Spatial Memory Agent
Фреймворк для улучшения пространственного мышления VLM без дообучения. Замороженная модель сама улучшает рассуждения, превращая проверенный опыт в переносимые уроки.
• Самоэволюция без обновления параметров и внешних пространственных инструментов
• Дистилляция проверенного опыта в компактные карточки памяти
• Перенос памяти между моделями и бенчмарками
Прикручено к Qwen3.5-9B, Qwen3.6-27B, Qwen3.6-35B-A3B, Qwen3.5-122B-A10B
Код ждем
#vlm
Фреймворк для улучшения пространственного мышления VLM без дообучения. Замороженная модель сама улучшает рассуждения, превращая проверенный опыт в переносимые уроки.
• Самоэволюция без обновления параметров и внешних пространственных инструментов
• Дистилляция проверенного опыта в компактные карточки памяти
• Перенос памяти между моделями и бенчмарками
Прикручено к Qwen3.5-9B, Qwen3.6-27B, Qwen3.6-35B-A3B, Qwen3.5-122B-A10B
Код ждем
#vlm
👍9🔥2
Автор Inline Studio предложил способ получать консистентного персонажа FLUX без обучения лор
Кэшировать референсы в портативный .char-файл - несколько МБ, в нем референсные картинки персонажа плюс текстовое описание. Сходство дает сам FLUX.2: картинки из файла подаются в нативный multi-ref канал, модель смотрит их напрямую и переносит внешность на новый кадр. Без обучения, внешность рождается из референсов, а не из эмбеддингов
Эмбеддинги не генерируют человека,только скорят результат: SFace дает компактную сигнатуру лица, DINOv2 - общий облик (768 чисел: комплекция, волосы, вид), YuNet - детект и кроп лица. Все это оценивает сходство
Итого: крошечный файл на персонажа в духе textual inversion
Гитхаб
Inline Studio - локальный движок для ИИ-кинопроизводства на нодовом канвасе. Собирает весь пайплайн от мудборда до финального монтажа
#flux2 #personalization #referencing
Кэшировать референсы в портативный .char-файл - несколько МБ, в нем референсные картинки персонажа плюс текстовое описание. Сходство дает сам FLUX.2: картинки из файла подаются в нативный multi-ref канал, модель смотрит их напрямую и переносит внешность на новый кадр. Без обучения, внешность рождается из референсов, а не из эмбеддингов
Эмбеддинги не генерируют человека,только скорят результат: SFace дает компактную сигнатуру лица, DINOv2 - общий облик (768 чисел: комплекция, волосы, вид), YuNet - детект и кроп лица. Все это оценивает сходство
Итого: крошечный файл на персонажа в духе textual inversion
Гитхаб
Inline Studio - локальный движок для ИИ-кинопроизводства на нодовом канвасе. Собирает весь пайплайн от мудборда до финального монтажа
#flux2 #personalization #referencing
👍18🔥3💯1
This media is not supported in your browser
VIEW IN TELEGRAM
AutoDesign
инструмент агентного дизайна, превращает научную статью в готовые демонстрационные материалы: постер, слайды, веб-страницу и озвученное видео. Загружаешь PDF - получаешь весь комплект
Главная фишка: система построена на обвязке для готовых моделей - промпты, инструменты, правила и порядок работы. Саму модель не трогают, а качество результатов растёт
• Постер из PDF-статьи в редактируемом HTML
• Paper All-in-One - из одной статьи постер, слайды, сайт и видео с субтитрами
• Конференц-видео 1080p с закадровым голосом
• Контент привязан к источнику - утверждения и графики не выдумываются
• До 12 попыток правок на артефакт, лучшая версия сохраняется
• Совместимо с Claude Code, Codex, Kimi Code и любыми моделями
Гитхаб
Демо
#desing #agent #garness #pdf2video #pdf2design #pdf2slides #paper2design
инструмент агентного дизайна, превращает научную статью в готовые демонстрационные материалы: постер, слайды, веб-страницу и озвученное видео. Загружаешь PDF - получаешь весь комплект
