lm_weights_small_tts_prepared
Conçu par zuhri025, lm_weights_small_tts_prepared est un modèle chat . lm_weights_small_tts_prepared is an open-weights chat model.
by zuhri025
Idéal pour
- chat et routage à faible latence
- routage et triage des requêtes
- classification de texte
Comment utiliser lm_weights_small_tts_prepared dans osFoundry
Connectez-vous avec votre propre clé (BYOK)
Ouvrez la fenêtre de clés et collez votre clé API zuhri025. osFoundry détecte automatiquement lm_weights_small_tts_prepared — 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
lm_weights_small_tts_prepared 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.
lm_weights_small_tts_prepared face aux modèles similaires
| Modèle | Organisation | Paramètres | Contexte | Prix en entrée | Auto-hébergement |
|---|
| lm_weights_small_tts_prepared | zuhri025 | — | — | Free (local) | Oui |
| test-policy | osquar | — | — | Free (local) | Oui |
| llama_fm_2k | stefra | — | — | Free (local) | Oui |
| phishing-detection12 | Babe-li | — | — | 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 lm_weights_small_tts_prepared
lm_weights_small_tts_prepared est-il gratuit à utiliser ?
lm_weights_small_tts_prepared 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 lm_weights_small_tts_prepared 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 lm_weights_small_tts_prepared localement ?
Oui. lm_weights_small_tts_prepared 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 lm_weights_small_tts_prepared excelle-t-il ?
lm_weights_small_tts_prepared convient particulièrement bien à chat et routage à faible latence, routage et triage des requêtes, classification de texte.
Comment utiliser lm_weights_small_tts_prepared dans osFoundry ?
Collez votre clé API zuhri025 dans la fenêtre de clés (ou déployez les open weights pour les modèles auto-hébergeables), assignez lm_weights_small_tts_prepared 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 zuhri025 le 5 mai 2026. Source : https://huggingface.co/zuhri025/lm_weights_small_tts_prepared