Solar Open 2

Суверенная корейская модель от Upstage

250B параметров, 15B активных
Контекстное окно до 1 млн токенов.

Оптимизирована для работы агентов в реальных условиях:
• обработка длинных текстов и документов
• выполнение многошаговых задач
• работа с инструментами и кодом
• с квантизацией запускается на двух H100

русский знает. Хотя официально английский, корейский и японский

HF
Чат - там есть распознавание документов, агент

#agent #assistant

Remotion

Скилл для создания видео с помощью React

• создание анимированных ассетов
• Пакетный рендеринг
• Создание приложений для редактирования видео
• Поддержка эффектов, переходов, субтитров, звуковых эффектов

npx skills add remotion-dev/skills

Гитхаб
———

ChatCut

Плагин для редактирования видео в ChatGPT

• редактирование говорящей головы: удаление пустых слов, выделение лучших моментов
• превращение длинных подкастов в короткие вертикальные ролики
• добавление motion-графики, субтитров, музыки
• генерация B-roll и коротких кинематографических клипов
• создание рекламных роликов и объясняющих видео

Есть бесплатный план на попробовать

#skill #plugin #videoediting

LTX-Best-Face-ID — LTX-2.3 Identity LoRA

Лора персонализации

спасибо @m_franz

#lora #ltx23 #personalization

Hyra

Система от Tencent для автоматизированных исследований и инженерных задач. Способна к рекурсивному самосовершенствованию.

Умеет:
• решать задачи в сфере AI (оптимизация обучения моделей, ускорение обучения)
• помогать в научных исследованиях (математические открытия, анализ данных)
• работать в развлекательных и творческих задачах (создание ботов для игр, 3D-моделирование, музыкальная композиция)

Особенности:
• работает по принципу непрерывного цикла, использует прошлый опыт для поиска лучших решений
• включает Context Agent и Proposal Agents
• может улучшать механизм оценки и запускать новый цикл с более строгими критериями

Демонстрирует успехи в разных областях от оптимизации GPU-ядер до проектирования квантовых алгоритмов и разработки кандидатов в лекарства

Попросить доступ

#research #agent

серия пошла

#humor

Self Gradient Forcing

Двухпроходная стратегия обучения для видеомоделей. Работает с градиентами, чтобы точнее попадать в нужные детали.

Сравнение с Self-Forcing и другими методами см на сайте

Гитхаб
HF

#optimization

FLUX 3

мультимодалка от BFL объединяет обработку изображений, видео, аудио и текста. Знает связи объектов, движения, звуков

• генерация видео до 20 секунд с нативным аудио
• text-to-video, image-to-video, video-to-video
• продолжение видео и аудио по референсу
• создание мультиязычных диалогов
• редактирование и синтез изображений в разных стилях
• предсказание действий, интеграция с роботехникой
• сборка длинных сцен из клипов, контроль персонажей

• 720p
• поддержка разных соотношений сторон и стилей
• мультиязычная генерация текста на изображениях

базируется на Self-Flow, совмещает генерацию и понимание в одной архитектуре. в тестах обходит Runway Gen-4.5, Luma Ray 3.2 и др

готовят опенсорный вариант FLUX 3 Dev

Поклянчить ранний доступ

#multimodal #vlm #t2v #t2av #t2i #i2v #videoediting

Qwen‑Audio‑3.0‑TTS

Говорилка от Alibaba
#1 на Artificial Analysis TTS Leaderboard

• 16 языков, русский есть, но мы знаем что у китайцев с ним туговато
• за один проход до 3 минут речи
• Flash-режим для реального времени
• Plus-режим для высококачественной генерации
• Управление через теги [whisper], [angry], [breaths], [laughs]
• Контроль через естественный язык. можно писать "читай как сказку"
• генерация голоса под разные акценты и эмоции
• поддержка мультиязычных промптов
• частота дискретизации 24 kHz
• задержка генерации ~1–2 сек на фразу
• совместимость с ComfyUI, vits, rvc-пайплайнами

в базе Qwen-LLM
Опенсорса, похоже, нет

API

#tts