Главная фишка: система построена на обвязке для готовых моделей - промпты, инструменты, правила и порядок работы. Саму модель не трогают, а качество результатов растёт
• Постер из PDF-статьи в редактируемом HTML
• Paper All-in-One - из одной статьи постер, слайды, сайт и видео с субтитрами
• Конференц-видео 1080p с закадровым голосом
• Контент привязан к источнику - утверждения и графики не выдумываются
• До 12 попыток правок на артефакт, лучшая версия сохраняется
• Совместимо с Claude Code, Codex, Kimi Code и любыми моделями
Гитхаб
Демо
#desing #agent #garness #pdf2video #pdf2design #pdf2slides #paper2design
👍15
MiniMax H3 Extender
Еще один кастомн пак для генерации длинных непрерывных видео MiniMax H3. Все в одной ноде
• Мультиклиповая генерация H3 в одной ноде
• Motion Context между клипами - видео и аудио
• Два режима: clip_by_clip с валидацией и full_batch для автоматической генерации всей последовательности
• Промпт, сид и длительность для каждого клипа отдельно
• Ретрай отдельных клипов до валидации, валидные клипы лочатся и не пересэмпливаются
• Автоинвалидация зависимых клипов при изменении раннего
• Диск-кэш видео и аудио латентов, низкий расход RAM/VRAM
• Автоматическая коррекция швов - фотометрия, сдвиг стыка, деклик аудио
• Работает с ref-моделью и fl2va
#longvideo #minimaxH3
Еще один кастомн пак для генерации длинных непрерывных видео MiniMax H3. Все в одной ноде
• Мультиклиповая генерация H3 в одной ноде
• Motion Context между клипами - видео и аудио
• Два режима: clip_by_clip с валидацией и full_batch для автоматической генерации всей последовательности
• Промпт, сид и длительность для каждого клипа отдельно
• Ретрай отдельных клипов до валидации, валидные клипы лочатся и не пересэмпливаются
• Автоинвалидация зависимых клипов при изменении раннего
• Диск-кэш видео и аудио латентов, низкий расход RAM/VRAM
• Автоматическая коррекция швов - фотометрия, сдвиг стыка, деклик аудио
• Работает с ref-моделью и fl2va
#longvideo #minimaxH3
👍16🥴7😁4
What to Edit Next
Фреймворк от Alibaba для рекомендаций следующих правок в чате по генерации картинок. После каждой итерации подсказывает, что отредактировать дальше - чтобы совет был уместным, разнообразным и выполнимым на текущем изображении.
На базе Qwen3-VL-8B
кода-весов нет
#research #vlm
Фреймворк от Alibaba для рекомендаций следующих правок в чате по генерации картинок. После каждой итерации подсказывает, что отредактировать дальше - чтобы совет был уместным, разнообразным и выполнимым на текущем изображении.
На базе Qwen3-VL-8B
кода-весов нет
#research #vlm
🔥6❤2👍1
Media is too big
VIEW IN TELEGRAM
OrbitSheets
Кастом пак для создания референс-листов персонажей и локаций. Вместо генерации по углам из текста - один камерный пролёт MiniMax H3, из которого вырезаются согласованные ракурсы.
• Character Sheet - турнтейбл из текстового описания: фуллбоди, лицо, профили, спина, крупные планы
• Location Sheet - интерьер и экстерьер с нескольких углов, режимы cut views и continuous move
• Генерация голоса персонажа из того же латента, что и картинка
• Smart frame selector - vision-модель отбирает лучшие кадры и раскладывает в аккуратный лист
• Настройка числа кадров, колонок, отступов и размера
• База MiniMax H3, якорный кадр от Krea2 Turbo
#referencing #comfyui #minimaxh3 #krea2
Кастом пак для создания референс-листов персонажей и локаций. Вместо генерации по углам из текста - один камерный пролёт MiniMax H3, из которого вырезаются согласованные ракурсы.
