LongLive 2.0 (NVIDIA Research)

Новая версия генератора длинных видео в реальном времени на NVFP4. Ускоряет обучение и повышает скорость инференса на GPU Blackwell

• генерациявидео до 4 минут
• можно менятьсценарий прямо во время генерации
• распределение нагрузкина несколько GPU
• плавные переходы между промтами (через KV‑recache)

• ускорение обучения в 2,15 раза
• 45,7 FPS на Blackwell с квантизацией W4A4

https://github.com/NVlabs/LongLive

#longvideo #t2v #optimization #realtime

Starchild‑1 (Odyssey)

Мультимодальная модель мира генератор интерактивных сцен в реальном времени. Развитие Odyssey 2

• генерирует видео и звук синхронно
• редактирует и стримит видео в реалтайме
• реагирует на действия пользователя
• принимает голосовые команды
• строит длинные непрерывные сцены

• 20 FPS
• нет публичного демо
• есть техрепорт и видео с пометкой «симуляция в реальном времени»

#text2world #world #av #interactive #realtime

Papers with Code возобновил работу

Hugging Face перезапустил ресурс - теперь с новыми функциями для отслеживания трендов в AI. Акцент на World Models, Agents, Robotics.

Что появилось/вернулось:
• вкладки с бенчмарками
• данные по метрикам
• интеграция статей через Hugging Face Papers

Для чего: следить за прогрессом в ключевых направлениях ИИ, сравнивать модели по метрикам и бенчмаркам.

#news

mm-ctx

Инструмент для работы агентов с мультимодальными данными - изображениями, видео, аудио, PDF

• читает изображения, видео, аудио, PDF - переводит в формат, понятный LLM
• ищет и перечисляет файлы (mm find)
• считает токены для LLM-контекста (mm wc)
• делает запросы к метаданным (mm sql)
• подписывает изображения, находит объекты (mm cat <img>)
• суммирует ключевые кадры видео (mm cat <video>)
• извлекает текст из PDF (mm cat <pdf>)
• транскрибирует аудио (mm cat <audio>)

• ядро на Rust
• оболочка на Python
• индексирует файлы автоматически при первом использовании
• время работы метаданных-команд ~60 мс на 700 файлов

Установка:

pip install mm-ctx
Или через uv:

uv pip install mm-ctx

Можно подключить как навык для других инструментов:

npx skills add vlm-run/skills@mm-cli-skill

Демо

#vlm #skill #agent

Google I/O 2026: главные новинки (сегодня без картинок)

Gemini 3.5 Flash
Облегчённая языковая модель Gemini. Работает в 4 раза быстрее Gemini 3.1 Pro.

• выполняет многоступенчатые задачи
• помогает с планированием
• пишет отчёты и код.
Ключевые детали: модель по умолчанию в Gemini и AI Mode в поиске Google.

Gemini Omni
Мультимодальная модель для работы с видео.

• генерирует видео из текста, изображений, аудио
• редактирует видео диалоговым способом
• создаёт кинематографичные ролики.

Omni Flash уже в Gemini, Google Flow и YouTube Shorts.

Gemini Spark
Персональный ИИ‑агент.

• работает в фоне с Workspace и другими сервисами
• ищет данные в локальных файлах
• составляет отчёты, списки дел.

на базе Gemini 3.5 Flash, в Google Cloud.

Редизайн Gemini
Новый интерфейс Neural Expressive.
Добавили:
• анимации и новую типографику
• расширенное форматирование ответов (графика, таймлайны, видео)
• встроенный Gemini Live (текст + голос без потери контекста)

Обновления поиска Google

• динамичная строка поиска — адаптируется под запрос
• работа с текстом, изображениями, видео, файлами, вкладками Chrome
• генеративный интерфейс — мини‑приложения для наглядных ответов
• проверка изображений через SynthID (показывает, создан ли контент с помощью ИИ).

Stable Audio 3

У Stability AI видимо все хорошо раз можно месяцами не подавать признаков жизни

Релизнули Stable Audio 3 — семейство диффузионных моделей для генерации и редактирования аудио.

• генерация нескольких минут музыки и звуков за несколько секунд
• редактирование аудио
• поддержка inpainting и LoRA

переменная длина аудио, ультрабыстрый вывод за счёт адверсарной постобработки

В комплекте прилагается SAME (Semantic‑Acoustic Music Autoencoder) — музыкальный автоэнкодер

• сжимает аудио с коэффициентом 4096×
• сохраняет качество стереореконструкции

Уже есть поддержка в ComfyUI

huggingface.co/spaces/owenisas/stable-audio-3-lab

huggingface.co/collections/stabilityai/stable-audio-3-extra

stableaudio.com

#musicediting #sfx #comfyui