标签
Mage-VL 是一种高效的编解码原生流式多模态基础模型，通过自定义分词器将视觉标记消耗减少超过75%，在静态和视频任务上与现有模型持平或更优的同时，实现高达3.5倍的推理加速。
misa77 是一种基于 LZ 的新型编解码器，其解压吞吐量比 LZ4 快达 2 倍，同时还能提供更好的压缩比。它适用于一次写入多次读取的工作负载，并且内存占用恒定。
BABEL 编解码器实现了对 GPT-2 small 内部状态的首次完整解码，重构了其 94.7% 的行为，并支持用英语读写模型，同时提供开源资源和演示。
libwce 是一个简洁且无专利问题的 Rust 库，实现了用于小波编码器的比特平面计数（BPC）熵层，提供一个无状态、无依赖的熵编码模块。
# 论文页面 - 分层编解码扩散模型用于视频到语音生成 来源：[https://huggingface.co/papers/2604.15923](https://huggingface.co/papers/2604.15923) ## 摘要 HiCoDiT 利用离散语音 token 的分层结构，从视频中生成语音，通过粗到细的双尺度归一化条件，实现更优的音视对齐。视频到语音（VTS）任务旨在无声视频中合成语音，而无需任何音频信号。