Occular-OCR — новый OCR-движок для русского языка от независимого разработчика (и нашего подписчика) @Bodhi_b

Альтернатива Tesseract и RapidOCR с упором на распознавание сложных русскоязычных документов. Вместо тяжёлых VLM используется компактный пайплайн из специализированных нейросетей.
• PDF, сканы, фотографии документов: паспорта, справки, договоры, чеки, банковские выписки
• 14 языков, включая русский, английский и 12 языков с кириллицей
• Автоматическое исправление наклона и поворота страниц, опциональное устранение геометрических искажений
• Распознавание таблиц и восстановление порядка чтения в многоколоночных документах
• Структурированный JSON с координатами строк и оценкой уверенности распознавания
• Архитектура: DBNet + SVTR/CTC + Beam Search с русской 4-граммной языковой моделью
• ONNX Runtime, полностью локальный инференс на CPU или GPU (CUDA)
• Windows, Linux, macOS — установка через pip без компиляции и системных зависимостей CUDA
• Код Apache 2.0, веса бесплатно для частного использования, исследований и небольших организ

https://github.com/Bodhi42/Occular-ocr
https://pypi.org/project/occular-ocr/

#ocr

#TTS #russian

github.com/kost-t-human/ruvoice-tts - RUVoice TTS: #Android-синтезатор на движке Silero, русская озвучка

github.com/kost-t-human/ruvoice-voicekit - дообучение штатных голосов Silero под свой тембр (VoiceKit) #voicecloning

github.com/UnaMentis/pocket-tts-ios - Pocket-TTS под #iOS

apps.apple.com/us/app/tobe-said/id6801981584
apps.apple.com/us/app/tobe-said-pro/id6803422049
Pocket-TTS уже в App Store: бесплатно и Pro (русский заявлен, свою модель загружать вряд ли можно)

github.com/The-unknown-Shadowman/PocketTTS-Android-Engine - Android, загружать свои модели проще

Русские модели

huggingface.co/ArtShtorm/Shtorm_PocketTTS_RU

huggingface.co/ArtShtorm/Shtorm-VoxCPM2-RU

Бенчмарк и #ASR

ncspeech.org/blog/asr-benchmark-oct-2026 - бенчмарк #ASR за октябрь: четыре системы на 15 наборах, 85 часов — русский, казахский, смешанные звонки

github.com/TheStageAI/TheWhisper - TheWhisper: новое дообучение Whisper для ASR

MiniCPM-V 4.7

Новая открытая серия мультимодальных моделей OpenBMB для устройств

Две модели: MiniCPM-V 4.7 35B-A3B и MiniCPM-V 4.7 1B.

• Мультимодальное понимание, STEM-рассуждения, #OCR и длинные видео
• Локальный запуск на #iOS и #Android
• Гибридное сжатие визуальных токенов 4× и 16×
• Self-Replay Fine-Tuning — дешевая донастройка под новые задачи без потери общих качеств

• 35B-A3B: 17+ токенов/с на iPad Pro M4 (16 ГБ), 13+ на iPhone 17 Pro Max, всего 3 ГБ памяти
• LES (Lookahead Expert Scheduling) предзагружает веса экспертов — 5× ускорение на iPad Pro M4 при идентичном выводе
• Даже при 16× сжатии 90.4 на OCRBench — на 5.2 пункта выше Qwen3.6 35B-A3B
• Конкурентные результаты на 34 бенчмарках

github.com/OpenBMB/MiniCPM-V
huggingface.co/collections/openbmb/minicpm-v-47

#multimodal #mobile

MAX

NVIDIA VFX Nodes для ComfyUI

RTX-VFX ноды

• RTX Video Super Resolution: 4× или до заданных размеров вплоть до 8192 px, плюс denoise и deblur без смены разрешения
• RTX Video Frame Generation: новые кадры между соседними, 2×-16× или в конкретный момент
• RTX Video HDR: SDR в BT.2020 HDR, вывод HLG или PQ, настройка контраста, сатурации, среднего серого и пиковой яркости 400-2000 нит
• 19 режимов супер-резолюшна: стандартные, high-bitrate, стриминговые, denoise/deblur, бикубик

Оптимальная цепочка — Super Resolution → Frame Generation → HDR. Смена кадра ловится автоматически. Есть 10-бит

#EXR: half/full-float, сохранение supernat значений, расширенный color management (sRGB, Rec.709, HLG, PQ, LogC3, ACEScct)

github.com/Comfy-Org/ComfyUI_Nvidia_VFX_Nodes

#upscale #sdr2hdr #frameinterpolation #comfyui

MAX