HuggingFace 上出现用于图像理解与信息提取的模型 mirage
HuggingFace 上发布了模型 Cactus-Compute/mirage,任务类型为 image-text-to-text。作者将其描述为用于图像理解和结构化信息提取的模型。发布时间为 05.11.2026。
方法的结构。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
Black Forest Labs 在 HuggingFace 上发布了 flux-3-image-klein2026 年 10 月 13 日,模型 black-forest-labs/flux-3-image-klein 出现在 HuggingFace 上,任务类型为 image-to-image。上线头几天,该模型就获得了 3241 次下载和 271 个「喜欢」标记。代码已开源发布。这意味着什么 该模型
Fish Speech 发布 Drama 3 — 35B 参数语音生成模型,支持 80 种语言2026 年 10 月 13 日,Fish Speech 仓库发布了 Fish Audio Drama 3 的 pre-release 版本。这是一款语音生成模型,可将文本转化为“可导演的演绎”:通过多个参考样本克隆声音,并遵循指令
La-JEPA:Meta 的紧凑型机器人策略,具备潜在 world modelingMeta 推出了 La-JEPA——一种用于机器人控制的紧凑型 world-action 模型,它在预训练编码器 V-JEPA 2.1 的特征空间中从零开始训练。与那些适配生成式视频模型或 vision 的方法不同
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