UniVR: Thinking in Visual Space for Unified Visual Reasoning
Визуальное мышление и рассуждения в одной модели. Единый подход к разным визуальным задачам от понимания сцены до планирования действий
• работа с пространственными отношениями в кадре
• мультимодальное рассуждение на базе визуальных данных
• интеграция низкоуровневых признаков и высокоуровневой семантики
Гитхаб ждем
#vlm
Визуальное мышление и рассуждения в одной модели. Единый подход к разным визуальным задачам от понимания сцены до планирования действий
• работа с пространственными отношениями в кадре
• мультимодальное рассуждение на базе визуальных данных
• интеграция низкоуровневых признаков и высокоуровневой семантики
Гитхаб ждем
#vlm
👍4
RTK (Rust Token Killer)
CLI-прокси для существенного сокращения потребления токенов LLM при работе с командами разработки. Работает как единый бинарный файл на Rust без внешних зависимостей.
• Сокращает потребление токенов на 60-90% для типовых команд разработки
• Фильтрует и сжимает вывод команд перед отправкой в LLM
• Поддерживает более 100 команд разработки
• Задержка менее 10мс
• Работает с Claude, Copilot, Gemini и другими ИИ-инструментами
Экономия на типовых операциях:
• ls/tree 80%
• cat/read 70%
• grep/rg 80%
• git status 80%
• git diff 75%
• тесты и линтеры до 90%
#optimization #coding
CLI-прокси для существенного сокращения потребления токенов LLM при работе с командами разработки. Работает как единый бинарный файл на Rust без внешних зависимостей.
• Сокращает потребление токенов на 60-90% для типовых команд разработки
• Фильтрует и сжимает вывод команд перед отправкой в LLM
• Поддерживает более 100 команд разработки
• Задержка менее 10мс
• Работает с Claude, Copilot, Gemini и другими ИИ-инструментами
Экономия на типовых операциях:
• ls/tree 80%
• cat/read 70%
• grep/rg 80%
• git status 80%
• git diff 75%
• тесты и линтеры до 90%
#optimization #coding
🔥8
Media is too big
VIEW IN TELEGRAM
ABot-World
Генератор интерактивных миров, работает на потребительских GPU с бесконечной генерацией в рилтайме
Гитхаб
HF
Демо
Студия
Спасибо @m_franz
#intecative #realtime #text2world #world #image2world
Генератор интерактивных миров, работает на потребительских GPU с бесконечной генерацией в рилтайме
Гитхаб
HF
Демо
Студия
Спасибо @m_franz
#intecative #realtime #text2world #world #image2world
👍12
This media is not supported in your browser
VIEW IN TELEGRAM
PoseCap
Мокап без маркеров для Blender от Corridor Diogital. Преобразует видео с веб-камеры в SMPL-X анимации для персонажей.
Под капотом PEAR + Meshcapade SMPL_blender_addon
• Работает с веб-камерами и видеофайлами
• Потоковая передача поз до 30 FPS
• Запись анимации на таймлайн Blender
• Конвертация персонажей Mixamo и Unreal
• Управление SMPL-X моделями тела
Пока только для Windows. Linux в планах.
Лицензия Apache-2.0 для движка, GPL-3.0 для расширения Blender. Для коммерческого использования нужна отдельная лицензия на SMPL-X модели и Meshcapade
#mocap #blender
Мокап без маркеров для Blender от Corridor Diogital. Преобразует видео с веб-камеры в SMPL-X анимации для персонажей.
Под капотом PEAR + Meshcapade SMPL_blender_addon
• Работает с веб-камерами и видеофайлами
• Потоковая передача поз до 30 FPS
• Запись анимации на таймлайн Blender
• Конвертация персонажей Mixamo и Unreal
• Управление SMPL-X моделями тела
Пока только для Windows. Linux в планах.
Лицензия Apache-2.0 для движка, GPL-3.0 для расширения Blender. Для коммерческого использования нужна отдельная лицензия на SMPL-X модели и Meshcapade
#mocap #blender
👍5❤3🔥3
👍9
Media is too big
VIEW IN TELEGRAM
SAM-MT
Мультизадачная версия SAM для сегментации - отслеживает одновременно несколько целей. Адаптация под разные типы данных и сценарии без переобучения.
• рилтайм: 36+ fps при 10 целях на одном RTX A6000
• работа с разными типами изображений и модальностей
• улучшенная сегментация сложных объектов
• экономия памяти при инференсе
Гитхаб
HF
#segmentation #tracking #realtime
Мультизадачная версия SAM для сегментации - отслеживает одновременно несколько целей. Адаптация под разные типы данных и сценарии без переобучения.
