魔搭社区每周速递(10.13-10.19)

简介: 503个模型、189个数据集、82个创新应用、9篇应用文章

image.png

🙋魔搭ModelScope本期社区进展:

📟255个模型:F5-TTS系列FLUX.1-Turbo-Alpha、TeleChat2-115B等;

📁37个数据集:SafeMTData、浮动体结构分析数据集等;

🎨57个创新应用E2-F5-TTS、表格识别多模型集成、AI_Gen_Novel等;

📄8篇文章:

  • 开源模型+Orchestrating Agents多智能体框架,易用、强大且可控
  • TeleAI 开源星辰语义大模型-TeleChat2!
  • 院士力荐!《赢在AI+》路演征集中
  • ModelScope魔搭10月版本发布月报
  • 【深圳见!】AI+硬件新机遇期!快来与通义大模型核心作者、投资人和AI硬件从业者聊一聊
  • 阿里妈妈技术开源FLUX图像修复&蒸馏加速模型
  • 交大x-lance跨媒体语言智能实验室等联合开源F5-TTS!零样本语音复刻,生成流畅,情感丰富!
  • 如何利用 OpenVINO™ 部署 Qwen2 多模态模型

01

精选模型

F5-TTS系列

上海交大x-lance跨媒体语言智能实验室联合剑桥大学、吉利汽车研究院(宁波)公司开源了一种基于流匹配的扩散变换器(Diffusion Transformer,DiT)的完全非自回归TTS模型-F5-TTS。

F5-TTS不需要复杂的模型设计,如持续时间模型、文本编码器和音素对齐等,只需要将输入文本填充为与输入语音相同的长度,并进行去噪以生成语音。F5-TTS还提出了一种在推理时采样的策略,显著提高了模型性能和效率。在公共的多语言100万小时数据集上训练后,F5-TTS生成的语音具有高度自然和表达性的零样本能力、无缝代码切换能力和速度控制效率。

模型链接:

https://modelscope.cn/models/SWivid/F5-TTS_Emilia-ZH-EN

代码示例:

  • 下载repo
git clone https://github.com/SWivid/F5-TTS.git
cd F5-TTS

安装其他依赖:

pip install -r requirements.txt
  • 模型下载

下载vocos-mel-24khz模型:

modelscope download --model=pengzhendong/vocos-mel-24khz --local_dir ../checkpoints/charactr/vocos-mel-24khz

下载模型文件:

modelscope download --model=SWivid/F5-TTS_Emilia-ZH-EN  --local_dir ./ckpts/ F5TTS_Base/model_1200000.bin
modelscope download --model=SWivid/E2-TTS_Emilia-ZH-EN  --local_dir ./ckpts/ E2TTS_Base/model_1200000.bin
  • 模型推理

使用inference-cli推理

python inference-cli.py \
--model "F5-TTS" \
--ref_audio "tests/ref_audio/test_en_1_ref_short.wav" \
--load_vocoder_from_local \
--ref_text "Some call me nature, others call me mother nature." \
--gen_text "I don't really care what you call me. I've been a silent spectator, watching species evolve, empires rise and fall. But always remember, I am mighty and enduring. Respect me and I'll nurture you; ignore me and you shall face the consequences."
python inference-cli.py \
--model "E2-TTS" \
--ref_audio "tests/ref_audio/test_zh_1_ref_short.wav" \
--load_vocoder_from_local \
--ref_text "对,这就是我,万人敬仰的太乙真人。" \
--gen_text "突然,身边一阵笑声。我看着他们,意气风发地挺直了胸膛,甩了甩那稍显肉感的双臂,轻笑道,我身上的肉,是为了掩饰我爆棚的魅力,否则,岂不吓坏了你们呢?"

alimama-creative-FLUX图像修复&蒸馏加速模型

阿里妈妈智能创作与AI应用团队近期开源了两项FLUX 文生图模型的的实用配套模型。研究团队针对这一行业需求进行了相关探索,开源了基于 FLUX(FLUX.1-dev) 的Controlnet 修复模型以及8步加速 Turbo 模型两个配套模型,更进一步,两个模型可互相兼容配合实用,达到更快的修复生图。

模型链接:

  • FLUX修复Controlnet模型:

https://www.modelscope.cn/models/alimama-creative/FLUX.1-dev-Controlnet-Inpainting-Beta

  • FLUX 8步加速Lora模型:

https://www.modelscope.cn/models/alimama-creative/FLUX.1-Turbo-Alpha

示例代码:

diffusers推理示例代码(A100):

import torch
from diffusers.pipelines import FluxPipeline
from modelscope import snapshot_download
model_id = snapshot_download("AI-ModelScope/FLUX.1-dev")
adapter_id = snapshot_download("alimama-creative/FLUX.1-Turbo-Alpha")
pipe = FluxPipeline.from_pretrained(
  model_id,
  torch_dtype=torch.bfloat16
)
pipe.to("cuda")
pipe.load_lora_weights(adapter_id)
pipe.fuse_lora()
prompt = "A DSLR photo of a shiny VW van that has a cityscape painted on it. A smiling sloth stands on grass in front of the van and is wearing a leather jacket, a cowboy hat, a kilt and a bowtie. The sloth is holding a quarterstaff and a big book."
image = pipe(
            prompt=prompt,
            guidance_scale=3.5,
            height=1024,
            width=1024,
            num_inference_steps=8,
            max_sequence_length=512).images[0]

