「MiniMax-H3-Image-Character-Swap」画像編集モデル:必要VRAM 4GB〜
akhaliq/MiniMax-H3-Image-Character-Swapのスペック、必要VRAM、導入方法、ComfyUIやdiffusersでの使い方を解説します。
「TTS-V5」中国語音声合成モデル:必要VRAM 4GB〜・配布ファイル一覧
autotrust/TTS-V5はFun-CosyVoice3をベースにコールセンター向けの中国語音声合成に特化させたオープンウェイトモデルです。モデルのスペックや推論の手順を解説します。
「TTS-V4」中国語音声合成モデル:必要VRAM 8GB〜・配布ファイル一覧
コールセンター業務向けに電話録音データで適応学習を行った中国語音声合成モデルautotrust/TTS-V4の仕様、ベンチマーク、利用方法を解説します。
「TTS-V3」電話対話特化の音声合成モデル:必要VRAM 8GB〜・配布ファイル一覧
autotrust/TTS-V3のスペック、ベースモデル、音声合成とクロニングの性能評価、環境構築と推論コマンドを解説します。
「MiniMax-H3-Image」16メガピクセル出力の画像生成モデル:必要VRAM 4GB〜・ComfyUIの配置先
ComfyUI向けに最適化された画像生成・編集モデル「Comfy-Org/MiniMax-H3-Image」の仕様や必要ファイルを解説します。
「WeVisOne-VL」視覚言語モデル:必要VRAM 8GB〜
ComfyUI向けに最適化された視覚言語モデル「Comfy-Org/WeVisOne-VL」のスペック、モデル構成、導入時の配置先フォルダ構造を解説します。
llama-modchip v2.4.0公開:64GB RAMで284B DeepSeek-V4-FlashのCPU推…
llama-modchip v2.4.0が公開。GPUなしの64GB RAM環境で284BのDeepSeek-V4-Flashを推論可能にするCPU向け最適化や専用バイナリの仕様を解説。
「Qwen3.8-27B-DSpine-b16」投機的デコーディング用ドラフトモデル:必要VRAM 8GB〜
Tencentが公開したQwen3.8-27B向けの投機的デコーディング用ドラフトモデル「tencent/Qwen3.8-27B-DSpine-b16」のスペックや推論の高速化効果、SGLangでの実行手順を解説します。
Pyramid-JiT 2B画像生成モデル公開:VAEなしで動作するオープンウェイトDiT
Linum AIが約21,000ドルの低予算で開発した2Bパラメータの画像生成モデル「Pyramid-JiT」の概要とコミュニティの反応をお届けします。
「Qwen3-30B-A3B-MoE-SAE」解釈可能性分析用スパースオートエンコーダー:必要VRAM 80GB〜
ByteDanceが公開したQwen3-30B-A3B用スパースオートエンコーダー(SAE)の仕様、再構成精度、内部表現の解析手法について解説します。