- Добавлена функция Al Transcription с поддержкой аудио, видео и прямой записи с использованием нескольких локальных моделей распознавания речи.
- Добавлена функция Al Dubbing с синхронизированными скриптами, локальным или внешним переводом с помощью Al, возможностью выбора голоса и экспорта аудио/видео.
- Добавлен прямой импорт SRT-файлов и возможность использования переведенных SRT-файлов для дубляжа.
- Voice Clone теперь может транскрибировать эталонный аудиофайл с помощью Apple Speech или загруженных моделей транскрипции.
- Voice Changer теперь принимает видео на вход и экспортирует видео с преобразованной голосовой дорожкой.
- Добавлены последовательные имена файлов для пакетного экспорта, постоянный текст на всех страницах и элементы управления для быстрой паузы.
- Повышена надежность, производительность, совместимость с медиафайлами и улучшен пользовательский интерфейс.

💡 Модель справляется со сканами, PDF, таблицами и диаграммами без OCR. Поддерживает английский, французский, немецкий, итальянский, испанский, португальский, китайский и другие языки. Показывает результаты лучше 8B-моделей при вдвое меньшем размере — работает в режиме zero-shot даже на новых языках и форматах.

Основные преимущества:
🎯 Сверхкомпактный 128D-индекс: собственные 128-мерные мультивекторные представления значительно сокращают объем хранилища и время индексации без ущерба для точности поиска.
🏆 Лучшее время на тестах ViDoRe: превосходит более крупные модели на 8 миллиардов параметров на тестах ViDoRe V3 (лидирует в 7 из 8 общедоступных доменов) и обеспечивает самую высокую среднюю точность на тестах ViDoRe V1+V2 (85,93 nDCG@5).
🌐 Надежная многоязычная и мультиформатная система: эффективное обобщение без предварительного обучения на различных языках (английский, французский, немецкий, итальянский, испанский, португальский, зулу и т. д.) и визуальных форматах (диаграммы, таблицы, научные отчеты, финансовые документы).
⚡️ Полная совместимость с ColPali: полная интеграция со стандартной colpali-engine экосистемой и конвейерами оценки с поздним взаимодействием.

MTPLX — это нативное приложение для Mac и командная строка для запуска локальных языковых моделей с многотокенным предсказанием. Современные модели, такие как Qwen 3.5/3.6/3.8, поставляются со встроенными MTP-модулями. Почти ни одна среда выполнения их не использует.
MTPLX делает следующее: модель генерирует несколько токенов на опережение, проверяет каждый сгенерированный блок за один пакетный прямой проход и фиксирует токены с помощью точной выборки с отклонением и остаточной коррекцией. Та же модель, то же распределение выходных данных, но в 1,6 раза быстрее на Mac mini с M4 и 16 ГБ оперативной памяти и в 2,24 раза быстрее на M5 Max.
Нет второй модели, которая бы занимала вашу оперативную память, и нет жадного обходного пути, который незаметно меняет то, что модель выдала бы при реальных настройках выборки.

Что умеет:
🟡Клонирование голоса — хватает трёхсекундного образца; 5–15 секунд дают результат лучше;
🟡Дизайн голоса — собрать голос с нуля, задав возраст, акцент, высоту, манеру и подачу;
🟡Дубляж видео — распознаёт речь, переводит, разделяет спикеров, синтезирует и отдаёт готовое видео;
🟡Аудиокниги и истории — импорт EPUB и PDF, разные голоса на роли, рендер по главам, экспорт в .m4b;
🟡Диктовка в любом окне — системный хоткей, живая расшифровка;
🟡 Разделение голоса и фона — вытаскивает речь из музыки и шума;
🟡 Сотни готовых голосов — галерея архетипов с акцентами, если возиться с клонированием не хочется;
🟡Пакетная очередь — ставишь десятки видео и текстов в работу и уходишь.