Нейронавт | Нейросети в творчестве
13.3K subscribers
7.26K photos
5.73K videos
51 files
7.38K links
Канал про нейросети в компьютерной графике, в кино и вообще

В папках и запусках не участвую

для связи @Neuronauticus

РКН: https://hf.ru/link8e56d
Download Telegram
Latent-to-4D

Генерация динамических 4D-сцен из текста и картинок без промежуточного RGB-декодинга. Вместо RGB-декодинга берет финальный латент видео-DiT и поднимает его сразу в явную 4D-сцену

На выходе камеры и динамические карты точек в мировых координатах.

• Text-to-4D - сцена из текста, 81 кадр с камерами и динамической геометрией
• Image-to-4D - первый кадр задаёт внешний вид и композицию
• Audio-driven 4D - аудио управляет лицом, телом и камерой
• Video-as-prompt 4D - перенос стиля/трансформации из демо-видео
• Pose-controlled и motion-controlled анимация - скелет или траектории точек ведут движение
• 4D-симуляция для робоманипуляций

Гитхаб ждем

#textto4d #imageto4d #4d
👍7❤2
Rest2Art

Реконструкция артикулированных объектов из одного кадра в закрытом состоянии без единого примера движения. Из обычного захвата делает готовый ассет с геометрией частей и параметрами шарниров

• Восстановление геометрии частей + параметров сочленений из одного статичного кадра
• Параметры шарниров решаются через геометрическую согласованность с мешем, а не берутся из видео

• Качество на уровне методов, которые видят движение

Применение: Real-to-Sim-to-Real - реальный объект реконструируют, импортируют в симуляцию, запускают манипуляцию на реальном роботе

Гитхаб ждем

#image2simulation #imageto3d
👍7
Grok 4.6

Новая модель xAI, надстройка над Grok 4.5 с упором на длинно-живущих агентов и интерактивную/визуальную работу. Тянет сложные задачи на многих шагах - исследования, код, превращение идеи в готовый продукт.

• Удержание цели на длинных траекториях - исследование незнакомых доменов, структура приложения, итерации по фидбеку
• Self-testing - проверяет собственную работу перед переходом дальше
• Сильные первые проходы визуальных и интерактивных проектов - структура и визуальный язык за один заход
• Агентный RL поверх: knowledge work, кодинг, kernel-оптимизация, веб-разработка, CAD

Доступен в Cursor, Grok Build, API и партнёрах - OpenRouter, Vercel, Cloudflare

Цена $2/M входных, $6/M выходных токенов, fast-вариант вдвое дороже. Первую неделю - 2x включённого объёма в Cursor и Grok Build.

Попробовать

#news #agent
👍8
This media is not supported in your browser
VIEW IN TELEGRAM
Unsloth Desktop

Десктоп приложение от Unsloth для запуска и дообучения моделей на локальном железе, без облака. Windows, macOS, Linux

• Движок оптимизирован под CPU и мульти-GPU связки NVIDIA, AMD, Intel, Apple
• Форматы: MLX, GGUF, NVFP4

• Запуск LLM в форматах MLX и GGUF + диффузионных моделей для генерации картинок, аудио и видео
• Подключение агентов Claude Code, OpenAI Codex, Hermes Agent, OpenClaw, OpenCode к локальным LLM
• Дообучение с ускорением x2 и снижением VRAM на 70%
• Приватный веб-поиск и RAG из коробки
• Поддержка стандарта MCP
• Экспорт весов в NVFP4 и GGUF

Гитхаб

#finetuning #tools
👍14
На реддите появился пост от создателя децензора Heretic

Автор предостерегает от использования heretic-моделей в качестве текстовых энкодеров для H3 и прочих подобных генераторов

По его словам, модификации Heretic, позволяющие обходить цензуру в LLM, не дают эффекта в генерации изображений и видео: LLM и без того корректно распознают "вредный" контент, а передача слегка изменённых представлений в модель диффузии не усиливает детализацию, но может ухудшить соответствие запросу и привести к артефактам.

Юзеры подтверждают снижение качества генерации при таком подходе

#news #uncensored
🤔8👍6
Еще релизы флагманов

Qwen3.8-2.4T-A95B

крупнейшая модель Qwen, веса открыты

• 2,4 трлн параметров, 95B активных
• 512 экспертов
• контекст до 1 млн токенов
• TerminalBench 2.1 — 86,6, PaperBench — 93,0
———

DeepSeek V4 Pro 0813

финальная Pro-версия в официальном API

• контекст 1 млн токенов, до 384K output
• Responses API и tool calling
• цена: 0,435/1M входных (cache miss), 0,87/выход, $0,003625/вход (cache hit)
• рост Terminal-Bench 2.1 с 72,1% до 87,9%, CyberGym с 52,7% до 83,3%, DeepSWE с 12,8% до 62,7%

+ выпустили свой харнесс
DeepSeek Harness

#agent #harness
🔥12👍3
Suno Studio 2.0

После кнута Suno и пряник кинули пользователям.
Крупное обновление студии Suno - из генератора треков превращается в "полноценный" музыкальный редактор. Доступно подписчикам Premier

Что нового
• MIDI-треки со встроенными синтами + поддержка внешних MIDI-контроллеров, transport control и MIDI learn
• Аудиоэффекты - sidechain-компрессия, convolution reverb, свои эффекты через чат-бар
• Chat bar - генерация звуков, создание уникальных плагинов и пресетов синтов, справка
• Wavetable-синт - басы, лиды, пэды, аккорды. Пресеты проектируются промптом
• Musical typing - игра MIDI-партий с обычной клавиатуры, режимы арпеджиатора и аккордов
• Автоматизация - параметры эффектов меняются во времени
• Свежая Suno stem separation (разделение на дорожки)

#musicediting
😁6❤5👍1
Накопилось свистоперделок для #minimaxH3

Улучшайзер лиц
github.com/Carasibana/ComfyUI-H3-FaceRefine

Создает единое длинное видео из последовательных по времени кусков без видимых склеек
huggingface.co/joeygambino/MiniMax-H3-Multishot-Workflow

Многоплановый воркфлоу в одной ноде
github.com/shootthesound/ComfyUI-H3Studio

Лора от Lightx2v поверх Qwen3.6-27B для переписывая промпта
huggingface.co/lightx2v/MiniMax-H3-Prompt-Rewriter-LoRA

Турбо лора 4 шага от них же, версия Киджая
huggingface.co/Kijai/MiniMax-H3_comfy/tree/main/loras

Там же уровнем выше лежит int8 video vae

Лора реализм
huggingface.co/fal/MiniMax-H3-Realism-People-LoRA

Лора на 8 шагов
huggingface.co/tutututututu/Tutu-MiniMax-H3-AudioVideo-20to8-NFE-LoRA

Кстати тренить лоры на 16+ ГБ VRAM можно вот этим
github.com/inlineresearch/Inline-Studio

Латентный апскейлер
huggingface.co/Mamad8/H3-Latent-Upscaler-2x

#lora #vae #directing #realism #finetuning #longvideo
🔥19👍8