X‑Voice

Говорилка на базе F5‑TTS с кросс‑язычным клонированием голоса.

• клонирует голос по короткому аудио‑примеру
• переносит голос на другой язык (cross‑lingual)
• работает без транскрипта референс‑аудио

Ключевые метрики/детали:
• 30 языков
• 0,4 B параметров
• обучена на 420 k часов речи
• использует IPA для унификации произношения
• код — MIT, модели — CC‑BY‑NC (некоммерческое использование)

github.com/sunnyxrxrx/X-Voice

Спасибо @m_franz

#TTS #voicecloning

LocateAnything

3B vision‑language модель от NVIDIA Research для поиска объектов, текста и элементов интерфейса на изображениях по текстовому запросу.

• находит объекты, текст и элементы интерфейса на картинке
• локализует области через Parallel Box Decoding
• выдаёт координаты рамки целиком (не собирает токен за токеном)


• 3 B параметров
• прирост скорости до 2,5×
• обучена на 12 млн изображений
• 138 млн запросов и 785 млн bounding boxes
• лицензия — некоммерческая (для исследований и разработки)

huggingface.co/nvidia/LocateAnything-3B

Спасибо @Endorpheen

#detection vlm

Opus 4.8

Обновлённая модель Claude от Anthropic с улучшенными рассуждениями и работой с инструментами.

• точнее рассуждает
• эффективнее работает с инструментами (tool calling)
• в 4 раза реже пропускает баги в коде без комментариев
• запускает сотни параллельных субагентов в одной сессии (Dynamic Workflows в Claude Code)
• обрабатывает миграции на сотни тысяч строк кода
• даёт выбор глубины размышлений (Effort Control на claude.ai)
• работает в Fast mode — в 3 раза дешевле

Ключевые метрики/детали:
• 84 % на Online‑Mind2Web (лучшая browser‑agent модель)
• рекорд на Legal Agent Benchmark
• обходит GPT‑5.5 на Super‑Agent
• стоимость: 5 / 25 за 1 M токенов (input/output)

Бонус: способ потестить опус 4.8 бесплатно

#assistant #api

Bodycount Detector

В полку полезных и точных сервисов прибыло

Инструмент от Ditto анализирует лицо пользователя и оценивает его «body count» (количество половых партнёров). Сервис работает локально на устройстве

Как работает

Bodycount Detector использует технологию компьютерного зрения для анализа лица. В течение пяти секунд система:
* определяет 478 точек на лице;
* фиксирует 52 микровыражения;
* оценивает «body count», используя медианы опросов Pew и CDC NSFG с учётом возраста и данных лицевого анализа. 

Мне выделили всего 3 партнёра. Зато и выгляжу всего на 33.

#tools

Не верьте тиктокерам что якобы в японском Синкансене абсолютно отсутствует тряска так что и вода не колышется если поставить на полочку. Все прекрасно колышется. Трясет не меньше чем в Сапсане. Но виды тут прекрасные

#оффтоп

Колесо оборзения в Осаке, высота что-то около 100 метров