MiniMax H3
Мультимодальная генеративная модель, объединяет текст, изображения, видео и аудио в едином контексте.
• генерирует видео с нативным стереозвуком
• выполняет редактирование по изображениям, видео, аудио
• справляется с переносом движения V2V
• работает с точными инструкциями
• разрешение видео 2K по умолчанию
• длительность генерируемого видео до 15 секунд
• цена за секунду при 2K меньше трети от цены аналогов
• при 768p цена меньше половины от цены 720p у аналогов
Главное, его выпустят в опенсорс
#multimodal
Мультимодальная генеративная модель, объединяет текст, изображения, видео и аудио в едином контексте.
• генерирует видео с нативным стереозвуком
• выполняет редактирование по изображениям, видео, аудио
• справляется с переносом движения V2V
• работает с точными инструкциями
• разрешение видео 2K по умолчанию
• длительность генерируемого видео до 15 секунд
• цена за секунду при 2K меньше трети от цены аналогов
• при 768p цена меньше половины от цены 720p у аналогов
Главное, его выпустят в опенсорс
#multimodal
🔥14👍4❤2🫡1
ReDesign
Превращает плоское изображение в редактируемый дизайн
• восстанавливает текст, векторные фигуры, изображения
• собирает группы и z-порядок
• использует агентную декомпозицию для разбора структуры
• Требует GPU с минимум 55 ГБ памяти для Qwen-Image-Layered
• Использует VLM-контроллер (например, Gemini-3-flash)
• Работает с несколькими GPU для ускорения обработки
• Параллельная обработка через несколько воркеров
Набор инструментов: PaddleOCR для текста, Qwen-Image-Layered для слоев, GroundingDINO и SAM 2 для сегментации, VTracer для векторизации. Есть встроенный верификатор качества каждого шага. Работает через API-ключ к LLM-модели
Гитхаб
#design #image2vector #image2layers
Превращает плоское изображение в редактируемый дизайн
• восстанавливает текст, векторные фигуры, изображения
• собирает группы и z-порядок
• использует агентную декомпозицию для разбора структуры
• Требует GPU с минимум 55 ГБ памяти для Qwen-Image-Layered
• Использует VLM-контроллер (например, Gemini-3-flash)
• Работает с несколькими GPU для ускорения обработки
• Параллельная обработка через несколько воркеров
Набор инструментов: PaddleOCR для текста, Qwen-Image-Layered для слоев, GroundingDINO и SAM 2 для сегментации, VTracer для векторизации. Есть встроенный верификатор качества каждого шага. Работает через API-ключ к LLM-модели
Гитхаб
#design #image2vector #image2layers
😱9😭3❤2👍2
Qwen-Audio-3.0-ASR-Flash
Новая коммерческая модель для распознавания речи с улучшенной контекстной осведомленностью и распознаванием терминов в разных доменах
• Точное распознавание терминов в специфических областях
• Поддержка пользовательских горячих слов
Доступны версии:
Qwen-Audio-3.0-ASR-Flash-Streaming - потоковое распознавание речи
Qwen-Audio-3.0-ASR-Flash-Filetrans - распознавание записанной речи (HTTP API)
Qwen-Audio-3.0-ASR-Flash - не потоковое распознавание
#asr
Новая коммерческая модель для распознавания речи с улучшенной контекстной осведомленностью и распознаванием терминов в разных доменах
• Точное распознавание терминов в специфических областях
• Поддержка пользовательских горячих слов
Доступны версии:
Qwen-Audio-3.0-ASR-Flash-Streaming - потоковое распознавание речи
Qwen-Audio-3.0-ASR-Flash-Filetrans - распознавание записанной речи (HTTP API)
Qwen-Audio-3.0-ASR-Flash - не потоковое распознавание
#asr
👍6
WAN изобрел KREA
Короче, прикрутили рилтайм генерацию картинок на сайте.
Попробовать
А заодно объявили о прекращении бесплатной генерации с 31 июля 2026, то есть сегодня
#t2i #realtime #news
Короче, прикрутили рилтайм генерацию картинок на сайте.
