Перепись динозавров - 2

#humor

VideoCoCo

Генератор видео с физически корректной анимацией. Использует код как цепочку рассуждений, чтобы сначала создать черновик с физикой, а потом превратить его в фотореалистичное видео

пайплайн построен на базе OmniWeaving

• создаёт нейтральный черновик (proxy-видео) с правильной физикой и движением
• проверяет черновик на соответствие физическому плану
• преобразует черновик в фотореалистичное видео по инструкции

• включает набор Agent Skills для работы пайплайна
• содержит игрушечный датасет из 8 видеопар (source и target)
• есть скрипты для пакетного вывода

Гитхаб
HF ждем

#t2v #simulation

Ouroboros теперь #SOTA на Terminal Bench, OSWorld и CL-bench

GitHub
Хабр
установочники

Автор

#agent #orchestrator

VibeVoice-ASR-BitNet

Сжатая версия распознавалки речи VibeVoice-ASR для рилтайма на CPU, не требует GPU

качество ниже чем у VibeVoice-ASR-7B, зато легкий

• работает на x86 (AVX2) и ARM (NEON)
• поддерживает несколько языков
• размер: 1.58 ГБ (сжато с 4.62 ГБ)
• ускорение: в 1.6–2.3 раза быстрее Whisper.cpp

Гитхаб
HF
Демо

#asr #realtime #mobile

Chronosplat

4DGS-плеер анимированных гауссиан

Есть конвертация PLY в SOG, экспорт в HD

Гитхаб
Демо

#gaussian #4d #vier

MiniMax H3 релизнули

Day‑0 поддержка в ComfyUI

Воркфлоу там же.

В нашем чате весь день выкладывают генерации

HF

#t2v #i2v #r2v #comfyui

PrunaVAED

Альтернативный VAE-декодер для LTX-2.3

• в 1.7 раза быстрее LTX-2.3 VAED
• на ~50% ниже пиковое потребление VRAM
• близкое к оригиналу качество изображения

• совместим с diffusers/LTX-2.3-Diffusers
• есть бенчмарки для разных разрешений (720p, 1080p)
• протестировано на NVIDIA H100 80GB
• ограничения: оценен на 4-секундных клипах при 24 fps, не является полной T2V-моделью, не совместим с произвольными VAE-латентными данными

Comfyui поддержка

Спасибо @m_franz @BrianMItro

#VAE #optimization

Qwythos-27B-v1

27B версия модели от Empero на базе Qwen3.5-27B, дообученная под агентские сценарии и работу с инструментами.

Архитектура не урезана, все ключевые компоненты (MTP, vision) остались без изменений

• нативная MTP-головка - ускорение генерации через self-speculative decoding
• встроенная поддержка function calling, сразу выдаёт <tool_call> без доп. обёрток
• заточка под CLI-агентов и многошаговые вызовы инструментов
• полная мультимодальность, сохранена исходная vision-архитектура

• контекст 1M токенов
• лицензия Apache-2.0

Квантизации

#multimodal #coding #agent #reasoning #toolcall #gguf

pdf-inspector

Быстрый PDF-парсер на Rust от Firecrawl, конвертирует PDF в Markdown

Оптимизирован под подготовку данных. Делает акцент на логике документа, а не только на скорости

• сохраняет структуру документа
• корректно парсит заголовки
• извлеаект таблицы
• прямая интеграция в RAG и пайплайны

• ~0.002 сек на страницу
• 2.8 сек на 200 PDF

#pdf #pdf2markdown #ocr

Новый бенчмарк от Андрея Карпаты

Он дал Opus 5 первый абзац Властелина колец, бюджет в 1 млн токенов и попросил создать трёхмерную визуализацию на three.js

За два часа Опус написал 5500 строк кода, который процедурно отрендерил сюжет

Автор видит потенциал в создании уникальных миров для игроков, например, чтобы участвовать в сюжете Властелина колец в качестве NPC или одного из персонажей. Однако он отмечает слабость LLM: модели не могут эффективно проверять свою работу, так как не умеют воспринимать видео или играть в игры. Опусу пришлось для самопроверки медленно делать скриншоты в разных точках, из-за чего возникали ошибки

#news