deepfake_vs_real_image_detection
Le modèle génération d'images deepfake_vs_real_image_detection de dima806 est un . deepfake_vs_real_image_detection is an open-weights image model.
by dima806
Idéal pour
Comment utiliser deepfake_vs_real_image_detection dans osFoundry
Connectez-vous avec votre propre clé (BYOK)
Ouvrez la fenêtre de clés et collez votre clé API dima806. osFoundry détecte automatiquement deepfake_vs_real_image_detection — assignez-le à un rôle Maestro (router, direct, orchestrator ou fallback) dans l'onglet Pipeline et il est actif dans chaque conversation. Votre clé, votre compte fournisseur — sans majoration sur les tokens.
Déployez un endpoint dédié
deepfake_vs_real_image_detection est en open-weights — exécutez-le localement gratuitement, ou déployez un endpoint GPU dédié dans votre espace de travail pour disposer d'une capacité réservée sans limite de débit.
Utilisez-le dans une Room App
Les Room Apps déclarent leurs fonctionnalités IA dans leur manifeste, puis les appellent via invokeAI :
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Appelez-le depuis vos propres applications
Une fois un modèle intégré à votre espace de travail, vous pouvez l'héberger en tant qu'API et l'appeler depuis vos propres services, scripts ou CI — en dehors d'osFoundry.
deepfake_vs_real_image_detection face aux modèles similaires
| Modèle | Organisation | Paramètres | Contexte | Prix en entrée | Auto-hébergement |
|---|
| deepfake_vs_real_image_detection | dima806 | — | — | Free (local) | Oui |
| DeQA-Score-Mix3 | zhiyuanyou | — | — | Free (local) | Oui |
| ColoringBookRedmond-V2 | artificialguybr | — | — | Free (local) | Oui |
| XBrush-Pro2 | lightweight | — | — | Free (local) | Oui |
Licence
Non spécifiée — Conditions de licence non spécifiées — vérifiez la fiche du modèle en amont avant tout usage commercial.
Consultez la documentation en amont.
Questions fréquentes sur deepfake_vs_real_image_detection
deepfake_vs_real_image_detection est-il gratuit à utiliser ?
deepfake_vs_real_image_detection est gratuit à exécuter localement sur votre propre matériel. L'accès hébergé via osFoundry est facturé à l'usage (entrée Free (local), sortie Free (local)). Vous pouvez basculer entre local et hébergé à tout moment.
Puis-je utiliser deepfake_vs_real_image_detection à des fins commerciales ?
L'usage commercial est autorisé sous conditions. Conditions de licence non spécifiées — vérifiez la fiche du modèle en amont avant tout usage commercial. Consultez la documentation en amont.
Puis-je exécuter deepfake_vs_real_image_detection localement ?
Oui. deepfake_vs_real_image_detection est en open-weights et s'exécute localement sur un GPU station de travail. Le runtime local d'osFoundry gère le chargement du modèle, la quantification et le routage.
À quoi deepfake_vs_real_image_detection excelle-t-il ?
deepfake_vs_real_image_detection convient particulièrement bien à image classification.
Comment utiliser deepfake_vs_real_image_detection dans osFoundry ?
Collez votre clé API dima806 dans la fenêtre de clés (ou déployez les open weights pour les modèles auto-hébergeables), assignez deepfake_vs_real_image_detection à un rôle Maestro dans l'onglet Pipeline, puis utilisez-le en chat, dans les Room Apps via invokeAI, ou dans vos propres applications.
Publié par dima806 le 14 octobre 2023. Source : https://huggingface.co/dima806/deepfake_vs_real_image_detection