HyperFrames

Фреймворк рендеринга видео от Heygen на базе веб‑технологий. Дает агентам доступ к созданию видео через создание HTML‑композиций, что для агента вполне по силам

• даёт предпросмотр в браузере с горячей перезагрузкой
• рендерит видео локально (без облака)
• работает с Three.js, Lottie, D3.js, GSAP и др.

Локальный рендеринг через headless‑браузер + FFmpeg. Формат вывода: MP4, MOV, WebM. CLI‑интерфейс

Три команды CLI для создания видео:

init — инициализирует проект
preview — запускает предпросмотр в браузере
render — рендерит композицию в видеофайл

Гитхаб

#agent #t2v #html2video

Meta‑CoT

Редактирование изображений через двухуровневую декомпозицию запросов на базе Bagel

• раскладывает запрос пользователя на трио (task, target, understanding)
• сопоставляет трио с одной или несколькими из 5 мета‑задач (изменение внешнего вида/структуры, добавление/удаление объекта, композиция сцены)
• выполняет редактирование на основе сформированного плана

Гитхаб
HF ~59ГБ

#imageediting

RvR: Refinement via Regeneration

Фреймворк от Tencent для улучшения изображений в мультимодальных моделях - заменяет редактирование регенерацией.

• избавляет от необходимости точных инструкций для правки
• снимает жёсткие ограничения на сохранение пикселей в неизменных зонах
• расширяет пространство возможных изменений (modification space)
• повышает точность и полноту доработки изображений

По задумке авторов даёт больше свободы при доработке изображений - получаются качественнее и без ошибок из‑за неверных инструкций/ Так ли это? скачайте 30ГБ и проверьте, ведь нет ни галереи, ни демо

Гитхаб
HF

#imageediting

Chandra OCR 2 (4B)

Открытая OCR‑модель для распознавания текста и структуры документов

• сохраняет макет документа (колонки, панели, заголовки)
• обрабатывает сложные таблицы с объединёнными ячейками
• распознаёт формы (чекбоксы, радиокнопки, поля с метками)
• работает с рукописным текстом и подписями
• извлекает изображения и подписи к ним
• поддерживает математические формулы
• выводит данные в Markdown, HTML, JSON

85,9 % точности на бенчмарке olmOCR, 77,8 % в многоязычном тесте (43 языка), поддержка 90+ языков

Офсайт
Гитхаб
HF
Квантизации
Плейграунд
Демо

#gguf #ocr

Mistral Medium 3.5 128B и Remorte Agents

Мультимодальная модель и агент от Mistral AI с поддержкой текста и изображений, годится для кодинга, мультишаговых исследований, анализа данных с визуалом

• обрабатывает текст и изображения
• переключается между быстрым ответом и углублёнными рассуждениями
• пишет и анализирует код
• вызывает функции, выводит в JSON
• работает с десятками языков

Контекст 256 К токенов

HF
Mistral Vibe
Чат

#agent #coding #assistant