Экспериментальная базовая языковая модель superAVTR на 45,9 млн параметров для продолжения англоязычного текста и исследований предобучения LLM.

Подходит для: продолжение англоязычного текста по заданному началу · эксперименты с предсказанием следующего токена · изучение компактной Llama-совместимой архитектуры

AuK — диффузионная модель Tencent на 1,5 млрд параметров для синтеза и редактирования речи по текстовым инструкциям.

Подходит для: синтез речи по тексту · zero-shot синтез голоса · генерация речи по инструкции

AVTR-1 создаёт в реальном времени говорящий аватар, анимируя портрет по речи и аудиодорожке слушающего.

Подходит для: анимация портрета с синхронизацией губ по речи · создание говорящего аватара для видеодиалога · потоковая генерация реакций слушающего

Ultravox — модель Fixie.ai, которая понимает речь и текст и генерирует текстовые ответы для голосовых агентов, анализа речи и речевого перевода.

Подходит для: создание голосового агента с текстовыми ответами · анализ содержания аудиосообщений · распознавание устной речи

Модель NVIDIA для восприятия дорожной обстановки, объяснения решений и предсказания действий и траекторий автономного автомобиля по изображениям, видео, тексту и истории движения.

Подходит для: предсказание траектории автономного автомобиля · ответы на вопросы по видео с дорожных камер · привязка объектов на изображениях к координатам

Экспериментальная англоязычная базовая Llama-совместимая модель на 45,9 млн параметров для генерации продолжения текста и исследований предобучения.

Подходит для: генерация продолжения англоязычного текста · изучение работы компактной авторегрессионной языковой модели · эксперименты с токенизаторами и подготовкой обучающих данных

Набор LoRA-адаптеров для ускорения генерации видео моделью MiniMax-H3 за счёт дистилляции параллельного декодирования.

Подходит для: ускоренная генерация видео по текстовому описанию · генерация видео из исходного видео с FL2VA · генерация видео по референсному изображению с Ref2VA

Ultravox v0.5 — речевая языковая модель Fixie.ai, которая понимает аудио и текст и генерирует текст для голосовых агентов, анализа речи и перевода.

Подходит для: создание голосового агента, отвечающего на голосовые сообщения · транскрибирование речи в текст · анализ содержания spoken audio

Предиктор Veda ускоряет генерацию видео и аудио на базе MiniMax-H3, пропуская большую часть малозначимых вычислений внимания.

Подходит для: ускорение генерации видео по текстовому запросу · ускорение генерации видео со стереозвуком · сокращение времени генерации длинных роликов

Потоковая англоязычная модель Kyutai для распознавания речи и транскрибации аудио с задержкой около 2,5 секунды.

Подходит для: потоковая транскрибация английской речи в реальном времени · субтитры для англоязычных трансляций · распознавание речи в шумных условиях

Модель SoulX-FlashTalk-14B генерирует потоковую анимацию портрета по аудио для создания цифровых аватаров в реальном времени.

Подходит для: анимация портретного аватара по речи · создание говорящего цифрового человека для прямых трансляций · потоковая генерация движений губ по аудио

Дообученная на MuAViC модель AV-HuBERT распознаёт английскую речь по аудио и видео, в том числе в шумных условиях.

Подходит для: распознавание английской речи по аудио и видео · распознавание речи по движению губ при шумном аудио · транскрибирование видеозаписей с говорящими

Ultravox v0.2 — речевая LLM Fixie.ai, которая понимает аудио и текст и отвечает текстом.

Подходит для: создание голосового агента с текстовыми ответами · ответы на вопросы по голосовым сообщениям · анализ содержания устной речи

SkyReels-V3-A2V-19B — диффузионная модель Skywork для генерации видео с аудиосопровождением, включая говорящие аватары с синхронизацией губ.

Подходит для: создание говорящего аватара по изображению и аудиозаписи · синхронизация движений губ с речью или пением · генерация видео с персонажем на основе референсного изображения

SupraNeo-4M — экспериментальная сверхмалая англоязычная языковая модель для изучения предварительного обучения и архитектурных решений в масштабе 4 млн параметров.

Подходит для: генерация коротких грамматичных фрагментов на английском языке · оценка правдоподобия продолжений английского текста · исследование влияния размера словаря на малые языковые модели

Небольшая базовая англоязычная модель SupraLabs для экспериментов с предобучением и отправной точки для дальнейшего дообучения.

Подходит для: эксперименты с предобучением малых языковых моделей · изучение влияния масштаба модели и состава данных · дообучение на инструкциях

Производная модели CollectionStudio/Trinity-Large-TrueBase. Базовая разреженная MoE-модель Arcee AI для исследований предобучения, анализа поведения и последующего дообучения.

Подходит для: исследование поведения модели после масштабного предобучения · анализ маршрутизации экспертов и балансировки нагрузки в MoE · пробинг и интерпретируемость языковой модели

Отдельная MTPv2-голова NVIDIA для ускорения спекулятивного декодирования совместимой Nemotron 3 Super при обслуживании текстовых запросов.

Подходит для: ускорение генерации текста на Nemotron 3 Super · ускорение чат-ответов и выполнения инструкций на поддерживаемой Nemotron 3 Super · ускорение генерации кода целевой моделью Nemotron 3 Super

Портированная модель Wav2Vec2 с головой XVector для верификации говорящего по аудиозаписям речи.

Подходит для: проверка совпадения голоса с эталонной записью · верификация личности по голосу · сравнение голосовых образцов для бенчмарка SUPERB

UniAVGen — дообученная на Wan2.2-TI2V-5B модель для генерации видео по изображению и совместного создания согласованного аудиовизуального контента.

Подходит для: создание видео на основе исходного изображения · генерация согласованных аудио и видео · создание видео с синхронизированными движениями губ

Модель преобразует исходное видео в видео с говорящим аватаром, синхронизируя движения лица с аудиодорожкой и сохраняя движения тела, камеры и фона.

Подходит для: анимация лица в исходном видео по аудиозаписи · создание говорящего аватара с сохранением движений тела и фона · синхронизация лица персонажа с речевой дорожкой

Базовая разреженная MoE-модель Arcee AI для генерации текста, исследований предобучения и последующего дообучения.

Подходит для: исследование поведения языковой модели после масштабного предобучения · изучение маршрутизации и балансировки экспертов MoE · зондирование и интерпретируемость языковой модели

Базовая языковая модель SupraLabs с контекстом 5 120 токенов, предназначенная для дальнейшей тонкой настройки и обучения с подкреплением.

Подходит для: дальнейшая тонкая настройка небольшой языковой модели · эксперименты с продолженным предобучением и расширенным контекстом · создание прототипа англоязычного текстового генератора

Экспериментальная базовая модель SupraLabs на архитектуре Qwen3 для изучения масштабирования сверхмалых языковых моделей и проверки конвейеров обучения.

Подходит для: исследование масштабирования языковых моделей с числом параметров менее миллиона · абляции архитектуры трансформеров для генерации текста · проверка конвейера обучения малых языковых моделей