Mô hìnhSFC-Locoformer: Giới hạn đối thoại và nén quang phổ thích ứng cho 11,8 dB DnR
Đọc chuyên sâu luận văn/tách âm phim và truyền hình
Đọc bài viết
Mô hìnhBoogu-Image 0.1: Phân công lao động và rủi ro biến dạng giữa ba trọng lượng Base, Turbo và Edit
Giải phẫu mô hình/Tạo và chỉnh sửa hình ảnh
Đọc bài viết
Mô hìnhSenseNova-U1 Infographic V2: Phạm vi đánh giá 50,3 điểm và ranh giới đồ họa thông tin
Tạo mô hình/đồ họa thông tin đặc biệt
Đọc bài viết
Mô hìnhLongCat-AudioDiT 3.5B: Ghi điều kiện loa vào khuếch tán âm thanh
Đọc báo chuyên sâu / Nhân bản giọng nói không mẫu
Đọc bài viết
Mô hìnhAudioSep-Hive: Tách âm thanh tùy ý bằng truy vấn văn bản
Tách âm/ghi chú kỹ thuật
Đọc bài viết
Mô hìnhBandIt và TIGER-DnR: Cuộc chiến phân bổ tính toán phân tách ba rãnh cho phim và truyền hình
Âm thanh phim và truyền hình / DnR
Đọc bài viết
Mô hìnhMossFormer2 và TIGER-speech: ba phần nhiệm vụ trong giao diện giọng nói
So sánh giao diện giọng nói/công nghệ
Đọc bài viết
Mô hìnhÂm thanh chuyên biệt cho MIDI: năm mẫu, năm đề thi F1 khác nhau
Các mô hình này có trọng số công khai, kết nối dưới dạng công cụ hoặc profile TelkNet, lựa chọn phiên bản rõ ràng và định nghĩa runtime bất biến. Trạng thái Admin quyết định việc hiển thị và nhận tác vụ; kích hoạt cần E2–E4, còn tuyến mặc định cần thêm E5.
Đọc bài viết
Mô hìnhMuScriptor-large: phép đo thực tế và ranh giới của 1,366 tỷ tham số kết hợp hoàn chỉnh với MIDI nhiều bản nhạc
Phiên âm nhạc tự động
Đọc bài viết
Mô hìnhQwen-Image, Z-Image và FLUX.2 [klein]: Sự khác biệt giữa ba tuyến hình ảnh mở
Tổng quan về mô hình/công nghệ hình ảnh mở
Đọc bài viết
Mô hìnhBiRefNet, Moebius, VOSR và DDColor: Bốn vấn đề nghịch đảo, bốn cách thất bại
Khôi phục hình ảnh/so sánh mô hình đặc biệt
Đọc bài viết
Mô hìnhdots.tts: Các biến tiềm ẩn âm thanh liên tục, khớp luồng và giọng nói tầm xa 48 kHz
Tổng hợp bài phát biểu / Đọc chuyên sâu bài viết
Đọc bài viết
Mô hìnhSoulX-Singer và YingMusic-Singer-Plus: điều khiển điểm số và tham chiếu giai điệu, hai tuyến tổng hợp giọng hát
Tổng hợp tiếng hát/so sánh tuyến đường
Đọc bài viết
Mô hìnhHQ-SVC và YingMusic-SVC: tháo dỡ nội dung, F0, năng lượng và âm sắc chuyển đổi giọng hát
So sánh chuyển đổi giọng hát/công nghệ
Đọc bài viết
Mô hìnhBeat This!: Theo dõi nhịp mà không kết thúc DBN
Truy xuất thông tin âm nhạc/giải thích giấy
Đọc bài viết
Mô hìnhMẫu saxophone Demucs v3: 14,22 dB và băng tần hẹp A/B
Tách nhạc cụ/Ghi chú kỹ thuật
Đọc bài viết
Mô hìnhQwen3-TTS, Fish S2 Pro, MOSS-TTS và VoxCPM2: bốn giao diện điều kiện giọng nói
Tổng hợp giọng nói / so sánh mô hình mở
Đọc bài viết
Mô hìnhVevo2: Tổ chức lại giọng hát dựa trên ba điều kiện: nội dung, âm sắc và nhịp điệu.
Ghi chú tổng hợp/kỹ thuật
Đọc bài viết
Mô hìnhPhân tích tách âm thanh bốn stem: vì sao Huge-SCNet hợp với mục tiêu MSS
Công cụ bốn stem hiện tại của TelkNet dùng Huge-SCNet-4stems V1.2 để tách bản mix đầy đủ thành vocals, drums, bass và other. Bài viết giải thích lựa chọn qua lịch sử kiến trúc MSS, điểm mạnh và giới hạn của Mel-Band RoFormer, mô hình subband của SCNet và điểm số công khai.
Đọc bài viết
Mô hìnhKrea 2: Krea AI phát hành trọng số Raw và Turbo cho tạo ảnh
Krea AI phát hành Krea 2 Raw và Krea 2 Turbo dưới dạng trọng số mở. Báo cáo kỹ thuật mô tả Krea 2 là mô hình diffusion text-to-image 12B được huấn luyện từ đầu, đồng thời nêu chi tiết lọc dữ liệu, caption pipeline, post-training, reinforcement learning và ranh giới an toàn-giấy phép.
Đọc bài viết
Mô hìnhChordEdit: one-step truyền tải năng lượng thấp cho chỉnh sửa source-to-target
ChordEdit là paper CVPR 2026 Oral / Best Student Paper Honorable Mention. Công trình xem chỉnh sửa ảnh theo văn bản trong một bước như bài toán optimal transport động giữa source prompt và target prompt, rồi dùng Chord Control Field để giảm drift năng lượng cao làm méo vật thể và nền. Bài viết ánh xạ phương pháp này thành bề mặt tham số chỉnh sửa ảnh với source_prompt, target_prompt, seed, sample count, time-window và step-scale từ demo chính thức.
Đọc bài viết
Mô hìnhZyphra ZONOS2: TTS MoE mở cho voice cloning trung thực cao
Zyphra phát hành ZONOS2 theo Apache-2.0: tổng 8B tham số, khoảng 900M kích hoạt trong MoE TTS và hơn 6M giờ tiếng nói. TelkNet giới thiệu mô hình này như công cụ ZONOS2 Voice Cloning TTS.
Đọc bài viết
Mô hìnhGoogle Magenta RealTime 2: khi mô hình âm nhạc trở thành nhạc cụ có thể biểu diễn
Bản cập nhật có hình chính thức từ Google về độ trễ thấp, điều khiển MIDI/văn bản/âm thanh, cấu trúc 2.4B/230M, phần cứng và giới hạn của MRT2.
Đọc bài viết