VibeVoice-ASR-BitNet
Сжатая версия распознавалки речи VibeVoice-ASR для рилтайма на CPU, не требует GPU
качество ниже чем у VibeVoice-ASR-7B, зато легкий
• работает на x86 (AVX2) и ARM (NEON)
• поддерживает несколько языков
• размер: 1.58 ГБ (сжато с 4.62 ГБ)
• ускорение: в 1.6–2.3 раза быстрее Whisper.cpp
Гитхаб
HF
Демо
#asr #realtime #mobile
Сжатая версия распознавалки речи VibeVoice-ASR для рилтайма на CPU, не требует GPU
качество ниже чем у VibeVoice-ASR-7B, зато легкий
• работает на x86 (AVX2) и ARM (NEON)
• поддерживает несколько языков
• размер: 1.58 ГБ (сжато с 4.62 ГБ)
• ускорение: в 1.6–2.3 раза быстрее Whisper.cpp
Гитхаб
HF
Демо
#asr #realtime #mobile
❤8👍6
Sol-Attn
Ускорение инференса видеогенерации до 2.1х без обучения от NVIDIA
Прикручено к практически всем актуальным видеогенераторам
На примерах вверху Dense attention, внизу Sol attention
Гитхаб
#t2v #optimization
Ускорение инференса видеогенерации до 2.1х без обучения от NVIDIA
Прикручено к практически всем актуальным видеогенераторам
На примерах вверху Dense attention, внизу Sol attention
Гитхаб
#t2v #optimization
👍11❤1👎1
Qwen3.8-Max
Мультимодальная #MoE-модель для сложных задач
• работа с изображениями
• фронтенд-разработка
• решение текстовых задач
• автономная разработка проектов
• 2.4 трлн параметров
• активация 95 млрд при генерации
• $2 за млн входных токенов
• $6 за млн выходных токенов
2-е место в Arena по изображениям, 4-е во фронтенде. На следующей неделе откроют веса Qwen-Max и Qwen3.8-27B
#multimodal #coding
Мультимодальная #MoE-модель для сложных задач
• работа с изображениями
• фронтенд-разработка
• решение текстовых задач
• автономная разработка проектов
• 2.4 трлн параметров
• активация 95 млрд при генерации
• $2 за млн входных токенов
• $6 за млн выходных токенов
2-е место в Arena по изображениям, 4-е во фронтенде. На следующей неделе откроют веса Qwen-Max и Qwen3.8-27B
#multimodal #coding
🔥15👍3
This media is not supported in your browser
VIEW IN TELEGRAM
MiniMax H3 релизнули
Day‑0 поддержка в ComfyUI
Воркфлоу там же.
В нашем чате весь день выкладывают генерации
HF
#t2v #i2v #r2v #comfyui
Day‑0 поддержка в ComfyUI
Воркфлоу там же.
В нашем чате весь день выкладывают генерации
HF
#t2v #i2v #r2v #comfyui
❤17👍1
This media is not supported in your browser
VIEW IN TELEGRAM
PrunaVAED
Альтернативный VAE-декодер для LTX-2.3
• в 1.7 раза быстрее LTX-2.3 VAED
• на ~50% ниже пиковое потребление VRAM
• близкое к оригиналу качество изображения
• совместим с diffusers/LTX-2.3-Diffusers
• есть бенчмарки для разных разрешений (720p, 1080p)
• протестировано на NVIDIA H100 80GB
• ограничения: оценен на 4-секундных клипах при 24 fps, не является полной T2V-моделью, не совместим с произвольными VAE-латентными данными
Comfyui поддержка
Спасибо @m_franz @BrianMItro
#VAE #optimization
Альтернативный VAE-декодер для LTX-2.3
• в 1.7 раза быстрее LTX-2.3 VAED
• на ~50% ниже пиковое потребление VRAM
• близкое к оригиналу качество изображения
• совместим с diffusers/LTX-2.3-Diffusers
• есть бенчмарки для разных разрешений (720p, 1080p)
• протестировано на NVIDIA H100 80GB
• ограничения: оценен на 4-секундных клипах при 24 fps, не является полной T2V-моделью, не совместим с произвольными VAE-латентными данными
Comfyui поддержка
Спасибо @m_franz @BrianMItro
#VAE #optimization
👍12
Qwythos-27B-v1
27B версия модели от Empero на базе Qwen3.5-27B, дообученная под агентские сценарии и работу с инструментами.
Архитектура не урезана, все ключевые компоненты (MTP, vision) остались без изменений
• нативная MTP-головка - ускорение генерации через self-speculative decoding
• встроенная поддержка function calling, сразу выдаёт <tool_call> без доп. обёрток
• заточка под CLI-агентов и многошаговые вызовы инструментов
• полная мультимодальность, сохранена исходная vision-архитектура
• контекст 1M токенов
• лицензия Apache-2.0
Квантизации
#multimodal #coding #agent #reasoning #toolcall #gguf
27B версия модели от Empero на базе Qwen3.5-27B, дообученная под агентские сценарии и работу с инструментами.
