跳到正文

#Hugging Face

  1. 创作工具MindStudio Blog · 创作分享

    Fish Audio 发布 Drama 3 语音模型:用括号舞台指示控制表演

    Fish Audio 发布文本转语音模型 Drama 3,用户可在剧本中用方括号写舞台指示来调整语气、节奏和表演,并支持单词级控制、内联音效与多说话人脚本。模型以 36B 参数开放权重形式发布在 Hugging Face(fishaudio/drama-3),据用户报告全精度运行约需 46GB 显存,社区 4-bit 量化版约 32GB。

  1. 创作工具comfyorg · YouTube 创作视频

    ComfyUI 支持 Hao Ai lab 的 FastH3 OmniRef 模型

    ComfyUI 宣布已支持 Hao Ai lab 的 FastH3 OmniRef,该模型面向快速、高质量的视频与音频生成。OmniRef 让它支持多模态参考素材,创作者和团队对生成内容的控制不再只依赖文本提示词;模型可本地运行,团队能在自有硬件上生成并保留素材,无需依赖托管 API。官方同时给出云端入口与 Hugging Face 开放权重链接。

  1. 创作工具comfyorg · YouTube 创作视频

    ComfyUI 支持 MOSS-Image 图像模型

    ComfyUI 宣布已支持 OpenMOSS 开源图像模型 MOSS-Image,该模型为 5B 规模,可渲染清晰可读的文字并接受结构布局提示。官方已在 Hugging Face 放出对应工作流,面向海报、广告与本地化创意等需要布局控制的出图场景。

  1. 创作工具ComfyUI Wiki · 工作流与开源创作分享

    Qwen-Image 2.1 Lightning LoRA 把 40 步生成压缩到 4 步

    LightX2V 发布 Qwen-Image 2.1 的 Lightning LoRA,把该模型默认 40 步的生成压缩到 4 步,采样器改为 4 步、CFG 关闭(true_cfg_scale=1.0)并固定四个 sigma 值。

  1. 创作工具Hugging Face Blog

    Diffusers 原生支持 Nunchaku 4-bit 扩散推理

    Hugging Face 博客介绍 Diffusers 现已原生支持 Nunchaku 的 4-bit 扩散推理,加载量化 checkpoint 只需调用 from_pretrained(),无需本地 CUDA 编译。

  1. 创作工具Hugging Face Blog

    SegMoE 发布:从零构建混合专家扩散模型

    Segmind 发布 SegMoE 框架,可从零创建混合专家(MoE)扩散模型,并已集成进 Hugging Face diffusers。此次发布包括 SegMoE-4x2、SegMoE-2x1 和 SegMoE-SD4x2 三个模型版本,以及用于自建 MoE 模型的 segmoe 代码包,模型采用 Apache 2.0 许可。

已经到底了
浏览全部动态