Transformers ajoute quatre modèles

LLéna

Transformers ajoute la prise en charge de 4 modèles dans sa version 5.21, publiée lundi par Hugging Face, selon GitHub. MiniCPM-OCR est spécialisé dans la lecture d’images contenant beaucoup de texte. Il appartient à la famille MiniCPM-V. Il vise notamment les pages numérisées, les captures d’écran, les reçus et les tableaux. C’est donc un ajout destiné aux usages où le texte se trouve dans une image plutôt que dans un document directement exploitable comme texte. La mise à jour intègre aussi Flint, un modèle de langage à mélange d’experts développé par Recursive. Il compte 256 experts. Dans chaque couche clairsemée, 6 experts sont sélectionnés pour traiter chaque jeton, avec aussi un expert partagé. Cette architecture intéressera surtout les personnes qui travaillent avec ce type de modèle et veulent l’intégrer à leurs projets. Autre ajout, UltraVBert associe l’encodeur de texte UltraBERT à l’encodeur visuel SigLIP. Il est conçu pour comprendre des documents visuels et y effectuer des recherches. Chaque page peut être découpée en tuiles de 512 pixels, avec une limite de 27 tuiles par défaut. Cela concerne donc les projets qui doivent retrouver du contenu dans des pages mêlant texte et éléments visuels. Enfin, Transformers prend en charge Phonon TTS, une famille de modèles de synthèse vocale de Gradium conçue pour fonctionner sur appareil. Le système produit des représentations audio décodées en son à 24 kilohertz. Les voix reposent sur des représentations pré-calculées : elles ne peuvent pas être clonées à partir d’un enregistrement. Cette condition compte pour les projets qui souhaitent personnaliser une voix à partir d’un échantillon sonore.