VibeWorlding
Фреймворк от HKUST и Tencent для агентов, которые строят интерактивные 3D-миры по текстовому запросу. Единый стек: бенчмарк, песочница для RL и модели. Агент сам понимает интент, планирует сцену, вызывает 3D-инструменты и рефлексирует по фидбеку.
• Сборка 3D-мира от запроса до готовой сцены без ручной работы
• многошаговое взаимодействие с окружением - планирование, вызов инструментов, рефлексия
• Поиск и редактирование ассетов, рендер сцены через MCP-инструменты
• Флагман VibeWorlder-30B-A3B, есть версии 8B и embedding 4B
Гитхаб
HF
#textto3d #3d #agent
VK | MAX
Фреймворк от HKUST и Tencent для агентов, которые строят интерактивные 3D-миры по текстовому запросу. Единый стек: бенчмарк, песочница для RL и модели. Агент сам понимает интент, планирует сцену, вызывает 3D-инструменты и рефлексирует по фидбеку.
• Сборка 3D-мира от запроса до готовой сцены без ручной работы
• многошаговое взаимодействие с окружением - планирование, вызов инструментов, рефлексия
• Поиск и редактирование ассетов, рендер сцены через MCP-инструменты
• Флагман VibeWorlder-30B-A3B, есть версии 8B и embedding 4B
Гитхаб
HF
#textto3d #3d #agent
VK | MAX
👍5
This media is not supported in your browser
VIEW IN TELEGRAM
Qwen-Video-Edit
Картинки видеогенераторами уже делали, теперь наоборот
Видеоредактор по текстовой инструкции, собранный без видео-трансформера. Qwen-Image-Edit научили править видеолатенты напрямую - кадры раскладываются в виртуальную сетку как одна огромная картинка
• Редактирование видео по инструкции
• Длинные ролики кусками по 45 кадров, каждому свой промпт
• Портретные видео нативно, пропорции сохраняются
• Финальный прогон через Wan 2.2 для временной стабильности
• VAE от Wan 2.1
• Чекпоинт обучен под 360p и 45 кадров
• DiT ~40 ГБ, text encoder ~15 ГБ, Wan 2.2 A14B ~80 ГБ
Гитхаб
HF
#videoediting #QIE
VK | MAX
Картинки видеогенераторами уже делали, теперь наоборот
Видеоредактор по текстовой инструкции, собранный без видео-трансформера. Qwen-Image-Edit научили править видеолатенты напрямую - кадры раскладываются в виртуальную сетку как одна огромная картинка
• Редактирование видео по инструкции
• Длинные ролики кусками по 45 кадров, каждому свой промпт
• Портретные видео нативно, пропорции сохраняются
• Финальный прогон через Wan 2.2 для временной стабильности
• VAE от Wan 2.1
• Чекпоинт обучен под 360p и 45 кадров
• DiT ~40 ГБ, text encoder ~15 ГБ, Wan 2.2 A14B ~80 ГБ
Гитхаб
HF
#videoediting #QIE
VK | MAX
👍9❤3🤷♂2🤔1
Путешественники из будущего в прошлое существуют
Но у них проблемы с попаданием в нужный момент и локацию
#humor
VK | MAX
#humor
VK | MAX
😁20😱8
Media is too big
VIEW IN TELEGRAM
HappyShrimp 1.0
Пополнение в счастливом зоопарке
Генератор песен по промптру
- Полный цикл одной моделью: тексты, композиция, аранжировка и вокал
- Перед генерацией аудио строит структуру песни, гармонию, ритм, динамику энергии
- Жанры: поп, R&B, хип-хоп, рок, фанк, электроника, классика, джаз, китайский стиль
- Продолжительность треков и скорость генерации не раскрыты
- Партнёрство с Taihe Music Group
Попробовать
#text2music
VK | MAX
Пополнение в счастливом зоопарке
Генератор песен по промптру
- Полный цикл одной моделью: тексты, композиция, аранжировка и вокал
- Перед генерацией аудио строит структуру песни, гармонию, ритм, динамику энергии
- Жанры: поп, R&B, хип-хоп, рок, фанк, электроника, классика, джаз, китайский стиль
- Продолжительность треков и скорость генерации не раскрыты
- Партнёрство с Taihe Music Group
Попробовать
#text2music
VK | MAX
👍8❤2😁2
ComfyOrg не выдержал конкуренции с Алексом
Выпустили свой MCP сервер в опенсорс, можно использовать на локальном комфи, раньше был только облачный
Ассистент видит твою локальную установку ComfyUI, кастомные ноды в том числе, все модели на диске
- пишет и редактирует граф ComfyUI естественным языком
- Управление моделями
- Отладка воркфлоу
- Пакетная генерация с перебором параметров (cfg, steps, sampler, seed)
- Работает с Claude, ChatGPT, Gemini, Ollama (офлайн), OpenRouter - любая LLM
