МодельSFC-Locoformer: адаптивное спектральное сжатие и границы диалога для 11,8 дБ DnR
Интенсивное чтение дипломной работы/разделение звука кино и телевидения
Читать статью
МодельBoogu-Image 0.1: Разделение труда и риск искажений между тремя весами: «Базовый», «Турбо» и «Редактирование».
Анатомия модели/генерация и редактирование изображений
Читать статью
МодельSenseNova-U1 Инфографика V2: диапазон оценки 50,3 балла и границы инфографики
Специальная модель/генерация инфографики
Читать статью
МодельLongCat-AudioDiT 3.5B: запись условий динамика в преобразователь диффузии звука
Интенсивное чтение статьи / Клонирование голоса с нулевой выборкой
Читать статью
МодельAudioSep-Hive: разделение произвольных звуков с помощью текстового запроса.
Звукоразделение/технические примечания
Читать статью
МодельBandIt и TIGER-DnR: битва за вычислительное распределение трехдорожечного разделения для кино и телевидения
Звук в кино и телевидении / ДнР
Читать статью
МодельMossFormer2 и TIGER-речь: три разделения задач в голосовом интерфейсе
Голосовой интерфейс/сравнение технологий
Читать статью
МодельСпециализированный звук в MIDI: пять моделей, пять разных экзаменационных работ F1
Для этих моделей доступны открытые веса, подключение как инструмента или profile TelkNet, явный выбор версии и неизменяемые определения runtime. Видимостью и допуском задач управляет статус Admin; для активации нужны E2–E4, а для маршрута по умолчанию также E5.
Читать статью
МодельMuScriptor-large: фактическое измерение и границы 1,366 миллиардов параметров, полный микс в многодорожечном MIDI
Автоматическая транскрипция музыки
Читать статью
МодельQwen-Image, Z-Image и FLUX.2 [klein]: различия между тремя маршрутами открытого изображения
Обзор модели/технологии Open Image
Читать статью
МодельBiRefNet, Moebius, VOSR и DDColor: четыре обратные задачи, четыре варианта отказа
Восстановление изображения/сравнение специальных моделей
Читать статью
Модельdots.tts: непрерывные акустические скрытые переменные, согласование потока и речь на большом расстоянии 48 кГц.
Синтез речи/Интенсивное чтение статей
Читать статью
МодельSoulX-Singer и YingMusic-Singer-Plus: партитура и ссылка на мелодию, два маршрута синтеза певческого голоса
Синтез пения/сравнение маршрутов
Читать статью
МодельHQ-SVC и YingMusic-SVC: демонтаж контента, F0, энергия и тембр певческого голоса, преобразование
Преобразование певческого голоса / Сравнение технологий
Читать статью
МодельBeat This!: отслеживание битов без окончания DBN
Поиск музыкальной информации/интерпретация бумаги
Читать статью
МодельМодель саксофона Demucs v3: 14,22 дБ и узкополосный диапазон A/B
Разделение приборов/Технические примечания
Читать статью
МодельQwen3-TTS, Fish S2 Pro, MOSS-TTS и VoxCPM2: четыре интерфейса голосового управления
Синтез речи/сравнение открытых моделей
Читать статью
МодельVevo2: Реорганизация пения на основе трех условий: содержания, тембра и ритма.
Певческий синтез/технические примечания
Читать статью
МодельРазделение аудио на четыре стема: почему Huge-SCNet подходит цели MSS
Текущий инструмент TelkNet для четырех стемов использует Huge-SCNet-4stems V1.2, чтобы разделить полный микс на вокал, барабаны, бас и прочее. Статья объясняет выбор через историю MSS, сильные стороны и границы Mel-Band RoFormer, субполосное моделирование SCNet и публичные оценки.
Читать статью
МодельKrea 2: Krea AI выпускает веса Raw и Turbo для генерации изображений
Krea AI выпустила Krea 2 Raw и Krea 2 Turbo как открытые веса. Технический отчет описывает Krea 2 как 12B text-to-image diffusion model, обученную с нуля, и раскрывает фильтрацию данных, caption pipeline, post-training, reinforcement learning, а также границы безопасности и лицензии.
Читать статью
МодельChordEdit: одношаговый низкоэнергетический транспорт для редактирования source-to-target
ChordEdit: это paper CVPR 2026 Oral / Best Student Paper Honorable Mention. Он рассматривает одношаговое текстовое редактирование изображений как динамическую задачу оптимального транспорта между source prompt и target prompt, а затем использует Chord Control Field, чтобы уменьшить высокоэнергетический дрейф, искажающий объекты и фон. Статья сопоставляет метод с поверхностью редактирования с параметрами source_prompt, target_prompt, seed, sample count, time-window и step-scale из официальной demo.
Читать статью
МодельZyphra ZONOS2: открытый TTS MoE для высокоточного клонирования голоса
Zyphra выпустила ZONOS2 под Apache-2.0: 8B параметров всего, около 900M активных в MoE TTS и более 6M часов речи. TelkNet представляет его как инструмент ZONOS2 Voice Cloning TTS.
Читать статью
МодельGoogle Magenta RealTime 2: когда музыкальная модель становится исполняемым инструментом
Обновленный обзор с официальными графиками Google о низкой задержке, управлении MIDI/текстом/аудио, структуре 2.4B/230M, железе и ограничениях MRT2.
Читать статью