ModelvalgSFC-Locoformer: Adaptiv spektral kompression og dialoggrænser for 11,8 dB DnR
Intensiv læsning af avisen / Film og fjernsyns lydadskillelse
Læs artiklen
ModelvalgBoogu-Image 0.1: Arbejdsdeling og forvrængningsrisiko mellem de tre vægte Base, Turbo og Edit
Modelanatomi/billedgenerering og -redigering
Læs artiklen
ModelvalgSenseNova-U1 Infographic V2: 50,3-punkts evalueringsområde og infografiske grænser
Særlig model/infografisk generation
Læs artiklen
ModelvalgLongCat-AudioDiT 3.5B: Skriv højttalerbetingelser ind i lyddiffusionstransformer
Intensiv læsning af avisen / Zero-sample stemmekloning
Læs artiklen
ModelvalgAudioSep-Hive: Adskil vilkårlige lyde med en tekstforespørgsel
Lydseparation / tekniske noter
Læs artiklen
ModelvalgBandIt og TIGER-DnR: Kampen om computerallokering af tre-spors adskillelse til film og tv
Film og tv-lyd / DnR
Læs artiklen
ModelvalgMossFormer2 og TIGER-tale: tre opdelinger af opgaver i stemmefronten
Voice front-end / teknologi sammenligning
Læs artiklen
ModelvalgSpecialiseret lyd til MIDI: fem modeller, fem forskellige F1 eksamensopgaver
Disse modeller har offentlige vægte, tilslutning som TelkNet-værktøj eller profile, et tydeligt versionsvalg og uforanderlige runtime-definitioner. Admin-status styrer synlighed og opgaveadgang; aktivering kræver E2–E4, og en standardrute kræver desuden E5.
Læs artiklen
ModelvalgMuScriptor-stor: faktisk måling og grænser på 1.366 milliarder parameter komplet mix til multi-track MIDI
Automatisk musiktransskription
Læs artiklen
ModelvalgQwen-Image, Z-Image og FLUX.2 [klein]: Forskellene mellem tre åbne billedruter
Åben billedmodel/teknologioversigt
Læs artiklen
ModelvalgBiRefNet, Moebius, VOSR og DDColor: Fire omvendte problemer, fire måder at fejle på
Billed restaurering / speciel model sammenligning
Læs artiklen
Modelvalgdots.tts: Kontinuerlige akustiske latente variabler, flowmatching og 48 kHz langdistancetale
Talesyntese / Intensiv læsning af papirer
Læs artiklen
ModelvalgSoulX-Singer og YingMusic-Singer-Plus: partiturdrev og melodireference, to sangstemmesyntese-ruter
Sangsyntese / rutesammenligning
Læs artiklen
ModelvalgHQ-SVC og YingMusic-SVC: demontering af indholdet, F0, energien og klangen af sangstemmekonvertering
Sangstemmekonvertering / teknologisammenligning
Læs artiklen
ModelvalgBeat This!: Beatsporing uden DBN-slutning
Musikinformationssøgning / papirfortolkning
Læs artiklen
ModelvalgDemucs v3 saxofonmodel: 14,22 dB og smalbånds A/B
Instrumentadskillelse/tekniske noter
Læs artiklen
ModelvalgQwen3-TTS, Fish S2 Pro, MOSS-TTS og VoxCPM2: fire stemmetilstandsgrænseflader
Talesyntese / åben model sammenligning
Læs artiklen
ModelvalgVevo2: Sangende omorganisering baseret på tre forhold: indhold, klang og rytme.
Sangsyntese/tekniske noter
Læs artiklen
ModelvalgFire-stem lydseparation: hvorfor Huge-SCNet passer til MSS-målet
TelkNets aktuelle fire-stem-værktøj bruger Huge-SCNet-4stems V1.2 til at dele et helt mix i vokal, trommer, bas og andet. Artiklen forklarer valget gennem MSS-arkitektur, Mel-Band RoFormer-styrker og begrænsninger, SCNet-subbandmodellering og offentlige fire-stem-tal.
Læs artiklen
ModelvalgKrea 2: Krea AI udgiver Raw- og Turbo-vægte til billedgenerering
Krea AI udgav Krea 2 Raw og Krea 2 Turbo som åbne vægte. Den tekniske rapport beskriver Krea 2 som en 12B tekst-til-billede-diffusionsmodel trænet fra bunden og gennemgår datafiltrering, caption-pipeline, eftertræning, reinforcement learning samt sikkerheds- og licensgrænser.
Læs artiklen
ModelvalgChordEdit: one-step lavenergitransport til source-to-target billedredigering
ChordEdit er et CVPR 2026 Oral / Best Student Paper Honorable Mention paper. Det beskriver one-step tekststyret billedredigering som et dynamisk optimalt transportproblem mellem source prompt og target prompt, og bruger et Chord Control Field til at mindske højenergidrift, der kan forvride objekter og ødelægge baggrunde. Artiklen kortlægger metoden til en billedredigeringsflade med source_prompt, target_prompt, seed, sample count, time-window og step-scale fra den officielle demo.
Læs artiklen
ModelvalgZyphra ZONOS2: et åbent TTS-MoE til stemmekloning i høj kvalitet
Zyphra udgiver ZONOS2 under Apache-2.0: 8B parametre i alt, ca. 900M aktive i en MoE TTS-arkitektur og over 6M timers tale. TelkNet præsenterer det som ZONOS2 Voice Cloning TTS.
Læs artiklen
ModelvalgGoogle Magenta RealTime 2: når en musikmodel bliver et spilbart instrument
Opdateret briefing med officielle Google-figurer om lav latenstid, MIDI/tekst/lyd-kontrol, 2.4B/230M-struktur, hardwarekrav og praktiske grænser for MRT2.
Læs artiklen