Найдено: 1821
эмбеддинги диктора прямо на CPU
Два FP32-энкодера голоса на базе NVIDIA NeMo TitaNet-S: один — оригинальная модель с оптимизациями под CPU, второй — дообученный под короткие фразы. Каждый возвращает один вектор размерности 192 на весь клип. Для инференса нужны только NumPy, ONNX Runtime и SoundFile — PyTorch и NeMo не требуются.
LoRA для более чёткого апскейла x2
LoRA k6_sr_v5_x2_crisp от MachineDelusions для дистиллированной 2-step модели Kandinsky 6 VSR. Это rank-32 адаптер, который делает апскейл x2 резче: добавляет более чёткие края и мелкую текстуру, но может сильнее отклоняться от исходного изображения.
локальный детектор AI-текста против ложных обвинений
AISniff — открытая платформа для локального определения AI-текста на базе кастомного файнтюна DistilBERT на 67 млн параметров. Модель является производной от akshayvkt/detect-ai-text и даёт вероятностные результаты, а не скрытый вердикт проприетарного API.
LoRA для оценки ситуационных рисков
Это LoRA-адаптер из работы Beyond Risky Activities: Bridging the Supervision Gap for Situational Risk Reasoning (NeurIPS 2026). Он дообучает vision-language модель Qwen/Qwen2-VL-7B-Instruct выявлять риски безопасности, возникающие из-за взаимодействия активности пользователя и визуального контекста.
модель решений без генерации текста
Модель от MachinePulseAI для классификации и принятия решений: на вход подаются state (страница, документ, диалог — текст или JSON) и типизированные вопросы, а на выходе — вероятности по каждому варианту.
генератор трасс для LED-скалодромов
Boardsesh ClimbGen — набор небольших моделей, которые пишут трассы для стандартизированных LED-тренировочных досок. Это часть экспериментального генератора трасс в мобильном приложении Boardsesh.
Rust-модель с трейтами, дженериками и потоками
Это самая крупная модель в линейке Temper 2 от maylore-ai и первая на Qwen3.5. У неё 4,21 млрд параметров, база — Qwen3.5-4B; модель заточена под прикладные задачи на Rust: трейты, дженерики и потоки. Понимает запросы на русском и английском, включая короткие разговорные.
пение по тексту с нотами и длительностями
OmniSinger — файнтюн чекпоинта OmniVoice на 0,61 млрд параметров, который генерирует пение из текста. Модель получает короткий референсный аудиофрагмент и строку текста с разметкой высоты ноты и длительности для каждого слова, после чего поёт эту строку голосом из референса.
GGUF-квант на 12 ГиБ
Это GGUF-квант модели bottlecapai/ThinkingCap-gemma-4-26B-A4B-it от IsValorum в серии APEX. Архитектура gemma4, задача image-text-to-text; вариант MiniPlus занимает 12.03 GiB. Рядом выпущен NanoPlus на 9.92 GiB.
MTP-драфтеры для RWKV-7 G1l
Экспериментальные MTP-сайдкары для speculative decoding с RWKV-7 G1l 7.2B и 13.3B. Небольшая надстройка читает hidden states замороженной базовой модели и предлагает следующие токены, а база проверяет их за один forward.
файнтюн для Three.js-сцен и low-poly ассетов
GEMMA-3D-CODER — экспериментальная open-weight языковая модель, дообученная под general-purpose coding и генерацию 3D-сцен и игровых ассетов на Three.js и веб-стандартах. По метаданным — 5,12 млрд параметров, база — google/gemma-4-E2B.
контрастивный LoRA для Qwen3.5-9B
LoRA-адаптер от rooty2020 для базовой модели Qwen/Qwen3.5-9B. Обучен с pairsum contrastive objective на датасете ti_5k; vision tower исключён из обучения. В адаптере 86.6M обучаемых параметров при r 32 и alpha 64.
одна правка весов убирает падения
Это неофициальная версия sb3/tqc-Hopper-v3 из RL Baselines3 Zoo для reinforcement-learning. Модель не переобучали: в biases первого слоя внесли поправку, чтобы сеть воспринимала скорость вперёд на 0.1 м/с выше реальной. Архитектура TQC, библиотека stable-baselines3.
свежесть фруктов и овощей по одному фото
ViT-Base (patch 16) на 85.8M параметров, дообученный от google/vit-base-patch16-224. Автор — команда Kafwain, студенческого стартапа из Дохи (Катар), который связывает местных фермеров с ресторанами через единую доставку.
ACT-политика, которая кладёт стрессбол в миску
Политика имитационного обучения на основе ACT (Action Chunking with Transformers): вместо одиночных шагов модель предсказывает короткие чанки действий. Обучена и выгружена через LeRobot, около 0.05 млрд параметров, робот so_follower с одной камерой на гриппере.
MobileNetV3 на 1,55M параметров для 30 фруктов и овощей
Это компактный image classifier на базе timm/mobilenetv3_small_100.lamb_in1k, обученный распознавать 30 видов сырых фруктов и овощей, распространённых на кухнях Катара.
masked diffusion LLM для скейлинга
Это masked diffusion language model (MDLM) от VectaBass на 1,73 млрд параметров (1,6 млрд без эмбеддингов), обученная с нуля на 139,68 млрд токенов. Одна ячейка исследования масштабирования: линейка MDLM от 100M до 1.6B non-embedding参数 с разными бюджетами токенов.
3D-анимация по тексту и ограничениям позы
Kimodo-SOMA-RP-v1.2 — обновлённая модель NVIDIA семейства Kimodo (Kinematic Motion Diffusion). Это диффузионная two-stage Transformer-модель на 282M параметров, которая генерирует 3D-скелетную анимацию тела по текстовому промпту и/или ограничениям движения.
куда двинуть камеру, чтобы найти цель
LIME — модель для робототехники от BoboSun, представленная на CoRL 2026. По одному RGB-изображению и свободной цели вроде «Find my bike» она предсказывает относительную целевую позу камеры и описание того, что должен показать новый вид.
видео и звук за восемь проходов
Это дистиллированный чекпоинт FastH3 от FastVideo на базе MiniMax H3 (35,05 млрд параметров). Он генерирует синхронизированные видео и аудио из текста за восемь forward-проходов трансформера.