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
EgoForce
Система реконструкции 3D-позы рук из монокулярной камеры от первого лица. Решает проблему определения точной позиции рук в AR/VR и телеприсутствии с помощью одной камеры на шлеме.
• Работает с разными типами камер: фишай, перспективные, широкоугольные
• определяет абсолютную 3D-позицию
• встроенный решатель для работы с разными конфигурациями камер
• интеграция с Unity для визуализации
Точность на 28% выше аналогов на HOT3D датасете. Работает даже когда предплечье не видно в кадре.
Гитхаб
HF - там предупреждение о небезопасности файлов, не торопитесь скачивать
Демо
#tracking #hand #vodeo2hand #videoto3d #video2pose
Система реконструкции 3D-позы рук из монокулярной камеры от первого лица. Решает проблему определения точной позиции рук в AR/VR и телеприсутствии с помощью одной камеры на шлеме.
• Работает с разными типами камер: фишай, перспективные, широкоугольные
• определяет абсолютную 3D-позицию
• встроенный решатель для работы с разными конфигурациями камер
• интеграция с Unity для визуализации
Точность на 28% выше аналогов на HOT3D датасете. Работает даже когда предплечье не видно в кадре.
Гитхаб
HF - там предупреждение о небезопасности файлов, не торопитесь скачивать
Демо
#tracking #hand #vodeo2hand #videoto3d #video2pose
🔥2👍1
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
StudioRecon
Реконструкция 4D-сцены с людьми по 4 камерам с малым перекрытием. Разделяя фон и людей, убирает артефакты в слабо наблюдаемых зонах.
Работает на скудных данных, дает стабильный рендер с произвольных ракурсов.
• видео-диффузия насыщает фон новыми видами
• SMPL фиксирует геометрию людей
• рекурсивный модуль выравнивает движение и стыки
Код / веса ждем
#videoto4d #gaussian #4d #video2scene #hmr
Реконструкция 4D-сцены с людьми по 4 камерам с малым перекрытием. Разделяя фон и людей, убирает артефакты в слабо наблюдаемых зонах.
Работает на скудных данных, дает стабильный рендер с произвольных ракурсов.
• видео-диффузия насыщает фон новыми видами
• SMPL фиксирует геометрию людей
• рекурсивный модуль выравнивает движение и стыки
Код / веса ждем
#videoto4d #gaussian #4d #video2scene #hmr
👍9❤1
Krea2 TextFusion Refusal-Reduction LoRA
Дообученная LoRA для Krea 2. Снимает отказы при генерации по сложным текстовым промптам
Лучше держит персонажа чем bypass лоры, максимально сохраняет визуальное знание работу с промптом базовой модели
#lora #krea2 #uncensored
Дообученная LoRA для Krea 2. Снимает отказы при генерации по сложным текстовым промптам
Лучше держит персонажа чем bypass лоры, максимально сохраняет визуальное знание работу с промптом базовой модели
#lora #krea2 #uncensored
❤12
SAM2Matting
Матирование по сегментации (SAM2, SAM3)
В отличие от сегментной маски, матирование содержит информацию не только о границе объекта, но и о мягкости/полупрозрачности краев
Поддержка разных промптов - маски, точки, боксы, текст
Обучен только на изображениях, но уверенно работает на видео
Гитхаб
HF
Демо
#video2matte #segmentation #rgb2rgba #matting #image2matte
Матирование по сегментации (SAM2, SAM3)
В отличие от сегментной маски, матирование содержит информацию не только о границе объекта, но и о мягкости/полупрозрачности краев
Поддержка разных промптов - маски, точки, боксы, текст
Обучен только на изображениях, но уверенно работает на видео
Гитхаб
HF
Демо
#video2matte #segmentation #rgb2rgba #matting #image2matte
🔥10🤔1