Архитектура не урезана, все ключевые компоненты (MTP, vision) остались без изменений
• нативная MTP-головка - ускорение генерации через self-speculative decoding
• встроенная поддержка function calling, сразу выдаёт <tool_call> без доп. обёрток
• заточка под CLI-агентов и многошаговые вызовы инструментов
• полная мультимодальность, сохранена исходная vision-архитектура
• контекст 1M токенов
• лицензия Apache-2.0
Квантизации
#multimodal #coding #agent #reasoning #toolcall #gguf
👍11❤1
pdf-inspector
Быстрый PDF-парсер на Rust от Firecrawl, конвертирует PDF в Markdown
Оптимизирован под подготовку данных. Делает акцент на логике документа, а не только на скорости
• сохраняет структуру документа
• корректно парсит заголовки
• извлеаект таблицы
• прямая интеграция в RAG и пайплайны
• ~0.002 сек на страницу
• 2.8 сек на 200 PDF
#pdf #pdf2markdown #ocr
Быстрый PDF-парсер на Rust от Firecrawl, конвертирует PDF в Markdown
Оптимизирован под подготовку данных. Делает акцент на логике документа, а не только на скорости
• сохраняет структуру документа
• корректно парсит заголовки
• извлеаект таблицы
• прямая интеграция в RAG и пайплайны
• ~0.002 сек на страницу
• 2.8 сек на 200 PDF
#pdf #pdf2markdown #ocr
👍17❤1🤔1
This media is not supported in your browser
VIEW IN TELEGRAM
Новый бенчмарк от Андрея Карпаты
Он дал Opus 5 первый абзац Властелина колец, бюджет в 1 млн токенов и попросил создать трёхмерную визуализацию на three.js
За два часа Опус написал 5500 строк кода, который процедурно отрендерил сюжет
Автор видит потенциал в создании уникальных миров для игроков, например, чтобы участвовать в сюжете Властелина колец в качестве NPC или одного из персонажей. Однако он отмечает слабость LLM: модели не могут эффективно проверять свою работу, так как не умеют воспринимать видео или играть в игры. Опусу пришлось для самопроверки медленно делать скриншоты в разных точках, из-за чего возникали ошибки
#news
Он дал Opus 5 первый абзац Властелина колец, бюджет в 1 млн токенов и попросил создать трёхмерную визуализацию на three.js
За два часа Опус написал 5500 строк кода, который процедурно отрендерил сюжет
Автор видит потенциал в создании уникальных миров для игроков, например, чтобы участвовать в сюжете Властелина колец в качестве NPC или одного из персонажей. Однако он отмечает слабость LLM: модели не могут эффективно проверять свою работу, так как не умеют воспринимать видео или играть в игры. Опусу пришлось для самопроверки медленно делать скриншоты в разных точках, из-за чего возникали ошибки
#news
👍7😁5🤷♂1
SANA-Video 2.0
NVIDIA переработали архитектуру видеогенератора, гибрид линейного и softmax-внимания. Сразу скажу что весов нет. На гитхабе свежие обновки старой Саны, а по новой молчок.
• генерация видео до 720p на одном GPU
• высокая выразительность при линейном масштабировании
• ускорение через Sol-Engine
• совместимость с потребительскими GPU
• версии 5B и 14B
• 480p за 13.2 с (H100, 40 шагов)
• VBench 84.30
• до 120x быстрее Wan 2.2-A14B
Гитхаб
#t2v #i2v
NVIDIA переработали архитектуру видеогенератора, гибрид линейного и softmax-внимания. Сразу скажу что весов нет. На гитхабе свежие обновки старой Саны, а по новой молчок.
• генерация видео до 720p на одном GPU
• высокая выразительность при линейном масштабировании
• ускорение через Sol-Engine
• совместимость с потребительскими GPU
• версии 5B и 14B
• 480p за 13.2 с (H100, 40 шагов)
• VBench 84.30
• до 120x быстрее Wan 2.2-A14B
Гитхаб
#t2v #i2v
😭4👍3👎2❤1🤔1🥴1
#работыподписчиков
Юра Покровский из Open production принес кейс ИИ-ролика про Чижика в 3D стилистике.
Слово Юре Покровскому:
Как фиксили потерю качества и размытие на продуктах♥️
Ролик мы выстроили как динамичное путешествие в фирменном мире «Чижика». Главным режиссерским приемом стал вихрь. Он маскировал склейки и держал зрителя в постоянном напряжении, не давая ритму провисать.
В ролике нужно было показать три фирменных продукта «Чижика». Клиент хотел, чтобы упаковки кружились в этом вихре и пролетали крупным планом прямо перед камерой.
Главной проблемой стал текст на упаковках. Нейросети часто «замыливают» надписи в динамике, превращая буквы в кашу.
кадр 1 - до
кадр 2 - после
Кадр 3 - восстановленный стилшот
Ловите лайфхак❗️ мы сделали несколько скриншотов из первой анимации в Seedance в рамках одного кадра и восстановили качество каждого кадра через Nano Banana. Затем отдельно вырезали фрагмент с текстом и совместили его с исходником, где продукт и текст были в хорошем качестве. После этого скомпозили всё в Photoshop в основной восстановленный кадр.
Далее скормили Seedance серию таких восстановленных кадров, а также исходную анимацию с «поплывшим» текстом. Нейросеть использовала восстановленные кадры как референсы и повторила анимацию уже с более качественным, читаемым текстом.
Юра Покровский из Open production принес кейс ИИ-ролика про Чижика в 3D стилистике.
Слово Юре Покровскому:
Как фиксили потерю качества и размытие на продуктах
Ролик мы выстроили как динамичное путешествие в фирменном мире «Чижика». Главным режиссерским приемом стал вихрь. Он маскировал склейки и держал зрителя в постоянном напряжении, не давая ритму провисать.
В ролике нужно было показать три фирменных продукта «Чижика». Клиент хотел, чтобы упаковки кружились в этом вихре и пролетали крупным планом прямо перед камерой.
Главной проблемой стал текст на упаковках. Нейросети часто «замыливают» надписи в динамике, превращая буквы в кашу.
кадр 1 - до
кадр 2 - после
Кадр 3 - восстановленный стилшот
Ловите лайфхак
Далее скормили Seedance серию таких восстановленных кадров, а также исходную анимацию с «поплывшим» текстом. Нейросеть использовала восстановленные кадры как референсы и повторила анимацию уже с более качественным, читаемым текстом.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8❤2