「TTS-V1」中国語音声の音声合成モデル:配布ファイル一覧
autotrust/TTS-V1は、中国語のテキストから4種類の音声プリセットを切り替えてモノラルWAV形式の音声を生成できるオープンウェイトの音声合成モデルです。
ggml v1.0.0リリース:API整理と各バックエンドの最適化まとめ
機械学習向けC++テンソルライブラリ「ggml v1.0.0」がリリース。API整理、RPCプロトコル更新、CUDA/Metal/Vulkan等における最適化内容を解説。
「SingVL_S1_4B_GGUF」4Bのマルチモーダル意思決定モデル:必要VRAM 4GB〜
inclusionAIが公開した4Bパラメータのマルチモーダル意思決定モデル「inclusionAI/SingVL_S1_4B_GGUF」のスペックや推論手順、APIサーバーの起動方法を解説します。
Qwen-Image-2.1用オブジェクト除去LoRA:PrunaAI製アダプターとComfyUIワークフロー
Qwen-Image-2.1モデルを対象としたオブジェクト除去用LoRAアダプター「PrunaAI/P-Q-Image-2.1-Remove-Object」の仕様、ComfyUI向けワークフロー、影や反射の除去性能について解説します。 ...
Diffusers 0.43.0公開:MiniMax-H3-ImageやPAN 2など5モデル追加
huggingface/diffusers 0.43.0がリリース。MiniMax-H3-Image、Pika H3 Flex、P-H3-Image、Kandinsky S2V、PAN 2の5モデルが追加され、依存関係の要件や破壊的変 ...
「Qwen3.5-4B-GGUF」画像と動画の入力に対応したマルチモーダル言語モデル:必要VRAM 4GB〜
アリババのマルチモーダル対応4Bモデル「Qwen3.5-4B」のGGUF量子化版が公開。画像・動画入力や長文テキスト解析に対応し、ローカル環境で取り回しやすいモデルとして利用可能です。
Yogurt: ローカル完結型オープンソース会議文字起こし・要約アプリ
Yogurtは、whisper.cppとllama.cppを使い、会議の文字起こしや要約をすべて手元で処理する無料のオープンソースデスクトップアプリです。クラウドにデータを送らずプライバシーを完全に保護します。
Unsloth v0.1.917-beta公開:Qwen3.8-27B GGUF対応とUI高速化
Unsloth v0.1.917-betaがリリース。Qwen3.8-27BのGGUF対応に加え、FLUX画像生成のVRAM削減、T4 GPUでの学習高速化、コーディングエージェント機能の強化など、ローカル実行環境の利便性が大幅に向上 ...
「ZoomGain-9B-GGUF」画像とテキストの対話に対応する視覚言語モデル:必要VRAM 8GB〜
inclusionAIが公開した「ZoomGain-9B-GGUF」のスペックや入手方法、llama.cppでの実行コマンドを解説します。
「ZoomGain-4B」微細視覚認識特化型の視覚言語モデル:必要VRAM 4GB〜・GGUF版あり
inclusionAIが公開した「ZoomGain-4B」は、全体とズームの認識ギャップに着目した微細視覚認識特化型の視覚言語モデルです。特徴や入手方法、評価環境の構築手順を解説します。