This media is not supported in your browser
VIEW IN TELEGRAM
OmniHuman 2.0
Оживлятор фото персонажа по аудио - с синхронизацией губ, мимикой, жестами и движением тела. Подходит для виртуальных ведущих, интервью, подкастов, образовательных роликов и рекламы.
Что нового во 2.0
• Длительность: до 300 секунд непрерывной генерации вместо 60, без склейки фрагментов
• Аудио: речь, диалоги и музыка. Синхронизация губ, мимика и жесты учитывают интонации, эмоции и смысл
• Управление: действия персонажа и движение камеры задаются текстовым промптом
• Цена: с $0.12 до $0.07 за секунду, то есть -41.7%
• 5-минутный ролик — около $21
• Понимание смысла речи было уже в версии 1.5
Главные изменения — пятикратный рост максимальной длительности и снижение цены. Диалоги и музыка на входе поддерживаются наравне с речью
byteplus.com/en/product/OmniHuman
#lipsync #speech2video #characteranimation #portraitanimation #avatar
MAX
Оживлятор фото персонажа по аудио - с синхронизацией губ, мимикой, жестами и движением тела. Подходит для виртуальных ведущих, интервью, подкастов, образовательных роликов и рекламы.
Что нового во 2.0
• Длительность: до 300 секунд непрерывной генерации вместо 60, без склейки фрагментов
• Аудио: речь, диалоги и музыка. Синхронизация губ, мимика и жесты учитывают интонации, эмоции и смысл
• Управление: действия персонажа и движение камеры задаются текстовым промптом
• Цена: с $0.12 до $0.07 за секунду, то есть -41.7%
• 5-минутный ролик — около $21
• Понимание смысла речи было уже в версии 1.5
Главные изменения — пятикратный рост максимальной длительности и снижение цены. Диалоги и музыка на входе поддерживаются наравне с речью
byteplus.com/en/product/OmniHuman
#lipsync #speech2video #characteranimation #portraitanimation #avatar
MAX
🔥1
Hy Memory 2.0 от Tencent
Hunyuan выпустили три вещи одним релизом: модель Hy-Memory-30B-A3B, Python-фреймворк hy-memory и приложение MemHub. Это движок долгой памяти для ИИ-агентов
Три типа памяти
• Chat: иерархия L0-L7 от сырых диалогов до фактов, схем и проспективных намерений
• Working: два слоя — факты о сессии плюс переиспользуемые подходы к задачам
• Coding: то же двухслойное плюс цепочка версий кода (diff chain)
• lite — только эмбеддинги, без вызовов LLM
• pro — извлечение фактов и согласование конфликтов
• ultra — полная когнитивная архитектура с индукцией схем
MemHub
Локальное приложение с CLI для Mac. Сводит историю диалогов и код-трейсы из Claude Code, Cursor, Codex, OpenCode, Qwen Code и других в одно хранилище
github.com/Tencent-Hunyuan/Hy-Memory
huggingface.co/tencent/Hy-Memory-30B-A3B
#memory
MAX
Hunyuan выпустили три вещи одним релизом: модель Hy-Memory-30B-A3B, Python-фреймворк hy-memory и приложение MemHub. Это движок долгой памяти для ИИ-агентов
Три типа памяти
• Chat: иерархия L0-L7 от сырых диалогов до фактов, схем и проспективных намерений
• Working: два слоя — факты о сессии плюс переиспользуемые подходы к задачам
• Coding: то же двухслойное плюс цепочка версий кода (diff chain)
• lite — только эмбеддинги, без вызовов LLM
• pro — извлечение фактов и согласование конфликтов
• ultra — полная когнитивная архитектура с индукцией схем
MemHub
Локальное приложение с CLI для Mac. Сводит историю диалогов и код-трейсы из Claude Code, Cursor, Codex, OpenCode, Qwen Code и других в одно хранилище
github.com/Tencent-Hunyuan/Hy-Memory
huggingface.co/tencent/Hy-Memory-30B-A3B
#memory
MAX
🔥7❤4🤔2
MLP-Splatting
Метод представления 3D-сцен через нейронные примитивы. ECCV 2026. Каждый примитив — независимый компактный MLP (Multilayer Perceptron) с локальной поддержкой, взвешенный анизотропной гауссианой. Сцена сама разбирается на объекты и части.
