МодельSFC-Locoformer: адаптивне спектральне стиснення та діалогові межі для 11,8 дБ DnR
Інтенсивне читання дисертації / розділення звуку кіно та телебачення
Читати статтю
МодельBoogu-Image 0.1: Розподіл праці та ризик спотворення між трьома вагами Base, Turbo та Edit
Анатомія моделі/Створення та редагування зображень
Читати статтю
МодельSenseNova-U1 Інфографіка V2: діапазон оцінки 50,3 бала та межі інфографіки
Генерація спеціальної моделі/інфографіки
Читати статтю
МодельLongCat-AudioDiT 3.5B: Запис умов динаміків у трансформатор розсіювання звуку
Інтенсивне читання паперу / Клонування голосу з нульовою вибіркою
Читати статтю
МодельAudioSep-Hive: розділяйте довільні звуки за допомогою текстового запиту
Звукорозділення / технічні примітки
Читати статтю
МодельBandIt і TIGER-DnR: битва за обчислювальне розподілення трьох доріжок для кіно та телебачення
Звук кіно і телебачення / ДнР
Читати статтю
МодельMossFormer2 і TIGER-speech: три розподілу завдань у голосовому інтерфейсі
Голосовий інтерфейс/порівняння технологій
Читати статтю
МодельСпеціалізований аудіо в MIDI: п'ять моделей, п'ять різних екзаменаційних робіт F1
Для цих моделей доступні відкриті ваги, підключення як інструмента або profile TelkNet, явний вибір версії та незмінні визначення runtime. Видимістю й допуском завдань керує статус Admin; для активації потрібні E2–E4, а для маршруту за замовчуванням також E5.
Читати статтю
МодельMuScriptor-large: фактичне вимірювання та межі 1,366 мільярда параметрів повного міксу до багатодоріжкового MIDI
Автоматична транскрипція музики
Читати статтю
МодельQwen-Image, Z-Image і FLUX.2 [klein]: відмінності між трьома маршрутами відкритого зображення
Відкрити зображення моделі/огляд технології
Читати статтю
МодельBiRefNet, Moebius, VOSR і DDColor: Чотири обернені задачі, чотири шляхи невдачі
Відновлення зображення / порівняння спеціальної моделі
Читати статтю
Модельdots.tts: безперервні акустичні латентні змінні, узгодження потоку та 48 кГц далекого мовлення
Синтез мовлення / Інтенсивне читання робіт
Читати статтю
МодельSoulX-Singer і YingMusic-Singer-Plus: драйв партитури та посилання на мелодію, два шляхи синтезу співочого голосу
Синтез співу / порівняння маршруту
Читати статтю
МодельHQ-SVC і YingMusic-SVC: демонтаж перетворення змісту, F0, енергії та тембру голосу співу
Перетворення голосу співу / Порівняння технологій
Читати статтю
МодельBeat This!: Відстеження тактів без закінчення DBN
Пошук музичної інформації / паперова інтерпретація
Читати статтю
МодельМодель саксофона Demucs v3: 14,22 дБ і вузька смуга A/B
Розділення інструментів/Технічні примітки
Читати статтю
МодельQwen3-TTS, Fish S2 Pro, MOSS-TTS і VoxCPM2: чотири інтерфейси умов голосу
Синтез мовлення / порівняння відкритої моделі
Читати статтю
МодельVevo2: Реорганізація співу на основі трьох умов: змісту, тембру та ритму.
Синтез співу/технічні примітки
Читати статтю
МодельПоділ аудіо на чотири стеми: чому Huge-SCNet відповідає цілі MSS
Поточний інструмент TelkNet для чотирьох стемів використовує Huge-SCNet-4stems V1.2, щоб розділити повний мікс на вокал, барабани, бас та інше. Стаття пояснює вибір через історію MSS, межі Mel-Band RoFormer, субсмугове моделювання SCNet і публічні оцінки.
Читати статтю
МодельKrea 2: Krea AI випускає ваги Raw і Turbo для генерації зображень
Krea AI випустила Krea 2 Raw і Krea 2 Turbo як відкриті ваги. Технічний звіт описує Krea 2 як 12B text-to-image diffusion model, навчений з нуля, і деталізує фільтрацію даних, caption pipeline, post-training, reinforcement learning, а також межі безпеки й ліцензії.
Читати статтю
МодельChordEdit: одноетапний низькоенергетичний транспорт для редагування source-to-target
ChordEdit: це paper CVPR 2026 Oral / Best Student Paper Honorable Mention. Він розглядає одноетапне текстове редагування зображень як динамічну задачу оптимального транспорту між source prompt і target prompt, а потім використовує Chord Control Field, щоб зменшити високоенергетичний дрейф, який спотворює об'єкти й фон. Стаття співвідносить метод із поверхнею редагування з параметрами source_prompt, target_prompt, seed, sample count, time-window і step_scale з офіційної demo.
Читати статтю
МодельZyphra ZONOS2: відкритий TTS MoE для високоточного клонування голосу
Zyphra випустила ZONOS2 під Apache-2.0: 8B параметрів загалом, близько 900M активних у MoE TTS і понад 6M годин мовлення. TelkNet представляє його як інструмент ZONOS2 Voice Cloning TTS.
Читати статтю
МодельGoogle Magenta RealTime 2: коли музична модель стає інструментом для гри
Оновлений огляд з офіційними графіками Google про низьку затримку, MIDI/текст/аудіо керування, структуру 2.4B/230M, обладнання і межі MRT2.
Читати статтю