• Character Sheet - турнтейбл из текстового описания: фуллбоди, лицо, профили, спина, крупные планы
• Location Sheet - интерьер и экстерьер с нескольких углов, режимы cut views и continuous move
• Генерация голоса персонажа из того же латента, что и картинка
• Smart frame selector - vision-модель отбирает лучшие кадры и раскладывает в аккуратный лист
• Настройка числа кадров, колонок, отступов и размера
• База MiniMax H3, якорный кадр от Krea2 Turbo
#referencing #comfyui #minimaxh3 #krea2
❤10👍7
MiniMax H3 Hybrid (fl2va base + ref2va reference pathway)
Мердж
Спрасибо @muxastarikov
#referencing #minimaxH3
Мердж
fl2va and ref2va с попыткой сохранить лучшее от обеихСпрасибо @muxastarikov
#referencing #minimaxH3
huggingface.co
smhfacct/Minimax-H3-fl2va-ref2va-hybrid-models · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
👍11❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Pika Music
Pika выпустила семейство аудиомоделей
Pika Soundtrack превращает видео в синхронизированную музыку, речь, атмосферу и звуковые эффекты, реагирующие на движение
Pika Music превращает промты, тексты песен, голоса и референс-треки в полноценные композиции
Pika SFX превращает написанные указания в чистые, соответствующие промту звуковые эффекты. 44.1 kHz stereo
Pika Speech превращает текст в выразительную речь с использованием предустановленных голосов или вашего собственного голосового клона. 48 kHz
API
Playground
#text2music #text2sfx #video2av #tts #voicecloning
Pika выпустила семейство аудиомоделей
Pika Soundtrack превращает видео в синхронизированную музыку, речь, атмосферу и звуковые эффекты, реагирующие на движение
Pika Music превращает промты, тексты песен, голоса и референс-треки в полноценные композиции
Pika SFX превращает написанные указания в чистые, соответствующие промту звуковые эффекты. 44.1 kHz stereo
Pika Speech превращает текст в выразительную речь с использованием предустановленных голосов или вашего собственного голосового клона. 48 kHz
API
Playground
#text2music #text2sfx #video2av #tts #voicecloning
👍8❤1
comfyui-mcp
MCP-сервер для комфи от подписчика @Aleks_101
Подключает любого ИИ-агента к локальному ComfyUI. Не только через API, а напрямую к рабочему процессу, открытому во вкладке браузера. Официальный mcp от ComfyUI только облачный, аналоги завязаны на ключи и Copilot - тут всё своё, локально.
• 45 инструментов для LLM: статус, воркфлоу, логи, канвас, запуск, скачивание моделей
• Чтение и правка живого графа - виджеты, связи, лейблы, layout, undo
• Запуск воркфлоу с прогрессом и отдачей результата
• Скачивание моделей в нужные директории без ручной загрузки
• Диагностика по логам ComfyUI и консоли браузера
• Сборка воркфлоу с нуля или починка нерабочего графа
• Перевод подписей графа на другой язык одним вызовом
• Конфиги готовы под Claude Code, Cursor, Kilo Code, OpenCode, LM Studio, Cherry Studio, MiMo Code, OpenClaw, Hermes, Codex, llama.cpp
• Белый список хостов для загрузки моделей
#comfyui #mcp
MCP-сервер для комфи от подписчика @Aleks_101
Подключает любого ИИ-агента к локальному ComfyUI. Не только через API, а напрямую к рабочему процессу, открытому во вкладке браузера. Официальный mcp от ComfyUI только облачный, аналоги завязаны на ключи и Copilot - тут всё своё, локально.
• 45 инструментов для LLM: статус, воркфлоу, логи, канвас, запуск, скачивание моделей
• Чтение и правка живого графа - виджеты, связи, лейблы, layout, undo
• Запуск воркфлоу с прогрессом и отдачей результата
• Скачивание моделей в нужные директории без ручной загрузки
• Диагностика по логам ComfyUI и консоли браузера
• Сборка воркфлоу с нуля или починка нерабочего графа
• Перевод подписей графа на другой язык одним вызовом
• Конфиги готовы под Claude Code, Cursor, Kilo Code, OpenCode, LM Studio, Cherry Studio, MiMo Code, OpenClaw, Hermes, Codex, llama.cpp
• Белый список хостов для загрузки моделей
#comfyui #mcp
1❤24👍4
TeraTTSv2
Локальный TTS от TeraSpace на ONNX Runtime
Русский и английский
работает на CPU, ничего в облако не уходит. Готовый движок с диффузионным синтезом и потоковой отдачей аудио.
