Qwen/Qwen-Drive-1.0-4B
Image-Text-to-Text • 5B • Updated • 4.28k • 202
Evan
evdcush
AI & ML interests
None yet
Recent Activity
posted an update 5 days ago
𝐌𝐢𝐧𝐢𝐌𝐚𝐱 𝐌𝐮𝐬𝐢𝐜 𝟑 𝐬𝐚𝐦𝐩𝐥𝐞𝐬
# ミニマックスミュージック３ サンプル
サンプルの歌は：
- https://youtu.be/krF3NGRmwGY
- https://youtu.be/LoYAkJRcuqU
もっと歌はYTに聞けます。
この音楽は
https://huggingface.co/MiniMaxAI/MiniMax-Music3
のモデルで作ってしました。
歌詞は日本語。
キャプションは英語。
（英語の方がうまく行けました）
ヴォーカルの質はとてもいいと思う。
ミニマックスミュージック３の
一つの注意するところは：
このモデルが中華風の音楽にオーバーフィットされてあるかもしれません。
（二胡が勝手に入っちゃうがちがあります）
Stack:
- interface: https://github.com/evdcush/minimax-music3-jukebox
- caption writer: https://github.com/evdcush/minimax-music3-skill-erhu-purge
試してみて〜 liked a model 6 days ago
Qwen/Qwen-Drive-1.0-4B posted an update 12 days ago
Sample output from https://huggingface.co/ACE-Step/acestep-v15-xl-sft
I had issues with the upstream ACE-Step1.5 pipeline, and seeing there were other reports of issues with the python pipeline, but not the Comfy implementation, I used the Comfy `audio_ace_step1_5_xl_sft` workflow.
Inference params:
```
"TextEncodeAceStepAudio1.5": {
"bpm": 96,
"duration": 260,
"timesignature": "4",
"language": "ja",
"keyscale": "F# minor",
"cfg_scale": 2,
"temperature": 0.85,
"top_p": 1,
"top_k": 0,
"min_p": 0
}
"KSampler": {
"steps": 50,
"cfg": 1,
"denoise": 1
}
```
Both "lyrics" and "tags" were defined, but the the vocals in the output were not properly generated (perhaps due to the low sampler cfg).
https://youtu.be/lFiOUvSCv3wOrganizations
liked a
model 6 days ago
liked 2
models 18 days ago
liked 2
models 23 days ago
liked 2
models about 1 month ago
liked 4
models about 2 months ago
liked a
Space 2 months ago
liked 8
models 3 months ago
VAST-AI/TripoSplat
Updated • 120
google/magenta-realtime-2
Text-to-Audio • Updated • 7.87k • 246
nvidia/Cosmos3-Nano
16B • Updated • 175k • 354
nvidia/nemotron-3.5-asr-streaming-0.6b
Automatic Speech Recognition • 0.6B • Updated • 683k • • 1.11k
nvidia/llama-nemotron-embed-vl-1b-v2-fp8
Sentence Similarity • 2B • Updated • 254 • 14
nvidia/llama-nv-embed-reasoning-3b
Feature Extraction • 3B • Updated • 2.24k • 22
nvidia/Qwen3.6-35B-A3B-NVFP4
Text Generation • 19B • Updated • 9.03M • 616
google/gemma-4-12B-it
Any-to-Any • 12B • Updated • 2.96M • 1.56k