Andere Modelle (Image, Audio etc.)

Andere Modelle: Audio, OCR und Bilder

Auf dieser Seite stehen die nicht-LLM-Modelle in einer kompakten Form. Auch hier gilt: Im Wiki zeigen wir keine Basis-URLs oder internen Service-Hosts, sondern nur den Modell-Parameter, das Zielmodell, den Host-Typ und die relevanten Limits.

Speech-to-Text

Wir

hostenaktuelldasModellparameter Zielmodell myLab THL | GWDG API Hinweise whisper-3-large whisper-3-large THL audio/transcriptions, audio/translations Direktname whisper-1 whisper-3-large THL audio/transcriptions, audio/translations Alias auf unser Whisper-3-largeBackend Modell von openAI.

Text-to-Speech

Wir

hostenaktuelldasModellparameter xTTS-Zielmodell myLab THL | GWDG API Hinweise xtts-v2 Modell.xtts-v2

Das

THL xTTSaudio/speech ModellDirektname; kenntunterstützt die Stimmen alloy, echo, fable, onyx, nova, shimmer tts-1-hd xtts-v2 THL audio/speech Alias für openAI default fishaudio-s2-pro fishaudio-s2-pro THL audio/speech Alternative TTS-Variante, derzeit allenur beidefault openAIvoice verfügbaren Stimmen:

alloy echo fable onyx nova shimmer

Wobei es sich um ähnlich klingende, nachgeahmte Stimmen handelt.

OCR

Wir

hostendasNanonetsModellparameter OCR2Zielmodell 3BmyLab THL | GWDG API Hinweise ocr-extract chandra-ocr-2 THL chat/completions Nutzerfreundlicher OCR-Alias chandra-ocr-2 chandra-ocr-2 THL chat/completions 32.768 Kontext

Bildmodelle

Modellparameter Zielmodell myLab THL | GWDG API-Familien Hinweise image-gen-hd flux.2-dev THL images/generations, images/edits, images/variations, images/data health_timeout=180; request_timeout=900 für OCR-Anwendungen.Generierung,

Imagesonst Generation300

- Flux. image-gen-fast flux.2-klein THL images/generations, images/edits, images/data health_timeout=180; request_timeout=300 flux.1-dev

Wir

flux.2-dev hostenTHL aktuell das Flux.1 Modell in der dev Variante. Zusätzlich kann mittels LoRa ein Flux.1-schnell genutzt werden. Dafür einen weitern Parameterimages/generations, lora_settingsimages/edits mitgeben:

{
    "prompt": "A cat wearing a superhero costume, edge detected style", "lora_settings": [
        {
            "name": "flux-schnell"images/variations, "weight": 1.0
        }
    ]
}

Das Model kann mit den Endpunkten

v1/images/generations v1/images/edits v1/images/variations v1/images/data

angesprochen werden.

Das Flux.1-dev Modell kennt derzeit folgende Konfigurationen

Alias für den Dev-Workflow qualityflux.1-kontext flux.2-dev THL images/generations, images/edits, images/data Kontext-/Edit-Alias flux.2-dev flux.2-dev THL images/generations, images/edits, images/variations, images/data Direktname flux.2-klein flux.2-klein THL images/generations, images/edits, images/data Direktname dall-e-3 flux.2-dev THL images/generations, images/edits, images/data Alias für die THL-Bildpipeline gpt-image-1 flux.2-dev THL images/generations, images/edits, images/data Alias für die THL-Bildpipeline

Qualitätseinstellungen für image-gen-hd Parameter:und flux.1-dev

Quality Parameter	Guidance Scale	Num Inference Steps
standard	3.5	25
standard+	5.5	25
standard++	7.0	25
bfl	3.5	50
hd	5.5	50
xhd	7.0	50

Image Editing - Flux.1-Kontext-dev

Das Model kann mit den Endpunkten

v1/images/edits v1/images/variations v1/images/data

angesprochen werden.

Das Flux.1-dev Modell kennt derzeit folgende Konfigurationen

Qualitätseinstellungen für denimage-gen-fast und qualityflux.1-kontext Parameter:

Quality Parameter	Guidance Scale	Num Inference Steps
schnell-hd	5.5	6
schnell-standard	3.5	3
standard	2.5	25
standard+	4.5	25
standard++	7.0	25
bfl	3.5	50
hd	5.5	50
xhd	7.0	50

Hinweise

Nicht-LLM-Modelle gelten weiterhin als experimenteller als die Chat-Modelle; bitte Verfügbarkeit vor produktiver Nutzung prüfen.