KoboldCpp v1.124:将 upstream 分支合并到 concedo_experimental
KoboldCpp 运行工具发布了 v1.124 版本。这是一次技术性更新:作者将上游主分支的改动合并到了实验分支 concedo_experimental。详情见 GitHub 上的发布说明。
该方法的原理。示意图根据本简讯绘制。
Switch to the English version? It is the same page at the same address, with a language prefix.
Other languages: Русский
VibeVoice-1.5B-hf:微软在 HuggingFace 发布的全新开源 text-to-audio 模型HuggingFace 上发布了 vibevoice/VibeVoice-1.5B-hf 模型,任务为 text-to-audio。它用于生成包含多个说话人的长对话音频,例如播客。据作者描述,可合成长达 90 分钟的语音,参与者
VideoArgus 提出基于评分标准的视频生成与编辑统一评估系统研究人员在 arXiv 论文中介绍了 VideoArgus——一个用于评估生成及编辑视频质量的框架。与依赖固定内容的现有基准不同,VideoArgus 针对每个
AnyTalk 为任意角色生成 3D 语音动画,无需动画数据研究人员推出了 AnyTalk——一种为任意角色生成 3D 语音动画的方法,既不需要动画数据,也不需要手动绑定。取而代之的是,作者在目标角色的渲染结果上对现成的 video diffusion model 进行微调。
LichtFeld-Studio 发布原生 lfw 格式的 MoGe-3 ViT-L 权重LichtFeld-Studio 发布了一个版本,包含原生 .lfw 格式的 MoGe-3 ViT-L base 权重。这是 SLAM 流水线和 preprocess CLI 的默认深度模型。该版本被标记为 pre-release,只是为了不进入 Latest 徽章:这是 p