Skip to content
Other

Tell v2

детектор фотомонтажа и фейковых заголовков

2 min readupdated

Компактная мультимодальная модель на 106,9 млн параметров от разработчика maosama0001 для фактчекинга и модерации контента. Она анализирует связку «картинка + заголовок», оценивает вероятность манипуляций и подсвечивает тепловой картой (heatmap) подозрительные области на снимке. В отличие от первой версии, Tell v2 обучалась с синтетическими правками, подменёнными заголовками и отбрасыванием текста (caption dropout), чтобы меньше полагаться на стиль подписи и лучше держать стресс-тесты. Подойдёт исследователям в области image forensics (криминалистики изображений) и как вспомогательный инструмент для первичной проверки постов.

Ключевые особенности

  • Устойчивость к уловкам: по сравнению с прошлой версией макро-F1 на стресс-тесте с синтетическими правками и подменой текста вырос с 0,27 до 0,614.
  • Тепловая карта правок: модель строит карту по абсолютной шкале от 0 до 1, поэтому чистые снимки не «растягиваются» искусственно до подозрительных.
  • Высокая скорость: медианная задержка обработки одного поста на видеокарте T4 (batch 1) составляет всего 17,1 мс.
  • Локальная приватность: в комплекте идёт приложение на Gradio, которое работает только локально (127.0.0.1), не ведёт логов и очищает временные файлы каждые 5 минут.

Что можно сделать

  • Скрининг постов при модерации: ранжировать англоязычные новостные посты по вероятности фотомонтажа (склейки и копирования фрагментов) перед ручной проверкой редактором.
  • Учебные и научные эксперименты: исследовать уязвимости мультимодальных детекторов дезинформации — например, влияние сжатия JPEG или коротких шуточных заголовков на вердикт нейросети.

Пример

В карточке описан сценарий работы через встроенное локальное веб-приложение на Gradio: пользователь загружает изображение (до 15 МБ и 40 мегапикселей) и заголовок поста на английском языке. На выходе модель выдаёт вероятности трёх классов (оригинал, манипуляция, ложная связь с подписью), тепловую карту потенциальных правок и предупреждение, если слишком короткий заголовок может исказить оценку.

Подробнее Метрики Tell v2: macro F1 0,811 (accuracy 0,814) на основном тесте; на стресс-тесте находит 80% склеек (splices), 50% copy-move правок и 48% подменённых заголовков.
Обучение: датасеты Fakeddit (англоязычный Reddit, 2008–2019) и CASIA v2.0; всего 106,9M параметров, из них 31,8M обучаемых.
Ограничения: работает только с английским текстом; не обучена на видео и ИИ-генерации; сжатие JPEG (качество 30) снижает F1 до 0,790, а шуточные заголовки на реальных фото могут вызывать ложные срабатывания.
Discuss Telegram 0 35

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 0.4 GB · ready files0.9 GB
  • FP8 / INT8recommendedweights 0.2 GB0.7 GB
  • 4-bitweights 0.1 GB0.6 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · BF16 — from RTX 2060

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # maosama0001/tell-v2
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download maosama0001/tell-v2 --local-dir ~/models/tell-v2
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to tell-v2
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of tell-v2 (quants, finetunes, LoRAs) will show up under the bell.

No known relatives of this model yet. All derivatives on Hugging Face

About the model

maosama0001/tell-v2
Author
maosama0001
Category
Other
Released
Posted

On NeyroLearn

Hugging Face

350

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments

Other

DEM-SR

DEM-SR