跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

11月25日周二
10月28日周二
  1. Hugging Face Blog38

    Hugging Face 提出“声音同意门”:说话人明确同意后才能克隆声音

    Hugging Face 博客提出“声音同意门”机制,让声音克隆只有在说话人亲口说出同意语句并被 ASR 识别后才启动,并给出示例 Space 与配套代码。演示中由语言模型为每次授权生成一对句子,一句明确表达同意、一句提供语音多样性,使同意成为可追溯、可审计的系统前置条件。

10月21日周二
  1. Hugging Face Blog40

    Hugging Face AI Sheets 新增视觉能力:在表格里用开源模型处理图像

    Hugging Face AI Sheets 发布重大更新,新增视觉支持,可在表格中直接查看、分析、提取图像信息并生成和编辑图片,无需写代码。该工具由 Inference Providers 驱动,可调用数千个开源模型,支持从收据、文档、图表中提取结构化数据,也能按提示词生成配图并批量产出变体,结果可导出为 CSV 或 Parquet。

9月15日周一
  1. Hugging Face Blog22

    Hugging Face 用 Gradio 实现可见水印:一行命令为 AI 生成图像、视频和文本加水印

    Hugging Face 在 Gradio 中新增 watermark 参数,开发者只需一行命令即可为 AI 生成的图像、视频和文本添加可见水印。图像和视频通过 gr.Image、gr.Video 的 watermark 参数指定水印文件,支持图片或 numpy 数组,还可使用 QR 水印;文本则通过 gr.Chatbot 的 watermark 参数在用户复制 AI 回复时自动附加署名。

9月2日周二
8月19日周二
7月31日周四
7月23日周三
  1. Hugging Face Blog29

    TimeScope:视频大模型到底能理解多长的视频?

    Hugging Face 上开源了长视频理解基准 TimeScope,通过向 1 分钟至 8 小时的视频中插入 5-10 秒的"针"片段,评测模型的局部检索、信息综合与细粒度时序感知三项能力。结果显示,包括 Gemini 2.5-Pro 在内的领先视觉语言模型在真正的长视频时序理解上仍明显吃力,且视频越长性能下降越明显。

6月19日周四
  1. Hugging Face Blog62

    Hugging Face 教程:在消费级硬件上用 QLoRA 微调 FLUX.1-dev

    Hugging Face 发布教程,演示用 QLoRA 与 diffusers 在单卡上微调 FLUX.1-dev,峰值显存约 9GB。在 RTX 4090 上以 512x768 分辨率、LoRA rank 4 训练 700 步约耗时 41 分钟,而标准 BF16 LoRA 需 26GB 显存。

    推荐理由:Hugging Face 官方给出在单卡消费级硬件上微调 FLUX.1-dev 的完整流程与显存实测数据,可迁移到自有风格训练。

6月3日周二
5月21日周三
5月13日周二
4月11日周五
4月9日周三
2月25日周二
2月24日周一
2月20日周四
2月18日周二
  1. Hugging Face Blog22

    Hugging Face Hub 新增 Hyperbolic、Nebius AI Studio 和 Novita 三家无服务器推理提供商

    Hugging Face Hub 新增 Hyperbolic、Nebius AI Studio 和 Novita 三家无服务器推理提供商,支持 DeepSeek-R1、Flux.1 等模型,并已集成 JS 和 Python 客户端 SDK。用户可在账户设置中配置自有 API key 直连提供商,或通过 HF 路由调用并按标准 API 费率计费,无额外加价;PRO 用户每月获 2 美元推理额度。

2月12日周三
1月31日周五
1月27日周一
  1. Hugging Face Blog60

    Diffusers 团队梳理开源视频生成模型现状与优化方案

    Hugging Face Diffusers 团队发布文章,梳理开源视频生成模型现状,并介绍 Diffusers 对这类模型的支持方式。文中列出 CogVideoX、Mochi-1、HunyuanVideo、Allegro、LTX-Video 等开源模型,指出高资源需求、泛化能力和延迟是主要限制。

    推荐理由:Diffusers 团队系统梳理开源视频模型现状,并给出把 HunyuanVideo 显存压到约 6.5GB 的优化组合。

12月9日周一
  1. Hugging Face Blog22

    Hugging Face 社区发布文生图开放偏好数据集

    Hugging Face 的 Data is Better Together 社区发布 Apache 2.0 许可的文生图偏好数据集,覆盖多种图像生成类别,混合不同模型家族与不同复杂度的提示词。数据集基于 Flux 和 Stable Diffusion 模型生成图像,配套提供可直接使用的偏好数据集与 flux-dev-lora-finetune,预处理与后处理代码已在 GitHub 开源。

10月23日周三
  1. Hugging Face Blog22

    CinePile 2.0:用对抗式精炼打造更强的长视频问答数据集

    CinePile 2.0 发布,这是长视频问答数据集 CinePile 的升级版,采用新提出的对抗式精炼方法改进数据质量。初版 CinePile 于 2024 年 5 月推出,含约 30 万训练样本和 5000 测试样本,人类在该基准上比最好的商业视觉模型高 25%、比开源模型高 65%。团队同时开源了对抗式精炼方法的实现,可用于强化现有数据集。

10月22日周二
  1. Hugging Face Blog62

    Diffusers 支持 Stable Diffusion 3.5 Large

    Stability AI 发布 Stable Diffusion 3.5,包含 8B 的 Large 模型和 8B 的 timestep-distilled 模型,后者支持 4-8 步少步推理,模型已上线 Hugging Face Hub 并可在 Diffusers 中使用。

    推荐理由:SD3.5 Large 与 timestep-distilled 版本同步上线 Diffusers,并给出量化推理与 LoRA 训练路径。

9月30日周一
9月23日周一
  1. Hugging Face Blog34

    FineVideo:43k 视频、3.4k 小时的开源视频数据集是如何构建的

    为缓解开源视频数据集稀缺问题,团队构建了 FineVideo,包含 43k 个视频、共 3.4k 小时,并标注了丰富描述、叙事细节、场景切分和 QA 对。该数据集从 YouTube-Commons 的 1.9M 条英文视频出发,经词密度与视觉动态性过滤,并用 Gemini 1.5 Pro 和 GPT-4o 完成内容标注与结构化输出。

9月16日周一
  1. Hugging Face Blog38

    HuggingChat 推出 Community Tools:可将 Hugging Face Space 变成模型工具

    HuggingChat 上线 Community Tools,用户可把 Hugging Face 上任意公开 Space 转为模型可直接调用的工具,并借此扩展图像理解、视频生成和文本转语音等多模态能力。用户也能用 Gradio 自建自定义工具,并在助手中最多添加 3 个工具。该功能仍处于实验阶段。

7月30日周二
6月12日周三
6月6日周四
2月27日周二
2月19日周一
2月3日周六
  1. Hugging Face Blog62

    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。

    推荐理由:发布方给出从零构建 MoE 扩散模型的代码与三个合并版本,创作者可据此把多个预训练模型组合成新模型。

1月15日周一
1月14日周日
1月4日周四
1月2日周二
12月5日周二