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
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
👍22🔥7❤2
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
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
👍8🤔2
This media is not supported in your browser
VIEW IN TELEGRAM
img2threejs
3Д генератор для браузера. Делает из картинки процедурный 3D-код для Three.js вместо обычного меша
• строит THREE.Group из примитивов и процедурной геометрии
• добавляет материалы, коллизии, сокеты, пивот-точки
• работает прямо в браузере без загрузки файлов
• версия 1.3, улучшены пропорции и PBR-материалы
• использует InstancedMesh для ускорения
Лучше всего для твёрдых форм, не тянет сложные персонажи и фотореализм
#imageto3d
3Д генератор для браузера. Делает из картинки процедурный 3D-код для Three.js вместо обычного меша
• строит THREE.Group из примитивов и процедурной геометрии
• добавляет материалы, коллизии, сокеты, пивот-точки
• работает прямо в браузере без загрузки файлов
• версия 1.3, улучшены пропорции и PBR-материалы
• использует InstancedMesh для ускорения
Лучше всего для твёрдых форм, не тянет сложные персонажи и фотореализм
#imageto3d
👍10🤯3
Опубликован в опенсорс интерактивный генератор миров AlayaWorld
В базе - LTX-2.3
Гитхаб
HF
Демо
#world #text2world #imagw2world #interactive #realtime
В базе - LTX-2.3
Гитхаб
HF
Демо
#world #text2world #imagw2world #interactive #realtime
Telegram
Нейронавт | Нейросети в творчестве
AlayaWorld
Видеогенератор интерактивных миров в рилтайме
Акцент на долгосрочную согласованность мира и мгновенную реакцию на действия - внизу сайта есть демка
• 60+ секунд непрерывного видео 720p 24fps
• управление персонажем через WASD
• каст заклинаний…
Видеогенератор интерактивных миров в рилтайме
Акцент на долгосрочную согласованность мира и мгновенную реакцию на действия - внизу сайта есть демка
• 60+ секунд непрерывного видео 720p 24fps
• управление персонажем через WASD
• каст заклинаний…
👍7⚡2🤔2
Вышел в опенсорс реконструктор сцен на гауссианах F⁴Splat
Гитхаб
Спасибо @Dmitriy_Ru6ts0v
#gaussian #scenereconstruction #optimization
Гитхаб
Спасибо @Dmitriy_Ru6ts0v
#gaussian #scenereconstruction #optimization
Telegram
Нейронавт | Нейросети в творчестве
F⁴Splat: Feed-Forward Predictive Densification for Feed-Forward 3D Gaussian Splatting
Оптимизированная реконструкция сцен на гауссианах, некий эквивалент LOD
Распределяет гауссианы неравномерно в зависимости от плотности деталей, тем самым экономит ресурсы…
Оптимизированная реконструкция сцен на гауссианах, некий эквивалент LOD
Распределяет гауссианы неравномерно в зависимости от плотности деталей, тем самым экономит ресурсы…
👍6
ComfyUI-NKD-VFX-Tools
Набор нод для ComfyUI для VFX-пайплайна с фокусом на реальные VFX‑кейсы
• работа с масками и альфа‑каналами
• композитинг прямо в нодовом графе (меня гложут сомнения. не надо встраивать нюк туда)
• интеграция трекинга и стабилизации кадра
• управление слоями и глубиной сцены
• быстрые пресеты под типовые VFX‑задачи
Спасибо @BrianMItro
#vfx #comfyui
Набор нод для ComfyUI для VFX-пайплайна с фокусом на реальные VFX‑кейсы
• работа с масками и альфа‑каналами
• композитинг прямо в нодовом графе (меня гложут сомнения. не надо встраивать нюк туда)
• интеграция трекинга и стабилизации кадра
• управление слоями и глубиной сцены
• быстрые пресеты под типовые VFX‑задачи
Спасибо @BrianMItro
#vfx #comfyui
🔥13👍1🤝1
Вышел в опенсорс генератор-редактор 3D сцен на гауссианах GaussianGPT
Гитхаб
Спасибо @Dmitriy_Ru6ts0v
#gaussian #AR #text2scene #text2gaussian #3dediting
Гитхаб
Спасибо @Dmitriy_Ru6ts0v
#gaussian #AR #text2scene #text2gaussian #3dediting
Telegram
Нейронавт | Нейросети в творчестве
GaussianGPT: Towards Autoregressive 3D Gaussian Scene Generation
Авторегрессионный генератор-редактор 3D сцен на гауссианах
Генерирует 3D Gaussian сцены токен за токеном, использует трансформер в стиле GPT
Сцены можно создавать с нуля или дополнять существующие…
Авторегрессионный генератор-редактор 3D сцен на гауссианах
Генерирует 3D Gaussian сцены токен за токеном, использует трансформер в стиле GPT
Сцены можно создавать с нуля или дополнять существующие…
👍8🤝1
Fugu-Ultra 1.1
Оркестратор агентов от Sakana AI. Подтягивает качество за счет свежих моделей и прокачанной LLM-основы.
рост качества без пересмотра тарифов
• превосходит Fable и Sol по бенчмаркам
• обгоняет Fable 5 везде кроме SWE
• цена $5/$30 за миллион input/output
#orchestrator
Оркестратор агентов от Sakana AI. Подтягивает качество за счет свежих моделей и прокачанной LLM-основы.
рост качества без пересмотра тарифов
• превосходит Fable и Sol по бенчмаркам
• обгоняет Fable 5 везде кроме SWE
• цена $5/$30 за миллион input/output
#orchestrator
🔥6👍3😁1
Claude Opus 5
Новая версия модели от Anthropic. Точнее на сложных задачах, особенно в коде и рассуждениях.
• сильные мультимодальные ответы
• продвинутое решение задач с цепочкой рассуждений
• глубокая работа с кодом и документацией
• высокая точность в бенчмарках
• улучшенная обработка длинных контекстов
#news #agent #multimodal
Новая версия модели от Anthropic. Точнее на сложных задачах, особенно в коде и рассуждениях.
• сильные мультимодальные ответы
• продвинутое решение задач с цепочкой рассуждений
• глубокая работа с кодом и документацией
• высокая точность в бенчмарках
• улучшенная обработка длинных контекстов
#news #agent #multimodal
👍6🥴3❤1