FreeFuse: Multi-Subject LoRA Fusion via Adaptive Token-Level Routing at Test Time

Метод автоматического объединения нескольких персонажных (объектных) лор для генерации изображения с несколькими персонажами (объектами)

ComfyUI:
Для установки в комфи клонируем репо и линкуем freefuse_comfyui в папку custom_nodes (на Windows можно папку просто скопировать)

git clone https://github.com/yaoliliu/FreeFuse.git
ln -s /path/to/FreeFuse/freefuse_comfyui <your ComfyUI path>/custom_nodes

Гитхаб
воркфлоу - есть #zimage #flux и #SDXL

#comfyui #workflow #text2image #lora

Вместе с GLM-5 и Z code оказывается выпустили еще пару сервисов.

https://audio.z.ai/ - клонирование голоса и генерация речи.

Знает английский и китайский. Для клонирования достаточно 3- 10 секунд

На многое не рассчитывайте - максимум 200 символов на озвучку

Я попробовал голос русского Винни-Пуха. Голос воспроизводит но из-за того что он русский, он никаких языков не знает.

А вот кульминационная речь Джулса из Криминального чтива голосом Рика Эстли (образец был поющий). И потом та же речь каким-то стандартным голосом
——————

https://image.z.ai/ - вероятно под капотом январский GLM-Image

Попробовал сделать своего Человекорыба. Не справился с первой попытки. Впрочем, как и Seedream 5

Но картинка вполне. 2К, между прочим

Короче, идем тестить
——————

https://ocr.z.ai/

Распознавалка документов

Закинул рандомную картинку - все распознал правильно. Русский понимает. Принимает картинки и PDF
——————

В общем, Z.ai живет в закладках наравне с Qwen

#OCR #VLM #text2image #voicecloning #tts #text2speech