ModelSFC-Locoformer: 11,8 dB DnR için uyarlanabilir spektral sıkıştırma ve diyalog sınırları
Yoğun gazete okuma / Film ve televizyon ses ayrımı
Makaleyi oku
ModelBoogu-Image 0.1: Temel, Turbo ve Düzenleme'nin üç ağırlığı arasındaki iş bölümü ve bozulma riski
Model Anatomisi/Görüntü Oluşturma ve Düzenleme
Makaleyi oku
ModelSenseNova-U1 İnfografik V2: 50,3 noktalı değerlendirme aralığı ve infografik sınırları
Özel model/infografik oluşturma
Makaleyi oku
ModelLongCat-AudioDiT 3.5B: Hoparlör koşullarını ses dağıtım transformatörüne yazın
Makalenin yoğun okunması / Sıfır örnekli ses klonlaması
Makaleyi oku
ModelAudioSep-Hive: Rastgele sesleri bir metin sorgusuyla ayırın
Ses ayrımı / teknik notlar
Makaleyi oku
ModelBandIt ve TIGER-DnR: Film ve televizyon için üç kanallı ayrımın hesaplanmasına yönelik savaş
Film ve televizyon sesi / DnR
Makaleyi oku
ModelMossFormer2 ve TIGER konuşması: ses ön uçunda üç görev bölümü
Ses ön uç / teknoloji karşılaştırması
Makaleyi oku
ModelMIDI'ye özel ses: beş model, beş farklı F1 sınav kağıdı
Bu modellerde açık ağırlıklar, TelkNet aracı veya profile bağlantısı, açık sürüm seçimi ve değişmez runtime tanımları bulunur. Görünürlük ve görev kabulünü Admin durumu yönetir; etkinleştirme E2–E4, varsayılan yol ise ayrıca E5 gerektirir.
Makaleyi oku
ModelMuScriptor-large: çok kanallı MIDI'ye tam miksaj için 1,366 milyar parametrenin gerçek ölçümü ve sınırları
Otomatik müzik transkripsiyonu
Makaleyi oku
ModelQwen-Image, Z-Image ve FLUX.2 [klein]: Üç açık görüntü rotası arasındaki farklar
Açık Görüntü Modeline/Teknolojiye Genel Bakış
Makaleyi oku
ModelBiRefNet, Moebius, VOSR ve DDColor: Dört ters problem, dört başarısızlık yolu
Görüntü restorasyonu / özel model karşılaştırması
Makaleyi oku
Modeldots.tts: Sürekli akustik gizli değişkenler, akış eşleştirme ve 48 kHz uzun menzilli konuşma
Konuşma sentezi / Yazıların yoğun okunması
Makaleyi oku
ModelSoulX-Singer ve YingMusic-Singer-Plus: nota sürüşü ve melodi referansı, iki şarkı sesi sentezi rotası
Şarkı söyleme sentezi / rota karşılaştırması
Makaleyi oku
ModelHQ-SVC ve YingMusic-SVC: şarkı söyleme sesi dönüşümünün içeriğini, F0'ını, enerjisini ve tınısını parçalara ayırma
Şarkı Söyleme Sesi Dönüştürme / Teknoloji Karşılaştırması
Makaleyi oku
ModelBeat This!: DBN bitmeden beat takibi
Müzik bilgilerine erişim / kağıt yorumlama
Makaleyi oku
ModelDemucs v3 saksafon modeli: 14,22 dB ve dar bant A/B
Cihaz Ayırma/Teknik Notlar
Makaleyi oku
ModelQwen3-TTS, Fish S2 Pro, MOSS-TTS ve VoxCPM2: dört ses koşulu arayüzü
Konuşma sentezi / açık model karşılaştırması
Makaleyi oku
ModelVevo2: Şarkı söylemenin üç koşula göre yeniden düzenlenmesi: içerik, tını ve ritim.
Şarkı söyleme sentezi/teknik notlar
Makaleyi oku
ModelDört stem ses ayırma: Huge-SCNet neden MSS hedefine uyuyor
TelkNet’in mevcut dört stem aracı, tam miksi vokal, davul, bas ve diğer olarak ayırmak için Huge-SCNet-4stems V1.2 kullanır. Yazı, seçimi MSS mimari geçmişi, Mel-Band RoFormer sınırları, SCNet subband modelleme ve halka açık dört stem skorları üzerinden açıklar.
Makaleyi oku
ModelKrea 2: Krea AI görüntü üretimi için Raw ve Turbo ağırlıklarını yayımladı
Krea AI, Krea 2 Raw ve Krea 2 Turbo'yu açık ağırlıklar olarak yayımladı. Teknik rapor Krea 2'yi sıfırdan eğitilmiş 12B text-to-image diffusion model olarak tanımlar; veri filtreleme, caption pipeline, post-training, reinforcement learning ve güvenlik-lisans sınırlarını ayrıntılandırır.
Makaleyi oku
ModelChordEdit: source-to-target görüntü düzenleme için one-step düşük enerjili aktarım
ChordEdit, CVPR 2026 Oral / Best Student Paper Honorable Mention paperıdır. one-step metin yönlendirmeli görüntü düzenlemeyi source prompt ile target prompt arasında dinamik bir optimal aktarım problemi olarak ele alır ve nesneleri ya da arka planı bozan yüksek enerjili sapmayı azaltmak için Chord Control Field kullanır. Makale yöntemi resmi demo parametreleri olan source_prompt, target_prompt, seed, sample count, time-window ve step-scale ile bir görüntü düzenleme yüzeyine eşler.
Makaleyi oku
ModelZyphra ZONOS2: yüksek sadakatli ses klonlama için açık TTS MoE
Zyphra ZONOS2'yi Apache-2.0 ile yayımladı: 8B toplam, yaklaşık 900M aktif MoE TTS parametresi ve 6M+ saat konuşma. Makale bunu ZONOS2 Voice Cloning TTS iş akışı olarak çerçeveler.
Makaleyi oku
ModelGoogle Magenta RealTime 2: bir müzik modeli çalınabilir bir enstrümana dönüştüğünde
MRT2'nin 40 ms kare düzeyi özbağlanımlı üretimini, düşük gecikmeli MIDI/metin/ses kontrolünü, 2.4B/230M model yapısını, SpectroStream yolunu, MusicCoCa stil gömmelerini ve canlı müzik üretimi sınırlarını anlatan teknik inceleme.
Makaleyi oku