Супервизия только по RGB дает примитивы, которые сами ложатся на объекты и их части. Рендер через разреженный объемный композитинг по пересечениям луча с примитивами
• Фотореалистичный синтез новых видов
• Разложение сцены на объекты без сегментации — по нескольким примитивам
• Интерактивное редактирование: выбор объекта, SE(3)-сдвиг, смена цвета
• Открытие словаря: языковая сегментация и удаление объектов
• Опциональная дистилляция семантических признаков
• Качество на уровне Feature-3DGS и выше
• В 6 раз меньше памяти, рендер вдвое быстрее
• Нужны сотни примитивов вместо миллионов гауссиан
github.com/kxhit/mlp-splatting
#mlp #scenereconstruction #rendering
Метод представления 3D-сцен через нейронные примитивы. ECCV 2026. Каждый примитив — независимый компактный MLP (Multilayer Perceptron) с локальной поддержкой, взвешенный анизотропной гауссианой. Сцена сама разбирается на объекты и части.
Супервизия только по RGB дает примитивы, которые сами ложатся на объекты и их части. Рендер через разреженный объемный композитинг по пересечениям луча с примитивами
• Фотореалистичный синтез новых видов
• Разложение сцены на объекты без сегментации — по нескольким примитивам
• Интерактивное редактирование: выбор объекта, SE(3)-сдвиг, смена цвета
• Открытие словаря: языковая сегментация и удаление объектов
• Опциональная дистилляция семантических признаков
• Качество на уровне Feature-3DGS и выше
• В 6 раз меньше памяти, рендер вдвое быстрее
• Нужны сотни примитивов вместо миллионов гауссиан
github.com/kxhit/mlp-splatting
#mlp #scenereconstruction #rendering
🔥8🤝1
MOSS-Image
Генератор картинок
Главная фишка — нативное управление композицией через JSON-промпт, где задаются объекты, текст и их позиции.
• Генерация по обычному текстовому описанию
• Layout-контроль: объекты, надписи и их рамки в структурированном #JSON
• Рендер текста внутри изображения, включая китайский и надписи от руки
• Промпты до 4K токенов
• Аниме и фотореализм в одном флаконе
• Правка сцены через изменение описаний и боксов
• 5B параметров — компактный бэкбон под генерацию и финтюн
• Веса Apache-2.0
• Настройки: 50 шагов, CFG 3, flow-matching Euler, shift 5, пропуск негативной ветки на слое 22
Есть Prompt Enhancer
Говорят, умеет в nsfw
github.com/OpenMOSS/MOSS-Image
huggingface.co/OpenMOSS-Team/MOSS-Image-SFT
huggingface.co/lodestones/MOSS-Image-SFT-8-steps-dmd
huggingface.co/nif0/MOSS-Image-SFT-ComfyUI
Comfyui
Спасибо @m_franz
#t2i #json2i
Генератор картинок
Главная фишка — нативное управление композицией через JSON-промпт, где задаются объекты, текст и их позиции.
• Генерация по обычному текстовому описанию
• Layout-контроль: объекты, надписи и их рамки в структурированном #JSON
• Рендер текста внутри изображения, включая китайский и надписи от руки
• Промпты до 4K токенов
• Аниме и фотореализм в одном флаконе
• Правка сцены через изменение описаний и боксов
• 5B параметров — компактный бэкбон под генерацию и финтюн
• Веса Apache-2.0
• Настройки: 50 шагов, CFG 3, flow-matching Euler, shift 5, пропуск негативной ветки на слое 22
Есть Prompt Enhancer
Говорят, умеет в nsfw
github.com/OpenMOSS/MOSS-Image
huggingface.co/OpenMOSS-Team/MOSS-Image-SFT
huggingface.co/lodestones/MOSS-Image-SFT-8-steps-dmd
huggingface.co/nif0/MOSS-Image-SFT-ComfyUI
Comfyui
Спасибо @m_franz
#t2i #json2i
👍9❤6🔥3
MAI-Base-2
Microsoft анонсировала собственную базовую модель. Мустафа Сулейман на внутренней встрече заявил, что она сильнее модели, на которой построена GPT-5.6, и что на обучение ушла четверть вычислений OpenAI.
• 2,8 трлн параметров, схема MoE — на запрос работают только нужные блоки, 80 млрд активных
• Обучение 38 дней на 16 000 ускорителях Nvidia GB200
• Только на собственных данных Microsoft, без обучения на ответах чужих моделей
• В блоге сравнивают с открытыми DeepSeek-V4-Pro-Base, Kimi K3 и Qwen — заявлено превосходство и рост эффективности обучения в 4-12 раз против DeepSeek
• Сравнивали базовые модели после предобучения, а не готовые чат-модели
• MAI-Base-2 ещё проходит второй этап обучения, так что с ChatGPT сравнивать рано
• Независимых проверок результатов нет
#flagship #news
MAX
Microsoft анонсировала собственную базовую модель. Мустафа Сулейман на внутренней встрече заявил, что она сильнее модели, на которой построена GPT-5.6, и что на обучение ушла четверть вычислений OpenAI.
