Etsi samankaltaista sisältöä

Dreams Gallery By Voodoont #voodoont #арт#art#ai#girl#redhead#beauty#rain#water#blonde

🔝 --sref 2628837906 #Dark#3D#Surreal#Pastel#StyleRandom#MidJourney#AiGenLabs#Ai 〰️〰️〰️〰️〰️ 👥TheLab - our community ⭐️AiGenLabs - main channel

🌟VoxCPM2: открытая 2B TTS-модель на 30 языках. VoxCPM2 - крупное обновление открытой системы синтеза речи VoxCPM. Модель обучена на более 2 млн. часов мультиязычных аудиоданных и поддерживает 30 языков, включая русский, китайский, английский, японский, корейский, арабский и хинди (плюс 9 диалектов китайского). За проектом стоит OpenBMB, структура при Университете Цинхуа, объединяющая академическую лабораторию THUNLP и коммерческую компанию ModelBest. THUNLP - одна из сильнейших академических групп по LLM в Азии, которой руководит легенда китайского NLP, профессор Maosong Sun. OpenBMB известна сериями CPM, MiniCPM, AgentCPM и фреймворками BMTrain и OpenPrompt. 🟡В второй версии VoxCPM отказались от дискретной токенизации аудио. В отличие современных TTS-систем, VoxCPM2 работает напрямую с непрерывными представлениями в латентном пространстве AudioVAE V2. Пайплайн состоит из 4 стадий: LocEnc, TSLM, RALM и LocDiT. На выходе - аудио с частотой 48 кГц студийного качества: асимметричная архитектура AudioVAE V2 принимает референс на 16 кГц и повышает разрешение без внешнего апсемплера. 🟡Обновление добавило 2 новые возможности. 🟢Voice Design создает голос по текстовому описанию: достаточно указать пол, возраст, тембр, эмоцию и темп - никакого референсного аудио не нужно. 🟢Controllable Voice Cloning клонирует голос по короткому аудиофрагменту и в довесок позволяет управлять стилем, эмоциями и скоростью речи, сохраняя оригинальный тембр. Из версии 1.5 перешел режим Ultimate Cloning: если передать вместе с референсом его точный транскрипт, модель воспроизводит ритм, интонации и манеру речи. 🟡Тесты На Seed-TTS-eval модель показывает WER 1.84% на английском и CER 0.97% на китайском при сходстве голоса (SIM) 75.3% и 79.5% соответственно. На мультиязычном Minimax-MLS-test система лидирует по SIM в подавляющем большинстве из 24 языков, опережая Minimax, ElevenLabs, FishAudio S2 и Qwen3-TTS. В задаче генерации голоса по описанию модель набирает лучшие баллы среди open-source решений на InstructTTSEval в английском языке. 🟡Модель потребляет около 8 ГБ VRAM. Скорость инференса по соотношению времени, затраченного моделью на генерацию аудио к длительности самого аудио - около 0.3 на NVIDIA RTX 4090. На движке Nano-vLLM этот показатель снижается до 0.13 (подходит для стриминга в реальном времени). Есть скрипты и гайд для SFT (добавления нового языка или домена) или LoRA для глубокой имитации конкретного спикера. LoRA потребует 5–10 минут аудио и 20 ГБ VRAM. Пример генерации аудио на демо-спейсе HF без клонирования и постобработке - в видеофайле поста. 📌Лицензирование: Apache 2.0 License. 🟡Страница проекта 🟡Документация 🟡Модель 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI#ML#TTS#VoxCPM2#OpenBNB

🌟RL-фреймворк для обучения MoE-моделей от создателей Chatbot Arena. Miles - фреймворк для RL-обучения от команды LMSYS ORG, ориентированный на энтерпрайз-уровень. Если вы следите за опенсорс разработками, вы наверняка слышали о предшественнике этой системы, проекте slime. Это легкий инструмент, который используют во многих современных пайплайнов пост-трейна. На нем, кстати, запускали GLM-4.6. Slime доказал, что легковесный дизайн работает, и Miles делает следующий шаг - масштабное обучение архитектур MoE и поддержка тяжелых промышленных нагрузок. 🟡Технические детали. Miles предлагает то, что называют "True On-Policy". Раньше между тренировкой и инференсом часто возникало расхождение. Теперь же, благодаря инфраструктурному подходу, LMSYS добилась нулевой дивергенции. Это стало возможным благодаря использованию Flash Attention 3, библиотеки DeepGEMM и ядер от Thinking Machines Lab, работающих в связке с torch.compile. Вторая особенность - в использовании спекулятивного декодирования. Обычно в RL черновая модель замораживается, что мешает ей следовать политике целевой модели. LMSYS добавили онлайн-обучение черновой модели. Результаты на тестах положительные: ускорение генерации более чем на 25%, особенно на поздних стадиях обучения. 🟡Стабильность. Для энтерпрайза память - это деньги. В Miles включили механизмы, предотвращающие падение системы при некритичных ошибках OOM и исправили чрезмерное потребление памяти в FSDP. В дорожной карте проекта обещают поддержку мультимодального обучения, совместимость со SGLang v2 и расширенное спекулятивное декодирование. 🟡Статья 🖥Github @ai_machinelearning_big_data #AI#ML#RL#Miles#LMSYS

