ModelSFC-Locoformer: Adaptivna spektralna kompresija i granice dijaloga za 11,8 dB DnR
Intenzivno čitanje papira / Odvajanje filmskog i televizijskog zvuka
Pročitaj članak
ModelBoogu-Image 0.1: Podjela rada i rizika izobličenja između tri težine Base, Turbo i Edit
Anatomija modela/generacija i uređivanje slika
Pročitaj članak
ModelSenseNova-U1 Infographic V2: raspon evaluacije od 50,3 bodova i granice infografike
Posebna generacija modela/infografike
Pročitaj članak
ModelLongCat-AudioDiT 3.5B: Upišite uslove zvučnika u audio difuzioni transformator
Intenzivno čitanje rada / Kloniranje glasa bez uzorka
Pročitaj članak
ModelAudioSep-Hive: Odvojite proizvoljne zvukove sa tekstualnim upitom
Razdvajanje zvuka / tehničke napomene
Pročitaj članak
ModelBandIt i TIGER-DnR: Bitka za kompjutersku alokaciju trostrukog razdvajanja za film i televiziju
Filmski i televizijski zvuk / DnR
Pročitaj članak
ModelMossFormer2 i TIGER-govor: tri podjele zadataka u glasovnom front-endu
Glasovni front-end / poređenje tehnologije
Pročitaj članak
ModelSpecijalizovani audio za MIDI: pet modela, pet različitih F1 ispitnih radova
Ovi modeli imaju javne težine, vezu kao TelkNet alat ili profile, jasan izbor verzije i nepromjenjive runtime definicije. Admin status upravlja vidljivošću i prijemom zadataka; aktivacija traži E2–E4, a zadana putanja dodatno E5.
Pročitaj članak
ModelMuScriptor-large: stvarna mjerenja i granice od 1,366 milijardi parametara kompletan miks u MIDI sa više staza
Automatska transkripcija muzike
Pročitaj članak
ModelQwen-Image, Z-Image i FLUX.2 [klein]: Razlike između tri otvorene rute slike
Open Image Model/Pregled tehnologije
Pročitaj članak
ModelBiRefNet, Moebius, VOSR i DDColor: Četiri inverzna problema, četiri načina neuspjeha
Restauracija slike / poređenje posebnog modela
Pročitaj članak
Modeldots.tts: Kontinuirane akustične latentne varijable, usklađivanje protoka i govor dugog dometa od 48 kHz
Sinteza govora / Intenzivno čitanje radova
Pročitaj članak
ModelSoulX-Singer i YingMusic-Singer-Plus: partitura i melodija referenca, dva puta za sintezu glasa za pjevanje
Sinteza pjevanja / poređenje ruta
Pročitaj članak
ModelHQ-SVC i YingMusic-SVC: demontaža sadržaja, F0, energije i tembra konverzije glasa pjevanja
Konverzija glasa pjevanja / poređenje tehnologije
Pročitaj članak
ModelBeat This!: Beat tracking bez DBN završetka
Traženje muzičkih informacija / interpretacija papira
Pročitaj članak
ModelDemucs v3 model saksofona: 14,22 dB i uskopojasni A/B
Razdvajanje instrumenata/Tehničke napomene
Pročitaj članak
ModelQwen3-TTS, Fish S2 Pro, MOSS-TTS i VoxCPM2: četiri sučelja za glasovna stanja
Sinteza govora / poređenje otvorenog modela
Pročitaj članak
ModelVevo2: Reorganizacija pjevanja zasnovana na tri uvjeta: sadržaj, tembar i ritam.
Sinteza pjevanja/tehničke note
Pročitaj članak
ModelAudio razdvajanje na četiri stema: zašto Huge-SCNet odgovara MSS cilju
Trenutni TelkNet alat za četiri stema koristi Huge-SCNet-4stems V1.2 za podjelu kompletnog miksa na vokal, bubnjeve, bas i ostalo. Članak objašnjava izbor kroz MSS historiju, granice Mel-Band RoFormer-a, SCNet subband modeliranje i javne rezultate.
Pročitaj članak
ModelKrea 2: Krea AI objavljuje Raw i Turbo težine za generisanje slika
Krea AI je objavio Krea 2 Raw i Krea 2 Turbo kao otvorene težine. Tehnički izvještaj opisuje Krea 2 kao 12B text-to-image difuzijski model treniran od nule i objašnjava filtriranje podataka, caption pipeline, post-training, reinforcement learning te sigurnosne i licencne granice.
Pročitaj članak
ModelChordEdit: one-step niskoenergetski transport za source-to-target uređivanje slika
ChordEdit je CVPR 2026 Oral / Best Student Paper Honorable Mention paper. Tekstualno vođeno one-step uređivanje slika posmatra kao dinamički problem optimalnog transporta između source prompt i target prompt, a Chord Control Field koristi da smanji visokoenergetski drift koji iskrivljuje objekte i pozadinu. Članak mapira metodu na površinu za uređivanje slika sa source_prompt, target_prompt, seed, sample count, time-window i step-scale kontrolama iz zvanične demo verzije.
Pročitaj članak
ModelZyphra ZONOS2: otvoreni TTS MoE za vjerno kloniranje glasa
Zyphra objavljuje ZONOS2 pod Apache-2.0: 8B ukupnih parametara, oko 900M aktivnih u MoE TTS arhitekturi i više od 6M sati govora. TelkNet ga predstavlja kao ZONOS2 Voice Cloning TTS alat.
Pročitaj članak
ModelGoogle Magenta RealTime 2: kada muzički model postane instrument koji se može svirati
Ažurirani sažetak s Google službenim grafikama o niskoj latenciji, MIDI/tekst/audio kontroli, 2.4B/230M strukturi, hardveru i granicama MRT2.
Pročitaj članak