Wan Streamer

Потоковая интерактивная дуплексная аудио-видео модель, ИИ-аватар, отвечающий в рилтайме. Закрывает разрыв между речью и анимацией аватара - всё в одном потоке. В базе в качестве LLM Qwen 2.5 / Qwen 3 - непонятно какая конкретно

• субсекундная задержка, 25 fps, 192p
• full-duplex режим
• синхронные мимика, взгляд, жесты, дыхание
• единая модель вместо раздельных VAD/ASR/TTS

Кода-весов нет

#avatar #intereactive

UnityShots

Превращает диффузионную модель (LTX-2.3 22B) в инструмент для многокадровых видеоисторий. Генерирует связную последовательность кадров как единый mp4.

• сохраняет идентичность персонажа между кадрами
• держит постоянство сцены, света, реквизита
• синхронно генерирует аудио и липсинк
• управляет типами монтажных склеек
• три режима инференса: T2V, I2V, R2V
• обучение через Shots-Forcing

Гитхаб ждем

#text2movie #multishot #referencing

Fast-FoundationStereo

Стереомодель от NVIDIA. Считает диспаритет по паре фото — строит карту глубины.

• гибридная архитектура: трансформеры + CNN
• 14.6 млн параметров
• zero-shot, без донастройки
• работает в реальном времени

Дистиллирована из FoundationStereo, бэкбон — EdgeNeXt. Лицензия — nvidia-open-model-agreement. Оптимизирована под GPU NVIDIA.

Гитхаб
HF

#video2depth #stereo2depth

Sonilo v1.1

Онлайн сервис для генерации музыки

В версии 1.1 улучшили создание музыки по видео то есть саундтрека

Подстраивает трек под темп и эмоции ролика.

• три варианта саундтрека на один клип
• сохраняет оригинальную речь в видео
• предварительный просмотр аудио до рендера
• можно писать посегментный промпт

Обучена на лицензированном каталоге Shutterstock. Доступна на fal.ai, в ComfyUI (партнерские ноды) и через API. Коммерческое использование разрешено

Музыку по тексту тоже может

На примерах где музыка тише - оригинал. Где громче - sonlio 1.1

#text2music #video2music #online

Realism Enhancer Krea2

Лора на реалистичные портреты девушек для Krea2

#lora #krea2 #realism

Anti-Vocale

Локальная транскрипция голосовых на Android, без облака

• транскрибирует из мессенджеров через меню обмена
• несколько моделей ASR: Whisper, Gemma, Parakeet, Qwen3-ASR, Nemotron 3.5
• прогрессивный вывод текста по сегментам
• статистика скорости для каждой модели на устройстве
• журнал транскрипций с поиском
• VAD-удаление тихих сегментов

Whisper Turbo large ужат до ~1 ГБ. Есть настройки потоков, индикатор достоверности, плавающее окно.

#android #stt #vad