VibeVoice nur zur Hälfte als Open Source veröffentlicht: Die fehlende Hälfte ist die Lektion
Microsofts VibeVoice bietet starke Spracherkennung, doch der berühmte Text-to-Speech-Code wurde nach Missbrauch entfernt.
Blog
Entdecken Sie Tipps, Tutorials und Einblicke zur generativen KI
NVIDIAs Kumo Tabular wurde mit Daten trainiert, die es nie gab
Kumo Tabular sagt jede Tabelle sofort voraus und lernte nur aus synthetischen Tabellen, die aus Kausalmodellen gesampelt wurden.
Der Draft-Modus von Seedance 2.5 macht Meinungsänderungen günstig
ByteDances Draft-Modus generiert zuerst ein 480p-Sample und erst bei Festlegung ein 1080p-Finale – und zielt damit auf die wahren Kosten von KI-Video.
EmbeddingGemma 2 bringt Foto-, Audio- und Videosuche auf das Smartphone
Googles 740-Millionen-Parameter-Embedding-Modell bildet Text, Bilder, Audio und Video in einem Raum ab, der klein genug für ein Smartphone ist.
FreeVideo bringt MiniMax H3-Videogenerierung auf Apple Silicon
Das Open-Source-Projekt FreeVideo von FlashML hat eine Mac-Vorschau veröffentlicht, die H3 lokal ausführt und so die sekundengenaue API-Abrechnung aus der Iteration entfernt.
Warum Katzenberg und der Ex-Sora-Leiter Videomodelle für Filmemacher bauen
Jeffrey Katzenberg, Bill Peebles und Sujay Jaswa bauen ein Unternehmen auf, um Videomodelle für Filmcrews zu trainieren, nicht für Social Feeds.
GitHubs Trending-Seite ist jetzt ein Katalog der Agenten-Infrastruktur
Die Trend-Repos dieser Woche sind Gedächtnisschichten, Agententeams, Skill-Marktplätze und Sicherheitsscanner, keine Apps.
Naive AI und die 1,4-Milliarden-Dollar-Wette auf Post-Training
Das Startup eines Tsinghua-Professors hat Berichten zufolge eine Bewertung von 1,4 Milliarden US-Dollar erreicht, weil es darauf wettet, dass die Fortschritte nach dem Pre-Training kommen – nicht währenddessen.
Mistral Large 4: Europa setzt eine Billion Parameter auf Open Weights
Mistrals neues Flaggschiff packt 1,05 Billionen Parameter, aktiviert etwa 49 Milliarden und liefert seine Gewichte am 27. Oktober aus.
Wer wirklich nutzt: Chinesische Modelle holen mehr als die Hälfte der Bild- und Videogenerierung außerhalb Chinas
In den Nutzungsdaten aus 31,6 Millionen Interaktionen sichern sich chinesische Modelle mehr als die Hälfte der Bild- und Videogenerierung außerhalb Chinas, während Text weiterhin bei US-Anbietern bleibt.
Zeichne es, und es erscheint: Scribble-to-Object-Bearbeitung wird erwachsen
Eine kleine Forschungs-LoRA lässt Sie über einen Bereich kritzeln und das Objekt umbenennen. Es ist ein klares Zeichen dafür, dass sich die Arbeit in der Bild-KI von der Generierung zur Bearbeitung verlagert hat.
Die Realität neu drehen: Seedance 2.5 und die Kamera, die es nicht gibt
Seedance 2.5 kann vorhandenes Material aus einem neuen Kamerawinkel neu drehen. Das verändert Abdeckung, Kontinuität und was Material beweisen kann.