更多玩法教程详见:

阿里妈妈技术开源FLUX图像修复&蒸馏加速模型

02

数据集推荐

SafeMTData

SafeMTData由上海人工智能实验室推出,专注于大型语言模型在多轮交互中的安全对齐,包含1680个安全的多轮对话。该数据集基于断路器训练数据集策划而成,已经过过滤以避免与Harmbench的数据污染。它包含了由ActorAttack创建的有害多轮查询以及拒绝有害查询的拒绝响应。

数据集链接:

https://www.modelscope.cn/datasets/Shanghai_AI_Laboratory/SafeMTData

03

精选应用

E2-F5-TTS

一款基于流匹配的全非自回归文本到语音转换系统,零样本语音复刻,生成流畅,情感丰富。

体验直达:

https://www.modelscope.cn/studios/modelscope/E2-F5-TTS

image.png

表格识别多模型集成

一个由多个模型集成的表格内容识别、提取工具

体验直达:

https://www.modelscope.cn/studios/jockerK/TableRec

image.png

04

社区精选文章

相关文章
|
1天前
|
自然语言处理 语音技术
交大x-lance跨媒体语言智能实验室等联合开源F5-TTS!零样本语音复刻,生成流畅,情感丰富!
上海交大x-lance跨媒体语言智能实验室联合剑桥大学、吉利汽车研究院(宁波)公司开源了一种基于流匹配的扩散变换器(Diffusion Transformer,DiT)的完全非自回归TTS模型-F5-TTS。
|
人工智能 Java 大数据
网站性能测试指标(QPS,TPS,吞吐量,响应时间)详解
QQ用得起来越少了,现在就加入300+技术微信群,下方公众号回复"微信群"即可加入。 常用的网站性能测试指标有:吞吐量、并发数、响应时间、性能计数器等。
4338 0
|
2月前
|
机器学习/深度学习 人机交互 API
【机器学习】Whisper:开源语音转文本(speech-to-text)大模型实战
【机器学习】Whisper:开源语音转文本(speech-to-text)大模型实战
136 0
|
13天前
|
人工智能 数据可视化 计算机视觉
Ultralytics YOLO11来啦!更快!更强!
YOLO(You Only Look Once)是一种流行的物体检测和图像分割模型,由华盛顿大学的 Joseph Redmon 和 Ali Farhadi 开发。
Ultralytics YOLO11来啦!更快!更强!
|
29天前
|
人工智能 自然语言处理 机器人
实战精选 | 5分钟利用 OpenVINO™ 部署 Qwen2.5
本文将以 Qwen2.5-7B-Instruct 为例,介绍如何利用 OpenVINO™ 的 Python API 在本地部署 Qwen2.5 系列模型。
实战精选 | 5分钟利用 OpenVINO™ 部署 Qwen2.5
|
26天前
|
编解码 人工智能 文字识别
阶跃星辰开源GOT-OCR2.0:统一端到端模型,魔搭一站式推理微调最佳实践来啦!
GOT来促进OCR-2.0的到来。该模型具有580百万参数,是一个统一、优雅和端到端的模型,由高压缩编码器和长上下文解码器组成。
阶跃星辰开源GOT-OCR2.0:统一端到端模型,魔搭一站式推理微调最佳实践来啦!
|
1月前
|
人工智能 自然语言处理 文字识别
MinerU-大语言语料处理神器,CPU/GPU均可跑,开源免费“敲”好用
在7月4日举行的WAIC 2024科学前沿主论坛上,书生·浦语2.5正式发布,面向大模型研发与应用的全链条工具体系同时迎来升级。
MinerU-大语言语料处理神器,CPU/GPU均可跑,开源免费“敲”好用
|
5月前
|
编解码 人工智能 语音技术
GPT-SoVits:刚上线两天就获得了1.4k star的开源声音克隆项目!效果炸裂的跨语言音色克隆模型!
GPT-SoVits:刚上线两天就获得了1.4k star的开源声音克隆项目!效果炸裂的跨语言音色克隆模型!
724 3
|
5月前
|
搜索推荐 API 开发者
联合活动 | A100算力加持,理论结合实践!大模型实战营“初夏专场”火热来袭
随着初夏的到来,实战营第二期“初夏专场”热情开启,新增 VLM 专题课程,A100 算力加持,理论与实践并重,带给你纯粹而充实的学习体验。在这里,学习不再枯燥,成长触手可及。让我们一起,在知识的海洋中乘风破浪,探索大模型的无限可能吧!
|
测试技术 Python
在pycharm中文件取消用 pytest模式打开的操作
在pycharm中文件取消用 pytest模式打开的操作
867 0
 在pycharm中文件取消用 pytest模式打开的操作