Anydoc

Еще один парсер документов от Firecrawl для быстрой конвертации в Markdown без потери структуры и качества

• конвертация PDF, Word, презентаций и 10+ форматов
• сохранение качества обработки во всех типах файлов

• скорость 500 docx за 1,7 секунды
• поддержка широкого спектра форматов

#any2markdown #ocr

MiniMax H3 Team провели AMA на реддите - ответили на вопросы

- H3-Regenerate-2K не просто апскейлер, а отдельный модуль для генерации в более высоком разрешении. Его планируют открыть, но пока улучшают эффективность и качество

- Рассказано про подход к разреженной внимательности (sparse attention), который отличается от MSA и ближе к MoBA-стилю. Планируется выпустить консервативную реализацию

- Упоминается работа над улучшением качества Ref2VA и снижением размытости деталей

- Планируют выпустить модель для генерации изображений и редактирования на базе H3

- Ответы на вопросы про продление видео, промптинг, проблемы с качеством и прочее

#news #ama #minimaxH3

Muse Glimmer

30B опенсорсная агентная модель от Meta Superintelligence Labs. Дистиллят Muse Spark, заточен под локальных AI-агентов. Работает на компе с одной видеокартой, без облака. Apache 2.0.

• End-to-end агентные задачи: SWE-Bench, DeepSearch QA, MCP-Atlas, τ-Bench
• Надёжный вызов инструментов и функций по схемам в многошаговых сценариях
• Мультимодальный вход - текст + картинки (скриншоты, графики, документы)
• Failure recovery - сама перезапускает упавшие тулзы вместо зависания
• Контролируемое усилие рассуждения - low / medium / high / xhigh
• 100+ языков

Параметры
• 29.6B, контекст 131K+ токенов
• 4-битное квантование - модель сжата до ~17 ГБ, влезает в 24 ГБ VRAM
• DFlash speculative decoding - ускорение ×3.1 на RTX 5090, ×1.8 на M5 Max
• ViT-G/14 энкодер (~1.8B), до 4096 визуальных токенов на картинку

Обещают интеграции с llama.cpp, MLX, ExecuTorch, Ollama, LM Studio, vLLM.

HF
квантизации
Демо

Спасибо @m_franz

#agent #local #gguf #int4

MAI-Image-2.6

Новая версия генератора картинок от Microsoft
Поднялась на #2 в Arena text-to-image leaderboard, обойдя Google, Meta и xAI. +79 Elo к MAI-Image-2.5, +91 Elo только по отрисовке текста.

Что улучшили
• Отрисовка текста - главный скачок, +91 Elo
• Портреты и 3D-изображения
• Коммерческие и фотореалистичные сцены - товарка, брендинг, синематик
• Мультиреференсная генерация - работа с несколькими исходниками
• Более богатый grounding и контроль над форматом/разрешением

Доступна на Arena, на MAI Playground - позже на этой неделе, в Microsoft Foundry в ближайшее время.

Спасибо @Goog1le

#t2i

MatrAIx

Опенсорсная инфраструктура для тестирования ИИ-систем и цифровых продуктов на синтетических пользователях

Оцените масштаб: 8.3 млрд персон-агентов - симуляция всего населения Земли

Персоны проверены на совпадение с реальными демографическими распределениями по полу, возрасту, стране, языку, доходу, образованию

• Четыре режима оценки: опросы, чат-боты, веб-прототипы, интерфейсы приложений
• Кастомные персоны - можно задать любой демографический сегмент
• A/B-тесты с сегментированными отчётами
• Коррекция persona drift

• Стоимость: ~$3.60 за 10K опросов против $28K+ на живых людях

Гитхаб
Плейграунд для локального запуска

#simulation #agent

Splatlight

Плагин для работы с гауссианами в Blender. Добавляет реалистичные тени без внешних инструментов.

Совместим с Cycles и Eevee

В бесплатной версии релайтинг и экспорт

В платной ($35) - редактирование, 4D-воспроизведение, запекание света, Surface Paint, прокси-риггинг и анимация, а также генераторы.

gumroad
Superhive

#gaussian #relighting #blender #plugin #4d

Memora

Еще одна память для агентов
Структурированное хранение, семантический поиск, граф знаний, RAG-чат. MIT-лицензия, 636 звёзд на GitHub.

Фишки: typed edges между воспоминаниями (implements, supersedes, contradicts), авто-связывание по семантической близости, защита документных фрагментов от случайного удаления/мtрджа.

• Встраивается как MCP-сервер
• Векторный поиск: OpenAI (по умолчанию), локальные sentence-transformers (~2 ГБ) или TF-IDF
• Облачные бэкенды: Cloudflare D1, R2, S3-совместимые
• LLM и эмбеддинги конфигурируются раздельно - можно OpenRouter для чата + Cloudflare для векторов

#agent #memory

Пока Suno ограничивает количество скачиваний треков до 7 за всю жизнь аккаунта, посмотрите еще один сервис для генерации музыки

Treblo

Бывший Sonauto, сменили имя в июне. Неограниченное число песен на последней модели, без платных заглушек - с трудом конечно верится

• Генерация песен по текстовому описанию + стилевым тегам - 4160+ стилей
• Свои тексты или авто-лирика на любом языке, включая микс языков в одном треке
• Инструменталы - отключаешь вокал и получаешь бэк-трек, lo-fi, саундтрек
• Редактирование: inpaint секций, замена текста, extension треков, stem separation
• Шеринг: публикация в профиль, группы, плейлисты, unlisted-ссылки
• iOS и Android
• OGG, MP3, WAV, FLAC, M4A
—

Treblo Classifier - определитель музыки созданyой в Treblo

Гитхаб

#text2music #musicediting

Опубликовали веса

https://huggingface.co/Lightricks/LTX-2.5

FLUX 3 раздают бесплатно до утра понедельника 17 августа

Накидывайте ваши тесты в комментарии

Спасибо @m_franz

#flux3 #giveaway #t2v

ComfyUI Mobile Frontend

Фронтенд для ComfyUI под мобильные устройства

Ждем аппку на iOS

#mobile #gui #comfyui

Ко вчерашнему релизу LTX-2.5

LTX-2.5-22b-IC-LoRA-Pixel-Spatial-Upscaler

Апскейл-лора с сохранением текстуры и мелких деталей
———

LTX-2.5 22B Distilled — NVFP4, ComfyUI-ready

Дистиллированная версия NVFP4 - 18.7 GB
———

Прочие квантизации/дистилляции

#gguf #ltx25 #nvfp4 #upscale

VocalRender

Генератор вокала по тексту и MIDI-партии
Никаких явных длительностей фонем и F0-кривых: модель сама решает, когда и как петь. Построен на VoxCPM2.
Заявлен только китайский язык, предположу что можно дообучить на другие.

• Score-native ввод — ноты+слова+BPM, один токен на слог с поддержкой мелизмов (слог на несколько нот)
• Контроль тембра через промпт-аудио — кидаешь 2–8 секунд чистого вокала, модель поет в этом голосе
• Два чекпоинта: VocalRender и VocalRender-Pro (дольше тренирован на бОльшем корпусе реального пения)
• 48 kHz WAV

Гитхаб
HF
Демо - принимает только китайский текст

#vocal #midi2vocal #text2vocal #music