Реалистичный бенчмарк компьютерных агентов: задачи в настоящих ОС и приложениях — от редактора таблиц до системных настроек.
Мгновенная персонализация генерации изображений: одно фото лица — и любые генерации Stable Diffusion с этим лицом, без обучения.
Создание персонализированных изображений людей: несколько фото — и модель генерирует новые портреты в разных стилях и локациях.
Готовые компактные модели речи: STT на десятках языков и TTS — всё работает на CPU быстрее реального времени.
Универсальный переводчик Meta: речь в речь, текст и речь в текст между сотней языков — сохраняет голос и эмоции говорящего.
Офлайн-переводчик с открытым кодом: работает полностью на устройстве, пакеты языков скачиваются отдельно.
Промышленная библиотека NLP на Python: токенизация, сущности, синтаксис и классификация — быстро и в продакшне.
Эталонная библиотека диаризации речи: определяет «кто и когда говорил» в аудиозаписях — от звонков до совещаний.
Whisper с пословными таймкодами и разделением говорящих: транскрибация интервью и встреч с точной разметкой по времени.
Открытый клонинг голоса от MyShell: копирует тембр диктора и переносит акценты на другие языки без повторного обучения.
Лёгкий быстрый TTS от MyShell: синтез на CPU в реальном времени, поддержка английского, испанского, французского, китайского и японского.
Потоковый синтез речи с клонированием голоса: 15 секунд образца — и модель озвучивает любой текст интонациями диктора.
Открытая модель генерации видео от Tencent: кинематографичные ролики по тексту, сильная физика движений и детализация.
Библиотека оценки устойчивости LLM от Microsoft: тестирует модели на adversarial-атаки, сдвиги формулировок и инъекции.
Контроль генерации Stable Diffusion структурой: позы, границы, глубина и карты — модель рисует именно то, что задумано.
Стандарт дообучения Stable Diffusion: GUI и скрипты для обучения LoRA, DreamBooth и текстовых инверсий на своих картинках.
Семейство генераторов изображений от создателей Stable Diffusion: топовое качество текста в картинку с открытыми весами.
Микроскопическая VLM для edge-устройств: отвечает на вопросы об изображениях и распознаёт объекты на слабом железе.
Мощная мультимодальная модель, помещающаяся на телефоне: понимает изображения, документы и видео при крошечном размере.
Пионер открытых мультимодальных моделей: соединяет визуальный энкодер с LLM для ответов на вопросы об изображениях.