Spark-TTSは、大規模言語モデル（LLM）に基づく高効率のテキスト音声変換システムで、英語と中国語のバイリンガル合成とゼロショット音声クローニングをサポートしています。

音声処理Safetensors多言語

Spark-TTS-0.5B は prince-canuma/Spark-TTS-0.5B を基にした量子化バージョンで、英語と中国語のテキスト読み上げタスクをサポートします。

音声処理Gguf多言語

これはMLXフォーマットに基づくテキスト音声変換モデルで、英語と中国語をサポートし、prince-canuma/Spark-TTS-0.5Bから変換されました。

音声処理Safetensors多言語

Spark-TTS-0.5B-4-6bit はMLXフォーマットに基づくテキスト音声合成モデルで、英語と中国語をサポートしています。

音声処理Safetensors多言語

Spark-TTS-0.5B-fp16 はMLXフォーマットのテキスト読み上げモデルで、英語と中国語をサポートしています。

音声処理Safetensors多言語

Spark-TTSは大規模言語モデルを基盤とした先進的なテキスト音声変換システムで、高精度で自然な音声合成を実現します。

音声処理Safetensors多言語

安定拡散XLをベースにしたアニメスタイルのテキストから画像を生成するモデルで、可愛く優れたアニメの女の子イメージの生成に特化しています。

マルチモーダルDiffusers英語

Spark-TTSは、大規模言語モデル（LLM）の強力な能力を活用し、高精度で自然な音声合成を実現する先進的なテキスト読み上げシステムです。

音声処理Safetensors

SPARK.ChromaはChroma1-HDモデルをベースに微調整されたテキストから画像への生成モデルで、リアルな画像の生成に特化しています。このモデルは89億のパラメータを持ち、Apache 2.0ライセンス契約を採用しており、現在はプレビュー版です。

コンピュータビジョンDiffusers英語

これはHubに公開されたtransformersモデルです。具体的な機能と詳細情報は後日追加予定です。

自然言語処理Transformers

これは自動生成されたtransformersモデルカードで、具体的な情報は後で補充されます。

自然言語処理Transformers

Spark-TTSは、大規模言語モデル（LLM）の強力な能力を活用して、高精度で自然な音声合成を実現する先進的なテキスト読み上げシステムです。

音声処理Safetensors

Rain's SQLCoderは、自然言語からSparkSQLへの変換に特化した先進的な大規模言語モデルで、Qwen2.5-Coder-32B-Instructを微調整したものであり、320億のパラメータを有しています。

自然言語処理Transformers

これは、画像テキストからテキスト処理に特化したマルチモーダル偽造表現学習モデルで、拡散生成されたビデオコンテンツを検出するために使用され、マルチモーダル特徴学習によって深度偽造コンテンツを識別します。

マルチモーダルTransformers

SPARK-mini-instruct は SPARK-mini-base を基に命令調整を行ったバージョンで、38億のパラメータを持ち、原子力分野の特定タスク向けに訓練された言語モデルです。

自然言語処理Transformers英語

BookSumデータセットでファインチューニングされたLongT5-XLモデルで、長文要約に特化しており、SparkNotesのような要約を生成できます。

自然言語処理Transformers

STS-BデータセットでファインチューニングされたRoBERTa-largeモデルに基づくテキスト類似度計算モデル

自然言語処理Jax

PEGASUSアーキテクチャに基づく大型の要約生成モデルで、booksumデータセットで微調整され、理解しやすいSparkNotesスタイルの要約生成に長けています。

自然言語処理Transformers英語