ModeloSFC-Locoformer: Compresión espectral adaptativa y límites de diálogo para 11,8 dB DnR
Lectura intensiva del artículo / Separación sonora de cine y televisión
Leer el artículo
ModeloBoogu-Image 0.1: División del trabajo y riesgo de distorsión entre los tres pesos de Base, Turbo y Edit
Anatomía del modelo/Generación y edición de imágenes
Leer el artículo
ModeloSenseNova-U1 Infografía V2: rango de evaluación de 50,3 puntos y límites infográficos
Modelo especial/generación de infografía
Leer el artículo
ModeloLongCat-AudioDiT 3.5B: escribir las condiciones del altavoz en el transformador de difusión de audio
Lectura intensiva del artículo / Clonación de voz de muestra cero
Leer el artículo
ModeloAudioSep-Hive: Separe sonidos arbitrarios con una consulta de texto
Separación de sonido / notas técnicas
Leer el artículo
ModeloBandIt y TIGER-DnR: La batalla por la asignación informática de la separación de tres pistas para cine y televisión
Sonido de cine y televisión / DnR
Leer el artículo
ModeloMossFormer2 y TIGER-speech: tres divisiones de tareas en el front-end de voz
Comparación de tecnología/frontend de voz
Leer el artículo
ModeloAudio especializado a MIDI: cinco modelos, cinco exámenes de F1 diferentes
Estos modelos cuentan con pesos públicos, integración como herramienta o profile de TelkNet, selección explícita de versión y una definición inmutable del entorno. El estado de Admin rige la visibilidad y la admisión de tareas; activar exige E2–E4 y una ruta predeterminada exige además E5.
Leer el artículo
ModeloMuScriptor-large: medición real y límites de 1,366 mil millones de parámetros, mezcla completa a MIDI multipista
Transcripción automática de música
Leer el artículo
ModeloQwen-Image, Z-Image y FLUX.2 [klein]: Las diferencias entre tres rutas de imágenes abiertas
Open Image Modelo/Descripción general de la tecnología
Leer el artículo
ModeloBiRefNet, Moebius, VOSR y DDColor: Cuatro problemas inversos, cuatro formas de fallar
Restauración de imágenes/comparación de modelos especiales
Leer el artículo
Modelodots.tts: variables latentes acústicas continuas, coincidencia de flujo y voz de largo alcance de 48 kHz
Síntesis de voz / Lectura intensiva de artículos
Leer el artículo
ModeloSoulX-Singer y YingMusic-Singer-Plus: unidad de partitura y referencia de melodía, dos rutas de síntesis de voz cantada
Síntesis de canto / comparación de rutas
Leer el artículo
ModeloHQ-SVC y YingMusic-SVC: desmantelamiento del contenido, F0, energía y timbre de la conversión de voz cantada
Conversión de voz cantada / Comparación de tecnología
Leer el artículo
Modelo¡Beat This!: Seguimiento de ritmo sin final de DBN
Recuperación de información musical/interpretación en papel
Leer el artículo
ModeloModelo de saxofón Demucs v3: 14,22 dB y banda estrecha A/B
Separación de instrumentos/Notas técnicas
Leer el artículo
ModeloQwen3-TTS, Fish S2 Pro, MOSS-TTS y VoxCPM2: cuatro interfaces de condición de voz
Síntesis de voz/comparación de modelos abiertos
Leer el artículo
ModeloVevo2: Reorganización del canto en base a tres condiciones: contenido, timbre y ritmo.
Síntesis de canto/notas técnicas
Leer el artículo
ModeloSeparación de audio en cuatro stems: por qué Huge-SCNet encaja con MSS
La herramienta actual de cuatro stems de TelkNet usa Huge-SCNet-4stems V1.2 para dividir una mezcla completa en voces, batería, bajo y otros. El artículo explica la elección con la evolución de MSS, los límites de Mel-Band RoFormer, el modelado por subbandas de SCNet y puntuaciones públicas de cuatro stems.
Leer el artículo
ModeloKrea 2: Krea AI publica pesos Raw y Turbo para generación de imágenes
Krea AI publicó Krea 2 Raw y Krea 2 Turbo como pesos abiertos. El informe técnico describe Krea 2 como un modelo de difusión texto-a-imagen de 12B entrenado desde cero y detalla filtrado de datos, pipeline de captions, post-entrenamiento, aprendizaje por refuerzo y límites de seguridad y licencia.
Leer el artículo
ModeloChordEdit: transporte de baja energía en un paso para edición source-to-target
ChordEdit es un paper CVPR 2026 Oral / Best Student Paper Honorable Mention. Plantea la edición de imágenes guiada por texto en un paso como un problema de transporte óptimo dinámico entre source prompt y target prompt, y usa Chord Control Field para reducir la deriva de alta energía que deforma objetos y daña fondos. El artículo mapea el método a una superficie de edición con source_prompt, target_prompt, seed, sample count, time-window y step-scale de la demo oficial.
Leer el artículo
ModeloZyphra ZONOS2: un TTS MoE abierto para clonación de voz de alta fidelidad
Zyphra publicó ZONOS2 bajo Apache-2.0: 8B parámetros totales, unos 900M activos en una arquitectura MoE TTS y más de 6M horas de voz. TelkNet lo presenta como la herramienta ZONOS2 Voice Cloning TTS.
Leer el artículo
ModeloGoogle Magenta RealTime 2: cuando un modelo musical se convierte en un instrumento tocable
Panorama técnico de MRT2 con autorregresión por frames de 40 ms, control MIDI/texto/audio de baja latencia, estructura 2.4B/230M, ruta SpectroStream, embeddings de estilo MusicCoCa y límites prácticos de la generación musical en vivo.
Leer el artículo