• Генерация речи на русском и английском с тегами [ru] и [en] в одном запросе
• Автоматическая расстановка ударений в русском через RUAccent, ручные + приоритетнее
• 10 готовых голосов, рекомендованные русские ru_f1 и ru_m5
• Потоковая отдача аудио чанками
• Числа разворачиваются словами на нужном языке
• 44.1 кГц, моно, float32
• Два сэмплера - distilled на 8 шагов или teacher с настраиваемым CFG
• duration_scale меняет темп, режимы ударений full и dictionary
• Голоса от supertonic-3 подходят к TeraTTSv2 - скрипт supertonic_json_to_teratts.py конвертит json в стиль. Их можно подбирать (и клонировать) через через supertonic3-voice-clone
• Supertonic-Voice-Mixer - GUI, крутит латент стиля и миксует голоса
• Английским голосом на русском - пробуйте duration_scale 0.8
Демо
Клонирование
Миксер
Скрипт закину в коменты
#tts #russian #voicecloning
Локальный TTS от TeraSpace на ONNX Runtime
Русский и английский
работает на CPU, ничего в облако не уходит. Готовый движок с диффузионным синтезом и потоковой отдачей аудио.
• Генерация речи на русском и английском с тегами [ru] и [en] в одном запросе
• Автоматическая расстановка ударений в русском через RUAccent, ручные + приоритетнее
• 10 готовых голосов, рекомендованные русские ru_f1 и ru_m5
• Потоковая отдача аудио чанками
• Числа разворачиваются словами на нужном языке
• 44.1 кГц, моно, float32
• Два сэмплера - distilled на 8 шагов или teacher с настраиваемым CFG
• duration_scale меняет темп, режимы ударений full и dictionary
• Голоса от supertonic-3 подходят к TeraTTSv2 - скрипт supertonic_json_to_teratts.py конвертит json в стиль. Их можно подбирать (и клонировать) через через supertonic3-voice-clone
• Supertonic-Voice-Mixer - GUI, крутит латент стиля и миксует голоса
• Английским голосом на русском - пробуйте duration_scale 0.8
Демо
Клонирование
Миксер
Скрипт закину в коменты
#tts #russian #voicecloning
huggingface.co
TeraSpace/TeraTTSv2 · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
🔥12👍9❤1
Stripe покупает OpenRouter за $7+ млрд
Официально стороны молчат, цена может ещё измениться.
OpenRouter основан в 2023-м, в мае подняли инвестиций $113 млн при оценке $1.3 млрд. Через три месяца покупают за 7. Хотя изначально, по WSJ, речь шла о $10 млрд - утечка в прессу до закрытия сделки сбила ценник.
OpenRouter - маркетплейс, который роутит трафик между сотнями ИИ-моделей: 500+ моделей от 80+ компаний, включая OpenAI, Anthropic и DeepSeek
Основатель OpenRouter раньше сам называл стартап "ИИ-эквивалентом Stripe"
Вот такие тревожные #news
#router
Официально стороны молчат, цена может ещё измениться.
OpenRouter основан в 2023-м, в мае подняли инвестиций $113 млн при оценке $1.3 млрд. Через три месяца покупают за 7. Хотя изначально, по WSJ, речь шла о $10 млрд - утечка в прессу до закрытия сделки сбила ценник.
OpenRouter - маркетплейс, который роутит трафик между сотнями ИИ-моделей: 500+ моделей от 80+ компаний, включая OpenAI, Anthropic и DeepSeek
Основатель OpenRouter раньше сам называл стартап "ИИ-эквивалентом Stripe"
Вот такие тревожные #news
#router
👀7🍌4🥴2🫡1