia + Emilia Yodas(EN) LLM-modell: LFM2-350M @LiquidAI_ Disk og mellomrom: @huggingface Jeg er veldig glad for å ha gitt ut denne modellen som åpen kildekode. Tusen takk til @VyvoSmartChain #opensource #speech #tts #huggingface #lfm #gpu

🚨 Store nyheter! Vi bestemte oss for at @huggingface sitt bibliotek etter trening, TRL, vil støtte opplæring av Vision Language Models 🖼️ Dette bygger på vår nylige VLM-støtte i SFTTrainer – og vi stopper ikke før TRL er #1 VLM-opplæringsbiblioteket 🥇 Mer her 👉 Stor takk til @mervenoyann, @SergioPaniego og @ariG23498 🔥

270 millioner (ikke milliarder) parametere! ⚡️⚡️⚡️

Vi introduserer DINOv3: en toppmoderne datasynsmodell trent med selvovervåket læring (SSL) som produserer kraftige bildefunksjoner med høy oppløsning. For første gang overgår en enkelt frossen synsryggrad spesialiserte løsninger på flere langvarige tette prediksjonsoppgaver. Lær mer om DINOv3 her:

Vi presenterer Gemma 3 270M! 🚀 Den setter en ny standard for instruksjonsfølging i kompakte modeller, samtidig som den er ekstremt effektiv for spesialiserte oppgaver.

Et veldig interessant matrettdatasett, hvis du bygger en helseapp/modell: 100 k nøye kuraterte matprøver som spenner over hjemmelagde måltider, restaurantretter, råvarer og pakkede produkter. Hvordan det ble bygget er like verdifullt • 50k ekte brukere på Binance fanget sine egne plater og forhåndskommentert av profesjonelle menneskelige kommentatorer. • Maskingenererte etiketter ble deretter stikkprøvesjekket og finjustert av Biance-brukere for å garantere kvalitet. • En del av datasettet gjort tilgjengelig på Hugging Face under en OpenRail-lisens. Høres ut som en ny tilnærming for crowdsourcing av datainnsamling. Lenke nedenfor:

🚀Vi er begeistret for åpen kildekode Hunyuan-GameCraft, et høydynamisk interaktivt spillvideogenereringsrammeverk bygget på HunyuanVideo. Den genererer spillbare og fysisk realistiske videoer fra et enkelt scenebilde og brukerhandlingssignaler, og gir skapere og utviklere mulighet til å "regissere" spill med førstepersons- eller tredjepersonsperspektiver. Viktige fordeler: 🔹Høy dynamikk: Forener standard tastaturinnganger til et delt kontinuerlig handlingsrom, noe som muliggjør høypresisjonskontroll over hastighet og vinkel. Dette gjør det mulig å utforske komplekse baner, og overvinne den stive, begrensede bevegelsen til tradisjonelle modeller. Det kan også generere dynamisk miljøinnhold som bevegelige skyer, regn, snø og vannstrøm. 🔹Langsiktig konsistens: Bruker hybrid historikktilstand for å bevare den opprinnelige sceneinformasjonen etter betydelig bevegelse. 🔹Betydelig kostnadsreduksjon: Ingen behov for kostbar modellering/gjengivelse. PCM-destillasjon komprimerer slutningstrinn, øker hastigheten og senker kostnadene. Dette gjør at den kvantiserte 13B-modellen kan kjøre på GPUer av forbrukerkvalitet som RTX 4090. Prosjekt side: Kode: Teknisk rapport: Klemmende ansikt:

OpenAI gpt-oss 120B orkestrerer en full video ved hjelp av Hugging Face-rom! 🤯 Alt, i en ENKELT ledetekst: lage et bilde av en labrador og bruke det til å generere en enkel video av den 🛠️ Verktøy som brukes: 1. Flux.1 Krea Dev av @bfl_ml 2. LTX Rask av @Lightricks Det er det, gpt-oss 120B er en av de BESTE åpen kildekode-modellene jeg har brukt til verktøyanrop så langt! Kudos @OpenAI 🤗

introduserer qqWen: vårt prosjekt med åpen kildekode (kode+vekter+data+detaljert teknisk rapport) for full-stack finjustering (pretrain+SFT+RL) en serie modeller (1.5b, 3b, 7b, 14b og 32b) for et nisjefinansielt programmeringsspråk kalt Q Alle detaljer nedenfor!

La meg forklare hvorfor lagring av Hugging Face Datasets er raskere enn S3 + hvorfor dagens utgivelse endrer alt 🧵