• рилтайм: 36+ fps при 10 целях на одном RTX A6000
• работа с разными типами изображений и модальностей
• улучшенная сегментация сложных объектов
• экономия памяти при инференсе
Гитхаб
HF
#segmentation #tracking #realtime
👍9
Media is too big
VIEW IN TELEGRAM
GenCeption от Google DeepMind
Единая feed-forward модель мультизадачного зрения. Заменяет зоопарк специализированных моделей
• оценка глубины, нормалей поверхности, позы камеры
• сегментация, 2D/3D ключевые точки
• работа с плотными и разреженными задачами
Обучена на синтетических видео, работает на реальных данных. Использует замороженную диффузионную text-to-video основу плюс лёгкие задачи-специфичные головы
Код/веса ждем
#vlm #video2depth #video2normals #tracking #video2camera #video2pose
Единая feed-forward модель мультизадачного зрения. Заменяет зоопарк специализированных моделей
• оценка глубины, нормалей поверхности, позы камеры
• сегментация, 2D/3D ключевые точки
• работа с плотными и разреженными задачами
Обучена на синтетических видео, работает на реальных данных. Использует замороженную диффузионную text-to-video основу плюс лёгкие задачи-специфичные головы
Код/веса ждем
#vlm #video2depth #video2normals #tracking #video2camera #video2pose
❤6👍3🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Wan-Dancer
Генератор танца по музыкеи фото
Работает с минутными фрагментами что редкость для танцевальных генераторов. Упор на плавную эволюцию поз, а не на отдельные кадры.
• Разрешение 720p при 30 кадрах в секунду
• Поддержка пяти стилей танца: классический китайский, K-pop, уличный, степ, латинский
• иерархическая структура, держит ритм и стиль по всему треку
• когерентные движения на длинных отрезках, без рывков и сбоев
• мультимодальная обработка. музыка плюс кинематика тела
Wan-Dancer
Отбой, для работы требует 8 x NVIDIA A800 80GB
Гитхаб
HF
Демо
Спасибо @m_franz
#humananimation #image2video #portraitanimation #image2dance
Генератор танца по музыкеи фото
Работает с минутными фрагментами что редкость для танцевальных генераторов. Упор на плавную эволюцию поз, а не на отдельные кадры.
• Разрешение 720p при 30 кадрах в секунду
• Поддержка пяти стилей танца: классический китайский, K-pop, уличный, степ, латинский
• иерархическая структура, держит ритм и стиль по всему треку
• когерентные движения на длинных отрезках, без рывков и сбоев
• мультимодальная обработка. музыка плюс кинематика тела
Wan-Dancer
Отбой, для работы требует 8 x NVIDIA A800 80GB
Гитхаб
HF
Демо
Спасибо @m_franz
#humananimation #image2video #portraitanimation #image2dance
😁26😱10🤷♂1❤1
Ideogram 4 Instant / fast
fal выпустил еще две версии Ideogram 4
20-шаговый fast и 8-шаговый instant
Обе на основе ideogram-4-fp8
huggingface.co/fal/ideogram-v4-instant
huggingface.co/fal/ideogram-v4-fast
Спасибо @m_franz
#t2i #optimization
fal выпустил еще две версии Ideogram 4
20-шаговый fast и 8-шаговый instant
Обе на основе ideogram-4-fp8
huggingface.co/fal/ideogram-v4-instant
huggingface.co/fal/ideogram-v4-fast
Спасибо @m_franz
#t2i #optimization
🔥11👍1
ReChannel
Лоры к #klein
Извлекают глубину, нормали, альфу и сегментацию из одного кадра
33K обучаемых параметров на задачу
Гитхаб
HF
#lora #image2depth #image2normals #segmentation #rgb2rgba #image2matte
Лоры к #klein
Извлекают глубину, нормали, альфу и сегментацию из одного кадра
33K обучаемых параметров на задачу
Гитхаб
HF
#lora #image2depth #image2normals #segmentation #rgb2rgba #image2matte
👍15❤1
MOSS-Transcribe-Diarize-0.9B
Компактная модель (0.9B) для транскрибации и диаризации в одном проходе (обычно для этого нужны 2 разные модели)
• структурированный вывод с таймкодами и спикерами
• обработка длинных записей
• поддержка hotwords и акустических событий
Гитхаб
HF
Демо
#transcribe #stt #diarize
Компактная модель (0.9B) для транскрибации и диаризации в одном проходе (обычно для этого нужны 2 разные модели)
• структурированный вывод с таймкодами и спикерами
• обработка длинных записей
• поддержка hotwords и акустических событий
Гитхаб
HF
Демо
#transcribe #stt #diarize
👍11
MOSS-SoundEffect-v2.0
Модель для генерации звуковых эффектов по текстовому промпту
Версия v2.0 - апгрейд по качеству и стабильности. Акцент на реалистичность бытовых и спецэффектов.