• 2,8 трлн параметров, схема MoE — на запрос работают только нужные блоки, 80 млрд активных
• Обучение 38 дней на 16 000 ускорителях Nvidia GB200
• Только на собственных данных Microsoft, без обучения на ответах чужих моделей
• В блоге сравнивают с открытыми DeepSeek-V4-Pro-Base, Kimi K3 и Qwen — заявлено превосходство и рост эффективности обучения в 4-12 раз против DeepSeek
• Сравнивали базовые модели после предобучения, а не готовые чат-модели
• MAI-Base-2 ещё проходит второй этап обучения, так что с ChatGPT сравнивать рано
• Независимых проверок результатов нет
#flagship #news
MAX
🥴6👍4❤2🍾2
MJev-Spatial
Мультимодальная decision-модель для пространственных вопросов. Превращает вопрос в выбор из конечного набора кандидатов и отвечает классификацией — без генерации токенов ответа.
• База — Qwen3.5-4B, переиспользуются ее же Q/K-проекции для оценки кандидатов
• Лучший средний результат на 7 из 12 бенчмарков
• В 5.6 раза быстрее базовой модели
github.com/Fr0zenCrane/MJev-Spatial
———
Jev 1.14 от TypeSafe - с мультимодальностью
• Картинки: мультимодальность включается заголовком TypeSafe-Danger-Zone-Images: true
• Новый тип box: возвращает один bounding box
• Длинный контекст: TypeSafe-Danger-Zone-Long-Context: true.
На мультимодальности все модели, включая Jev, работают хуже, чем на чистом тексте
#rlcd #decision #vlm
MAX
Мультимодальная decision-модель для пространственных вопросов. Превращает вопрос в выбор из конечного набора кандидатов и отвечает классификацией — без генерации токенов ответа.
• База — Qwen3.5-4B, переиспользуются ее же Q/K-проекции для оценки кандидатов
• Лучший средний результат на 7 из 12 бенчмарков
• В 5.6 раза быстрее базовой модели
github.com/Fr0zenCrane/MJev-Spatial
———
Jev 1.14 от TypeSafe - с мультимодальностью
• Картинки: мультимодальность включается заголовком TypeSafe-Danger-Zone-Images: true
• Новый тип box: возвращает один bounding box
• Длинный контекст: TypeSafe-Danger-Zone-Long-Context: true.
На мультимодальности все модели, включая Jev, работают хуже, чем на чистом тексте
#rlcd #decision #vlm
MAX
👍5
This media is not supported in your browser
VIEW IN TELEGRAM
UniForge3D
Метод, который одновременно реконструирует и генерирует 3D-объект из разреженных снимков без поз камеры. Наблюдаемую геометрию сохраняет, невидимые области достраивает по выученным приорам.
• Реконструкция работает в системе координат камеры, генерация — в каноническом пространстве, из-за этого прямое взаимодействие геометрии ломается
• Если учитывать все виды сразу без оценки их полезности, к геометрии подмешивается лишнее и страдают мелкие детали
• #SOTA по внешнему виду и геометрии на Toys4K и GSO
• Работает по разреженным снимкам без известных поз
huggingface.co/xibushu/UniForge3D
github.com/xibushu/UniForge3D
#scenereconstruction #imageto3d
MAX
Метод, который одновременно реконструирует и генерирует 3D-объект из разреженных снимков без поз камеры. Наблюдаемую геометрию сохраняет, невидимые области достраивает по выученным приорам.
• Реконструкция работает в системе координат камеры, генерация — в каноническом пространстве, из-за этого прямое взаимодействие геометрии ломается
• Если учитывать все виды сразу без оценки их полезности, к геометрии подмешивается лишнее и страдают мелкие детали
• #SOTA по внешнему виду и геометрии на Toys4K и GSO
• Работает по разреженным снимкам без известных поз
huggingface.co/xibushu/UniForge3D
github.com/xibushu/UniForge3D
#scenereconstruction #imageto3d
MAX
🔥9❤2👍2
FreeLLMAPI
Роутер, который складывает бесплатные тарифы десятков провайдеров в один OpenAI-совместимый эндпоинт /v1. Идея простая: по отдельности каждый фри-тир мелочь, вместе — около 7.4 млрд токенов в месяц.
• 34 провайдера и 635 бесплатных эндпоинтов, 474 семейства моделей
• Умный роутинг: на каждый запрос выбирается доступная модель
• Автоматический фейловер при лимитах, учёт расхода по каждому ключу
• Ключи хранятся в зашифрованном виде
• Поддержка не только чата, но и эмбеддингов, картинок и аудио
• Подключается к любым OpenAI-совместимым клиентам и кодинг-агентам
• Установка: десктоп для #macOS и #Windows #Docker, мобильные приложения
• Каталог моделей обновляется по подписанному фиду без git pull
• Сам роутер бесплатный, новые модели подтягивает ч5ерез 30 дней. Впрочем за $19 в год можно и сразу
Не рекомендовано для продакшена
github.com/tashfeenahmed/freellmapi
#router
MAX
Роутер, который складывает бесплатные тарифы десятков провайдеров в один OpenAI-совместимый эндпоинт /v1. Идея простая: по отдельности каждый фри-тир мелочь, вместе — около 7.4 млрд токенов в месяц.
