ModeloSFC-Locoformer: Compressão espectral adaptativa e limites de diálogo para 11,8 dB DnR
Leitura intensiva da separação do som do jornal / filme e televisão
Ler artigo
ModeloBoogu-Image 0.1: Divisão de trabalho e risco de distorção entre os três pesos Base, Turbo e Edit
Anatomia do modelo/geração e edição de imagens
Ler artigo
ModeloSenseNova-U1 Infográfico V2: faixa de avaliação de 50,3 pontos e limites do infográfico
Geração especial de modelo/infográfico
Ler artigo
ModeloLongCat-AudioDiT 3.5B: Escreva as condições do alto-falante no transformador de difusão de áudio
Leitura intensiva do artigo / Clonagem de voz com amostra zero
Ler artigo
ModeloAudioSep-Hive: Separe sons arbitrários com uma consulta de texto
Separação de som/notas técnicas
Ler artigo
ModeloBandIt e TIGER-DnR: A batalha pela alocação computacional de separação de três trilhas para cinema e televisão
Som de cinema e televisão / DnR
Ler artigo
ModeloMossFormer2 e TIGER-speech: três divisões de tarefas no front-end de voz
Comparação front-end de voz/tecnologia
Ler artigo
ModeloÁudio especializado para MIDI: cinco modelos, cinco provas diferentes de F1
Pouezioù foran, ur benveg pe profile TelkNet, un dibab stumm sklaer hag un runtime digemm zo evit ar patromoù-mañ. Statud Admin a ren ar gwelusted hag an degemer labourioù; E2–E4 zo ret evit gweredekaat, hag E5 ouzhpenn evit an hent dre ziouer.
Ler artigo
ModeloMuScriptor-large: medição real e limites de mixagem completa de 1,366 bilhão de parâmetros para MIDI multipista
Transcrição automática de música
Ler artigo
ModeloQwen-Image, Z-Image e FLUX.2 [klein]: As diferenças entre três rotas de imagens abertas
Visão geral do modelo/tecnologia de imagem aberta
Ler artigo
ModeloBiRefNet, Moebius, VOSR e DDColor: Quatro problemas inversos, quatro formas de falha
Restauração de imagem/comparação de modelo especial
Ler artigo
Modelodots.tts: Variáveis latentes acústicas contínuas, correspondência de fluxo e fala de longo alcance de 48 kHz
Síntese de fala / Leitura intensiva de artigos
Ler artigo
ModeloSoulX-Singer e YingMusic-Singer-Plus: unidade de partitura e referência de melodia, duas rotas de síntese de voz cantada
Síntese de canto / comparação de rotas
Ler artigo
ModeloHQ-SVC e YingMusic-SVC: desmontando o conteúdo, F0, energia e timbre da conversão de voz cantada
Conversão de voz cantada/comparação de tecnologia
Ler artigo
ModeloBeat This!: Rastreamento de batida sem finalização DBN
Recuperação de informações musicais/interpretação de papel
Ler artigo
ModeloModelo de saxofone Demucs v3: 14,22 dB e banda estreita A/B
Separação de Instrumentos/Notas Técnicas
Ler artigo
ModeloQwen3-TTS, Fish S2 Pro, MOSS-TTS e VoxCPM2: quatro interfaces de condição de voz
Síntese de fala/comparação de modelo aberto
Ler artigo
ModeloVevo2: Reorganização do canto baseada em três condições: conteúdo, timbre e ritmo.
Síntese de canto/notas técnicas
Ler artigo
ModeloSeparação de áudio em quatro stems: por que Huge-SCNet combina com MSS
A ferramenta atual de quatro stems da TelkNet usa Huge-SCNet-4stems V1.2 para dividir um mix completo em vocais, bateria, baixo e outros. O artigo explica a escolha pela história de MSS, limites do Mel-Band RoFormer, modelagem por sub-bandas do SCNet e pontuações públicas.
Ler artigo
ModeloKrea 2: Krea AI lança pesos Raw e Turbo para geração de imagens
A Krea AI lançou Krea 2 Raw e Krea 2 Turbo como pesos abertos. O relatório técnico descreve o Krea 2 como um modelo de difusão texto-para-imagem de 12B treinado do zero e detalha filtragem de dados, pipeline de captions, pós-treinamento, aprendizado por reforço e limites de segurança e licença.
Ler artigo
ModeloChordEdit: transporte de baixa energia em uma etapa para edição source-to-target
ChordEdit é um paper CVPR 2026 Oral / Best Student Paper Honorable Mention. Ele trata a edição de imagem guiada por texto em uma etapa como um problema de transporte ótimo dinâmico entre source prompt e target prompt, e usa Chord Control Field para reduzir deriva de alta energia que distorce objetos e fundos. O artigo mapeia o método para uma superfície de edição com source_prompt, target_prompt, seed, sample count, time-window e step-scale da demo oficial.
Ler artigo
ModeloZyphra ZONOS2: TTS MoE aberto para clonagem de voz de alta fidelidade
A Zyphra lançou ZONOS2 sob Apache-2.0: 8B parâmetros totais, cerca de 900M ativos em MoE TTS e mais de 6M horas de fala. A TelkNet apresenta o modelo como a ferramenta ZONOS2 Voice Cloning TTS.
Ler artigo
ModeloGoogle Magenta RealTime 2: quando um modelo musical vira um instrumento tocável
Visão técnica do MRT2 com autorregressão por frames de 40 ms, controle MIDI/texto/áudio de baixa latência, estrutura 2.4B/230M, caminho SpectroStream, embeddings MusicCoCa e limites práticos da geração musical ao vivo.
Ler artigo