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
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
👍12🥴1
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
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
👍5🔥2
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
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
👍7
OpenHuman
Локальный ИИ-ассистент под ОС, интегрируется со 118 приложениями. Адаптируется под стиль работы, использует локальные данные.
• Super Context - сразу строит ответ с учётом контекста пользователя
• работает локально, данные не уходят с устройства
• собирает релевантную информацию о текущем экране и задаче
За месяц 33K+ звёзд на GitHub. Десять дней подряд в топе репозиториев, сейчас на первом месте.
#agent #harness #desktop
Локальный ИИ-ассистент под ОС, интегрируется со 118 приложениями. Адаптируется под стиль работы, использует локальные данные.
• Super Context - сразу строит ответ с учётом контекста пользователя
• работает локально, данные не уходят с устройства
• собирает релевантную информацию о текущем экране и задаче
За месяц 33K+ звёзд на GitHub. Десять дней подряд в топе репозиториев, сейчас на первом месте.
#agent #harness #desktop
👍4❤1🤔1
👍10
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
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
👍14🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Comfy MCP
Комфиорг запустили бетатест MCP-сервера в комфи
MCP дает ИИ-агенту возможность удобно управлять ComfyUI
• запуск воркфлоу по описанию на естественном языке
• поиск моделей, нод, шаблонов внутри экосистемы
• подхватывание воркфлоу по URL
• повторный прогон сохранённых схем на новых входах
• сотни готовых воркфлоу с автообновлением
Документация
А также запускают бету Comfy CLI и репозиторий Comfy Skill для агентов
#agent #comfyui #mcp #skill #cli
Комфиорг запустили бетатест MCP-сервера в комфи
MCP дает ИИ-агенту возможность удобно управлять ComfyUI
• запуск воркфлоу по описанию на естественном языке
• поиск моделей, нод, шаблонов внутри экосистемы
• подхватывание воркфлоу по URL
• повторный прогон сохранённых схем на новых входах
• сотни готовых воркфлоу с автообновлением
Документация
А также запускают бету Comfy CLI и репозиторий Comfy Skill для агентов
#agent #comfyui #mcp #skill #cli
🔥10❤1😱1
Cursor for iOS
• запуск облачных агентов с выбором frontier-моделей
• Remote Control для агентов на ПК
• голосовые идеи, slash-команды, скриншоты как контекст
• Live Activities и пуш-уведомления о статусе
• артефакты: демо, логи, скриншоты для валидации
• перенос задач между локалом и облаком
• планы на repo-less чаты и интеграцию с MCP
Публичный бета-релиз, доступно на платных тарифах
iOS
#coding #ios #mobile
• запуск облачных агентов с выбором frontier-моделей
• Remote Control для агентов на ПК
• голосовые идеи, slash-команды, скриншоты как контекст
• Live Activities и пуш-уведомления о статусе
• артефакты: демо, логи, скриншоты для валидации
• перенос задач между локалом и облаком
• планы на repo-less чаты и интеграцию с MCP
Публичный бета-релиз, доступно на платных тарифах
iOS
#coding #ios #mobile
👍5
Qwen3-ASR
Ах да, сама распознавалка речи у них тоже обновилась
Компактная, высокая пропускная способность, мультиязычность
Распознавание речи и выравнивание по таймстампам. Покрывают 30 языков, 22 диалекта китайского, разные акценты.
• SOTA среди открытых ASR-моделей
• сопоставима с проприетарными API
• 1.7B параметров
• нативная поддержка в Transformers
• стриминг
• 2000× throughput при 0.6B параметров
• идентификация языка + STT в сложных акустических условиях
• Qwen3-ASR-0.6B - 2000x пропускная способность при 128 одновременных запросов
• единый режим стриминга и офлайн, работа с длинными аудио
• Forced Alignment через Qwen3-ForcedAligner-0.6B: таймстампы до 5 минут, 11 языков, точность выше E2E-аналогов
#asr #stt
Ах да, сама распознавалка речи у них тоже обновилась
Компактная, высокая пропускная способность, мультиязычность
Распознавание речи и выравнивание по таймстампам. Покрывают 30 языков, 22 диалекта китайского, разные акценты.
• SOTA среди открытых ASR-моделей
• сопоставима с проприетарными API
• 1.7B параметров
• нативная поддержка в Transformers
• стриминг
• 2000× throughput при 0.6B параметров
• идентификация языка + STT в сложных акустических условиях
• Qwen3-ASR-0.6B - 2000x пропускная способность при 128 одновременных запросов
• единый режим стриминга и офлайн, работа с длинными аудио
• Forced Alignment через Qwen3-ForcedAligner-0.6B: таймстампы до 5 минут, 11 языков, точность выше E2E-аналогов
#asr #stt
🔥12❤1👍1
MOSS-Transcribe-preview-2B
Модель для преобразования английской речи в текст. Использует Qwen3-1.7B-base и Qwen3-Omni-MoE аудиоэнкодер.
• распознаёт английскую речь
• обучена на публичных #ASR корпусах
• дообучена с помощью reinforcement learning
• выдаёт транскрипцию аудио
Хуже работает с неанглийской речью, акцентами, шумом, перекрывающимися голосами
Студия
#asr #stt
Модель для преобразования английской речи в текст. Использует Qwen3-1.7B-base и Qwen3-Omni-MoE аудиоэнкодер.
• распознаёт английскую речь
• обучена на публичных #ASR корпусах
• дообучена с помощью reinforcement learning
• выдаёт транскрипцию аудио
Хуже работает с неанглийской речью, акцентами, шумом, перекрывающимися голосами
Студия
#asr #stt
👍3
LongCat 2.0
MoE-модель от Meituan для агентских задач и кодинга. Тянет огромные контексты, режет лишние вычисления.
• 1.6T параметров, MoE, на токен активны ~48B
• контекстное окно 1 млн токенов
• LongCat Sparse Attention для длинных последовательностей
• Zero-Compute Experts - экономия ресурсов
• топовые баллы в SWE-bench, Terminal-Bench
• упор на планирование, инструменты, RAG
Гитхаб
HF ждем
Чат - там у LongCat есть мобильные приложения
API
#agent #coding #ios #android
MoE-модель от Meituan для агентских задач и кодинга. Тянет огромные контексты, режет лишние вычисления.
• 1.6T параметров, MoE, на токен активны ~48B
• контекстное окно 1 млн токенов
• LongCat Sparse Attention для длинных последовательностей
• Zero-Compute Experts - экономия ресурсов
• топовые баллы в SWE-bench, Terminal-Bench
• упор на планирование, инструменты, RAG
Гитхаб
HF ждем
Чат - там у LongCat есть мобильные приложения
API
#agent #coding #ios #android
👍6🔥2🤔1