Попробовать
А заодно объявили о прекращении бесплатной генерации с 31 июля 2026, то есть сегодня
#t2i #realtime #news
😁6
Black Magic: LTX-2.3 22B Shadow Reconstruction IC-LoRA
Лора превращает темные видео в хорошо освещенные. Не просто делает ярче, а дорисовывает то, что могло бы быть скрыто в темноте
Спасибо @m_franz
#ltx23 #lora #relighting #nigh2day
Лора превращает темные видео в хорошо освещенные. Не просто делает ярче, а дорисовывает то, что могло бы быть скрыто в темноте
Спасибо @m_franz
#ltx23 #lora #relighting #nigh2day
👍19
SenseNova U1.5 Lite Preview
Облегченная превью версия обновки модели для быстрой генерации изображений. Фокус на качестве и удобстве правки картинок.
• генерация в 4K
• улучшенный рендер текста на изображениях
• нативное редактирование изображений
Демо
———
А так же
SenseNova-U1-8B-MoT-Infographic-V3
Модель для генерации инфографики
Демо
#4k #t2i #imageediting #design #infographics
Облегченная превью версия обновки модели для быстрой генерации изображений. Фокус на качестве и удобстве правки картинок.
• генерация в 4K
• улучшенный рендер текста на изображениях
• нативное редактирование изображений
Демо
———
А так же
SenseNova-U1-8B-MoT-Infographic-V3
Модель для генерации инфографики
Демо
#4k #t2i #imageediting #design #infographics
👍8❤2
Forwarded from Поляков считает: AI, код и кейсы
Туту проводит хакатон: хороший способ познакомиться с командой
Помните я рассказывал, что запустили MCP для сервиса путешествий Туту. Самый популярный запрос в личку по итогам анонса был про то, как я нашел проект и договорился с командой. Ответ простой, команду я уже знал, прототип приготовил за вечер. Сделал демо, оно зашло.
Вчера Туту анонсировали хакатон с призами: https://hackathon2026.tutu.ru
Призы символические — деньги на покупку внутри сервиса. Но принципиально это предложение почелленджить интересные идеи для тревел-сервиса на живом API компании.
🙋🏻♂️ Сижу в жюри, буду оценивать решения
Ваш покорный слуга приглашён в качестве судьи. На прошлой неделе проходило аналогичное мероприятие со студентами центрального университета. Лично мне зашло два решения. Одни ребята сделали ассистента, который управлял фильтрами на сайте (как Elevenlabs у себя), другие сделали Тиндер предлоджений.
🤔 Кому бы я советовал принять участие
Если интересуетесь карьерой в тревелтехе, ИИ-агентами, в т.ч. как владелец продукта — хакатон однозначно для вас.
Кроме призов организаторы совершенно точно заинтересованы в формировании кадрового резерва + с удовольствием реализуют вместе интересные проекты.
Если собираетесь участвовать — напишите в комментариях, в какую сторону копаете: подбор поездки, интерфейсное решение или свой агент поверх MCP.
----
Поляков считает — AI, код и кейсы
Помните я рассказывал, что запустили MCP для сервиса путешествий Туту. Самый популярный запрос в личку по итогам анонса был про то, как я нашел проект и договорился с командой. Ответ простой, команду я уже знал, прототип приготовил за вечер. Сделал демо, оно зашло.
Вчера Туту анонсировали хакатон с призами: https://hackathon2026.tutu.ru
Призы символические — деньги на покупку внутри сервиса. Но принципиально это предложение почелленджить интересные идеи для тревел-сервиса на живом API компании.
🙋🏻♂️ Сижу в жюри, буду оценивать решения
Ваш покорный слуга приглашён в качестве судьи. На прошлой неделе проходило аналогичное мероприятие со студентами центрального университета. Лично мне зашло два решения. Одни ребята сделали ассистента, который управлял фильтрами на сайте (как Elevenlabs у себя), другие сделали Тиндер предлоджений.
🚀 Если бы я участвовал в таком челлендже, я бы наверное сделал тиндер-механику в целом для тревела. Типа поле ввода: путешествие на двоих с семьёй и варианты, которые обучаются в зависимости от сделанных человеком лайков. Тут отлично вписываются и агенты и рексис и спецпроекты для маркетинга.
🤔 Кому бы я советовал принять участие
Если интересуетесь карьерой в тревелтехе, ИИ-агентами, в т.ч. как владелец продукта — хакатон однозначно для вас.
Кроме призов организаторы совершенно точно заинтересованы в формировании кадрового резерва + с удовольствием реализуют вместе интересные проекты.
Если собираетесь участвовать — напишите в комментариях, в какую сторону копаете: подбор поездки, интерфейсное решение или свой агент поверх MCP.
----
Поляков считает — AI, код и кейсы
👍2