• 34 провайдера и 635 бесплатных эндпоинтов, 474 семейства моделей
• Умный роутинг: на каждый запрос выбирается доступная модель
• Автоматический фейловер при лимитах, учёт расхода по каждому ключу
• Ключи хранятся в зашифрованном виде
• Поддержка не только чата, но и эмбеддингов, картинок и аудио
• Подключается к любым OpenAI-совместимым клиентам и кодинг-агентам
• Установка: десктоп для #macOS и #Windows #Docker, мобильные приложения
• Каталог моделей обновляется по подписанному фиду без git pull
• Сам роутер бесплатный, новые модели подтягивает ч5ерез 30 дней. Впрочем за $19 в год можно и сразу
Не рекомендовано для продакшена
github.com/tashfeenahmed/freellmapi
#router
MAX
105🔥11❤2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Mago Local
Полная студия Mago как десктопное приложение. Если вы не идете к Маго, то Маго идет к вам и подсасывается к вашему комфи
• Генерация: из идеи или сценария до готового фильма
• Transform: свой материал перестилизуется покадрово или целиком
• Редактор с шотами, слоями и AI-рендерами на одном таймлайне
• Проекты, эпизоды, шоты и рендеры в одном месте
• Считает, сколько сэкономлено на локальном рендере против облака
Локальный стек
• LLM — Qwen3.8-27B
• Анализ картинок и видео — Qwen3-VL
• Персонажи и фоны — Qwen 2511 image/edit или Flux 2 dev
• Видео — MiniMax H3 ref2va в вариантах на 4 и 8 шагов
• Windows, NVIDIA от 16 ГБ VRAM, 60 ГБ на диске
• Работает с любым сервером #ComfyUI, включая RunPod и Vast.ai
• Если ComfyUI нет, Mago ставит его сам
• Облачные модели в приложении остаются
Код обещают открыть
#desktop #directing
MAX
Полная студия Mago как десктопное приложение. Если вы не идете к Маго, то Маго идет к вам и подсасывается к вашему комфи
• Генерация: из идеи или сценария до готового фильма
• Transform: свой материал перестилизуется покадрово или целиком
• Редактор с шотами, слоями и AI-рендерами на одном таймлайне
• Проекты, эпизоды, шоты и рендеры в одном месте
• Считает, сколько сэкономлено на локальном рендере против облака
Локальный стек
• LLM — Qwen3.8-27B
• Анализ картинок и видео — Qwen3-VL
• Персонажи и фоны — Qwen 2511 image/edit или Flux 2 dev
• Видео — MiniMax H3 ref2va в вариантах на 4 и 8 шагов
• Windows, NVIDIA от 16 ГБ VRAM, 60 ГБ на диске
• Работает с любым сервером #ComfyUI, включая RunPod и Vast.ai
• Если ComfyUI нет, Mago ставит его сам
• Облачные модели в приложении остаются
Код обещают открыть
#desktop #directing
MAX
🔥4👍1😁1
👍8
Media is too big
VIEW IN TELEGRAM
MeshAxiom
Открытый 3D-стек от AlayaLab, рассчитанный на агентов. Базовая модель MeshAxiom-Base делает компактный явный меш из одного изображения с заданным бюджетом граней.
• Генерация явного меша по картинке с контролем числа граней
• Меши читаются инструментами: вершины и треугольники остаются в файле
• Агент вызывает геометрические тулы и получает компактные сводки и виды
• Модули переиспользуются: записи ассетов связывают геометрию и материалы с трансформами, ригами и движением
• Из модулей собираются сцены и сценарные программы
• Опциональный рестайл через H3 поверх готовой сцены
huggingface.co/AlayaLab/MeshAxiom-Base
github.com/AlayaLab/MeshAxiom
#agent #3d
MAX
Открытый 3D-стек от AlayaLab, рассчитанный на агентов. Базовая модель MeshAxiom-Base делает компактный явный меш из одного изображения с заданным бюджетом граней.
• Генерация явного меша по картинке с контролем числа граней
• Меши читаются инструментами: вершины и треугольники остаются в файле
• Агент вызывает геометрические тулы и получает компактные сводки и виды
• Модули переиспользуются: записи ассетов связывают геометрию и материалы с трансформами, ригами и движением
• Из модулей собираются сцены и сценарные программы
• Опциональный рестайл через H3 поверх готовой сцены
huggingface.co/AlayaLab/MeshAxiom-Base
github.com/AlayaLab/MeshAxiom
#agent #3d
MAX
👍4❤1