ModellSFC-Locoformer: Adaptiv spektral komprimering og dialoggrenser for 11,8 dB DnR
Intensiv lesing av avisen / Film- og TV-lydseparasjon
Les artikkelen
ModellBoogu-Bilde 0.1: Arbeidsdeling og forvrengningsrisiko mellom de tre vektene Base, Turbo og Edit
Modelanatomi/bildegenerering og redigering
Les artikkelen
ModellSenseNova-U1 Infographic V2: 50,3-punkts evalueringsområde og infografiske grenser
Spesialmodell/infografisk generasjon
Les artikkelen
ModellLongCat-AudioDiT 3.5B: Skriv høyttalerforhold inn i lyddiffusjonstransformator
Intensiv lesing av avisen / Nullprøve stemmekloning
Les artikkelen
ModellAudioSep-Hive: Skill vilkårlige lyder med en tekstspørring
Lydseparasjon / tekniske merknader
Les artikkelen
ModellBandIt og TIGER-DnR: Kampen om datatildeling av tre-spors separasjon for film og TV
Film og TV-lyd / DnR
Les artikkelen
ModellMossFormer2 og TIGER-tale: tre oppgavedelinger i talefronten
Voice front-end / teknologi sammenligning
Les artikkelen
ModellSpesialisert lyd til MIDI: fem modeller, fem forskjellige F1 eksamensoppgaver
Disse modellene har offentlige vekter, tilkobling som TelkNet-verktøy eller profile, tydelig versjonsvalg og uforanderlige runtime-definisjoner. Admin-status styrer synlighet og oppgaveadgang; aktivering krever E2–E4, og en standardrute krever i tillegg E5.
Les artikkelen
ModellMuScriptor-large: faktisk måling og grenser for 1,366 milliarder parametere komplett blanding til multi-track MIDI
Automatisk musikktranskripsjon
Les artikkelen
ModellQwen-Image, Z-Image og FLUX.2 [klein]: Forskjellene mellom tre åpne bilderuter
Åpen bildemodell/teknologioversikt
Les artikkelen
ModellBiRefNet, Moebius, VOSR og DDColor: Fire omvendte problemer, fire måter å feile på
Bilderestaurering / sammenligning av spesialmodeller
Les artikkelen
Modelldots.tts: Kontinuerlige akustiske latente variabler, flyttilpasning og 48 kHz langdistansetale
Talesyntese / Intensiv lesing av artikler
Les artikkelen
ModellSoulX-Singer og YingMusic-Singer-Plus: partiturdrift og melodireferanse, to syngende stemmesynteseruter
Sangsyntese / rutesammenligning
Les artikkelen
ModellHQ-SVC og YingMusic-SVC: demontering av innholdet, F0, energien og klangen til sangstemmekonvertering
Sangstemmekonvertering / teknologisammenligning
Les artikkelen
ModellBeat This!: Beatsporing uten DBN-slutt
Innhenting av musikkinformasjon / papirtolkning
Les artikkelen
ModellDemucs v3 saksofonmodell: 14,22 dB og smalbånd A/B
Instrumentseparasjon/tekniske merknader
Les artikkelen
ModellQwen3-TTS, Fish S2 Pro, MOSS-TTS og VoxCPM2: fire grensesnitt for taletilstand
Talesyntese / åpen modellsammenligning
Les artikkelen
ModellVevo2: Syngende omorganisering basert på tre forhold: innhold, klang og rytme.
Sangsyntese/tekniske noter
Les artikkelen
ModellFire-stem lydseparasjon: hvorfor Huge-SCNet passer MSS-målet
TelkNets nåværende fire-stem-verktøy bruker Huge-SCNet-4stems V1.2 til å dele et helt miks i vokal, trommer, bass og annet. Artikkelen forklarer valget gjennom MSS-arkitektur, Mel-Band RoFormer-styrker og grenser, SCNet-subbandmodellering og offentlige fire-stem-tall.
Les artikkelen
ModellKrea 2: Krea AI slipper Raw- og Turbo-vekter for bildegenerering
Krea AI slapp Krea 2 Raw og Krea 2 Turbo som åpne vekter. Den tekniske rapporten beskriver Krea 2 som en 12B tekst-til-bilde-diffusjonsmodell trent fra bunnen av, og beskriver datafiltrering, caption-pipeline, ettertrening, reinforcement learning samt sikkerhets- og lisensgrenser.
Les artikkelen
ModellChordEdit: one-step lavenergitransport for source-to-target bilderedigering
ChordEdit er et CVPR 2026 Oral / Best Student Paper Honorable Mention paper. Det beskriver one-step tekststyrt bilderedigering som et dynamisk optimalt transportproblem mellom source prompt og target prompt, og bruker Chord Control Field for å redusere høyenergidrift som forvrenger objekter og bakgrunner. Artikkelen kartlegger metoden til en bilderedigeringsflate med source_prompt, target_prompt, seed, sample count, time-window og step-scale fra den offisielle demoen.
Les artikkelen
ModellZyphra ZONOS2: åpent TTS MoE for høyoppløst stemmekloning
Zyphra slipper ZONOS2 under Apache-2.0: 8B totale parametere, rundt 900M aktive i en MoE TTS-arkitektur og over 6M timer tale. TelkNet presenterer det som ZONOS2 Voice Cloning TTS.
Les artikkelen
ModellGoogle Magenta RealTime 2: når en musikkmodell blir et spillbart instrument
Oppdatert briefing med offisielle Google-figurer om lav latenstid, MIDI/tekst/lyd-kontroll, 2.4B/230M-struktur, maskinvare og grenser for MRT2.
Les artikkelen