• 48KHz, хронометраж до 30 сек
• обучена на английском и китайском. Полагаю, можно дообучить на русский. Вероятно, уже сделали - модели два месяца
Гитхаб
HF
Квантизации
Демо
ComfyUI
#text2sfx #sfx #text2audio #comfyui
Модель для генерации звуковых эффектов по текстовому промпту
Версия v2.0 - апгрейд по качеству и стабильности. Акцент на реалистичность бытовых и спецэффектов.
• 48KHz, хронометраж до 30 сек
• обучена на английском и китайском. Полагаю, можно дообучить на русский. Вероятно, уже сделали - модели два месяца
Гитхаб
HF
Квантизации
Демо
ComfyUI
#text2sfx #sfx #text2audio #comfyui
GitHub
MOSS-TTS/moss_soundeffect_v2 at main · OpenMOSS/MOSS-TTS
An open-source model family for long-form speech, dialogue synthesis, voice design, sound effects, and real-time streaming TTS - OpenMOSS/MOSS-TTS
❤5👍4
GigaAM Multilingual
Мультилингвальная ASR-модель для языков СНГ
Лучше адаптируется к новым языкам, чем Whisper и Omnilingual. Подтверждено на грузинском и башкирском
• поддержка казахского, киргизского, узбекского, английского
• можно дообучать на другие языки
huggingface.co/ai-sage/GigaAM-Multilingual
github.com/salute-developers/GigaAM
———
GigaChat Audio
Аудио-нативная LLM на базе GigaAM Multilingual и GigaChat3.1‑10B‑A1.8B. Держит контекст до 2 часов
• поддерживает многошаговый голосовой диалог, классификацию, перевод, ASR
• привязка ко времени, суммаризация с таймкодами
• высокий результат на RuBQ‑Audio и Dusha
huggingface.co/ai-sage/GigaChat3.1-Audio-10B-A1.8B
———
Обновленный GigaChat-Max-Audio - на giga.chat и @gigachat_bot
@smartspeech_sber_bot - распознавание голосовых на 5 языках
#stt #transcribe #russian #dialog #asr #translation
Мультилингвальная ASR-модель для языков СНГ
Лучше адаптируется к новым языкам, чем Whisper и Omnilingual. Подтверждено на грузинском и башкирском
• поддержка казахского, киргизского, узбекского, английского
• можно дообучать на другие языки
huggingface.co/ai-sage/GigaAM-Multilingual
github.com/salute-developers/GigaAM
———
GigaChat Audio
Аудио-нативная LLM на базе GigaAM Multilingual и GigaChat3.1‑10B‑A1.8B. Держит контекст до 2 часов
• поддерживает многошаговый голосовой диалог, классификацию, перевод, ASR
• привязка ко времени, суммаризация с таймкодами
• высокий результат на RuBQ‑Audio и Dusha
huggingface.co/ai-sage/GigaChat3.1-Audio-10B-A1.8B
———
Обновленный GigaChat-Max-Audio - на giga.chat и @gigachat_bot
@smartspeech_sber_bot - распознавание голосовых на 5 языках
#stt #transcribe #russian #dialog #asr #translation
🔥7👍2
Forwarded from AnyPost | Lightning
Что делать когда команда боится ИИ?😨
Ваши конкуренты уже давно ввели ИИ'шки куда только можно и нельзя, а вы всё ещё делаете «по-старинке».
С таким же успехом можно участвовать в гонках Формулы-1 на самокате😂
Но с другой стороны вам придет урезать сотрудников, ведь теперь их может заменить ИИ, что довольно бесчеловечно. Таким вопросом озадачиваются все управленцы бизнесов в 2026, в том числе Илья Швецов, международный HR-эксперт, который подробно разобрал эту ситуацию в канале С гуслями по миру.
Как стоит поступить руководителю?
🤖 — Внедрить ИИ, уволить сотрудников
👨— Не внедрять ИИ, оставить сотрудников
Ваши конкуренты уже давно ввели ИИ'шки куда только можно и нельзя, а вы всё ещё делаете «по-старинке».
С таким же успехом можно участвовать в гонках Формулы-1 на самокате
Но с другой стороны вам придет урезать сотрудников, ведь теперь их может заменить ИИ, что довольно бесчеловечно. Таким вопросом озадачиваются все управленцы бизнесов в 2026, в том числе Илья Швецов, международный HR-эксперт, который подробно разобрал эту ситуацию в канале С гуслями по миру.
Как стоит поступить руководителю?
🤖 — Внедрить ИИ, уволить сотрудников
👨— Не внедрять ИИ, оставить сотрудников
Please open Telegram to view this post
VIEW IN TELEGRAM
👎13❤1🍌1🫡1