#typescript#ai#cloudflare_workers#coding_agent#durable_objects#text_to_app#vibe_coding Cloudflare VibeSDK lets you create AI-powered web apps by simply describing what you want in natural language. It’s open source and runs on Cloudflare’s platform, providing secure, isolated environments to build, preview, and deploy apps quickly with one click. You can customize AI behavior, control code patterns, and keep data private. It’s great for companies, startups, or teams who want to build apps without deep coding skills, speeding up development and enabling non-technical users to create tools easily. The platform supports live previews, chat-based interaction, and integrates with GitHub for smooth workflows. https://github.com/cloudflare/vibesdk

Meta再曝猛料！新款 #AriaGen2 研究眼鏡僅74g，4顆HDR攝像頭＋6DoF空間追蹤、獨立AI算力、眼動/手勢追蹤更精準，鼻托還塞進心率感測。折疊鏡腿＋更寬FOV，像極了行走的「資料收集陣列」。 #AI#AR#可穿戴#隱私

🚀 AI TRENDS | Meta Updates Instagram AI Experience for Teens Meta Platforms has announced an update to the AI experience on Instagram, specifically targeting teenage users. According to Jin10, the update draws inspiration from movie ratings designed for audiences aged 13 and above. This means the AI is programmed to avoid providing responses that are inappropriate for the age group. #AI#Meta#Instagram#TeenUsers#AIEthics#TeenSafety#SocialMedia#TechUpdates

Наконец-то завезли расширение арта в Далле 😊 By Voodoont #voodoont #ai#арт#art#girl#elf#wow#game#rpg#warcraft Dreams Gallery

#AI#Gemini#深度研究#文生图#个性化功能#新闻 分享：谷歌的AI Gemini推出深度研究、个性化设置等功能 1.Gemini推出深度研究、个性化设置功能 谷歌一直是AI研究和开发的引领者。近期，继谷歌推出了 Gemini 2.0 Flash的文生图及图像生成推理功能之后，更是向免费用户推出了深度研究、个性化设置、画布功能和侧重于思考的 2.0 Flash Thinking的功能（原收费功能推送给免费用户）。其中，画布功能支持编程、写文章、制作app等。 2.Gemini推出（国际）象棋冠军AI服务 Chess Champ 3.谷歌Chrome浏览器即将内置Gemini服务，增加用户的粘度。目前仅在开源版Chrome中测试。 体验网址： https://gemini.google.com/ 📢频道✈️群组☘️博客📬投稿

◀️--sref 531168650 #Surreal#Dark#Glitch#StyleRandom#MidJourney#AiGenLabs#Ai 〰️〰️〰️〰️〰️ main channel📎

【AI开源大模型】Llama3.1一键本地部署最强开源大模型！支持Windows、Mac并可以可离线使用 #ai#chatgpt#AI大模型#llama#机器#huggingface https://www.youtube.com/watch?v=iMUvLfbjITQ

🇺🇸Apple’s AI News Summaries Pulled After False Headlines Apple has temporarily disabled its AI-powered news summary feature in Apple Intelligence following incidents where the system generated fabricated headlines, including false reports of arrests and deaths. The feature, launched in September with the iPhone 16, aimed to condense multiple notifications into concise summaries but quickly faced backlash from major news outlets, such as the BBC and The Washington Post. The BBC raised concerns as early as December, citing critical factual errors in breaking news summaries and warning that the tool contradicted original reporting, undermining public trust. In response, Apple announced plans to enhance transparency by clearly labeling AI-generated summaries and allowing users more control over the feature. This setback highlights the risks of deploying AI solutions without rigorous testing in sensitive domains like journalism. With trust at stake, companies must prioritize accuracy, accountability, and collaboration with stakeholders to ensure their AI systems uphold professional standards. #AI#Apple#Misinformation#AIEthics