Open WebUI v0.13.0:聊天内的标签页、终端和浏览器
Open WebUI v0.13.0 发布——这是用于运行神经网络的界面的一次重大更新。主要变化:带标签页的工作空间,将聊天、文件、终端、工件、预览、语音通话和评论整合在一起。详情见 GitHub 上的发布说明。
该方法的原理。示意图根据这篇简讯绘制。
Switch to the English version? It is the same page at the same address, with a language prefix.
Other languages: Русский
Audio8-ASR-Infinite:内存占用恒定的流式语音识别2026年9月21日,模型 Edge0/Audio8-ASR-Infinite 在 HuggingFace 上发布,任务为 text-generation。作者将其描述为原生流式语音识别,面向最低延迟设计:模型以 12,5 做出决策
GVCCTurbo 为生成式视频和图像压缩提出码率规划方案arXiv 研究人员推出了 GVCCTurbo——一种规划器,它将生成式先验分布的昂贵更新与通过码本传输修正分离。它不再将采样器步数硬性绑定到
Generative Cinematographer 教视频模型在 3D 中控制相机与物体2026 年 10 月 1 日,Generative Cinematographer(GenCine)在 arXiv 上发表——该系统可将单张图像提升为可编辑的 3D 场景,并允许联合设定相机与前景的运动。艺术家铺设
Idol:全新的 image-to-3d 模型,2 秒内生成 Gaussian splat2026 年 10 月 28 日,模型 speridlabs/idol 在 HuggingFace 上发布,任务为 image-to-3d。它可将物体的单张图像转换为 3D Gaussian splat:去除背景、裁剪物体,并生成最多 1 048 576 个高斯,包括侧面、