- 178 MCP-инструментов, 36 скиллов, 55 установочных пакетов
- Самоопределение ComfyUI: авто-детект порта и пути
- macOS, Linux, Windows
github.com/Comfy-Org/Comfy-mcp
docs.comfy.org/agent-tools/mcp
github.com/Comfy-Org/comfy-skills
#comfyui #mcp
VK | MAX
Выпустили свой MCP сервер в опенсорс, можно использовать на локальном комфи, раньше был только облачный
Ассистент видит твою локальную установку ComfyUI, кастомные ноды в том числе, все модели на диске
- пишет и редактирует граф ComfyUI естественным языком
- Управление моделями
- Отладка воркфлоу
- Пакетная генерация с перебором параметров (cfg, steps, sampler, seed)
- Работает с Claude, ChatGPT, Gemini, Ollama (офлайн), OpenRouter - любая LLM
- 178 MCP-инструментов, 36 скиллов, 55 установочных пакетов
- Самоопределение ComfyUI: авто-детект порта и пути
- macOS, Linux, Windows
github.com/Comfy-Org/Comfy-mcp
docs.comfy.org/agent-tools/mcp
github.com/Comfy-Org/comfy-skills
#comfyui #mcp
VK | MAX
😁18👍7😱1
MOSS-VL
Семейство открытых визуально-языковых моделей от OpenMOSS. Флагманская фишка - реалтайм-стриминг: модель смотрит на входящие кадры и отвечает параллельно, не дожидаясь конца видео
модель живёт в настоящем времени, а не смотрит запись постфактум. Вместо внешних планировщиков и опроса раз в секунду - три встроенных поведения: ответ в любой момент, проактивное молчание, своевременная коррекция.
• 11B параметров, контекст 256K
• Кванты FP8 и NF4
Гитхаб
HF
Демо
#vlm #realtime #fp8 #nf4 #dialog #interactive
VK | MAX
Семейство открытых визуально-языковых моделей от OpenMOSS. Флагманская фишка - реалтайм-стриминг: модель смотрит на входящие кадры и отвечает параллельно, не дожидаясь конца видео
модель живёт в настоящем времени, а не смотрит запись постфактум. Вместо внешних планировщиков и опроса раз в секунду - три встроенных поведения: ответ в любой момент, проактивное молчание, своевременная коррекция.
• 11B параметров, контекст 256K
• Кванты FP8 и NF4
Гитхаб
HF
Демо
#vlm #realtime #fp8 #nf4 #dialog #interactive
VK | MAX
🔥5👍4
LocalMesh
Реконструкция 3D-гауссиан + текстурированный PBR-меш по одному входному фото. Локально на своём GPU
- Объект вырезается из фона автоматом
- Квад-топология — не треугольный суп, готово к скульптингу, сабдиву, анимации
- Сплат остаётся отдельным файлом (.ply) — открывается в Postshot, SuperSplat, Blender
- 4K текстурный атлас по запросу
- Теневая прокси-сетка для real-time сцен
- Модели: TripoSplat, MoGe-2, LaMa, IDArb, SD 2.1 + SuperMat — скачиваются один раз при первом запуске
- Windows 10/11, NVIDIA 8+ GB VRAM
- 7 дней бесплатно, потом $39 навсегда (lifetime licence, коммерческое использование включено). На реддите автор выдал комуто открыто промокод на пожизненное бесплатное использование, но это похоже на шутку:
#gaussian #imageto3d #pbr
Реконструкция 3D-гауссиан + текстурированный PBR-меш по одному входному фото. Локально на своём GPU
- Объект вырезается из фона автоматом
- Квад-топология — не треугольный суп, готово к скульптингу, сабдиву, анимации
- Сплат остаётся отдельным файлом (.ply) — открывается в Postshot, SuperSplat, Blender
- 4K текстурный атлас по запросу
- Теневая прокси-сетка для real-time сцен
- Модели: TripoSplat, MoGe-2, LaMa, IDArb, SD 2.1 + SuperMat — скачиваются один раз при первом запуске
- Windows 10/11, NVIDIA 8+ GB VRAM
- 7 дней бесплатно, потом $39 навсегда (lifetime licence, коммерческое использование включено). На реддите автор выдал комуто открыто промокод на пожизненное бесплатное использование, но это похоже на шутку:
IMPOOR#gaussian #imageto3d #pbr
👍12😁3👀1
FreeToken
Инференс-система для MoE-моделей на домашнем железе
- Запуск моделей локально от 35B на ноутбуке до 284B на игровом ПК и 753B GLM-5.2 на одной рабочей станции
- Без фиксированной схемы выгрузки: динамически распределяет вычисления между CPU и GPU под то, что реально свободно
- Поддержка агентных сценариев: переиспользование состояния между вызовами, адаптация под меняющийся паттерн нагрузки
- Оптимизация всего стека от раскладки модели на диске до runtime-управления памятью
- 20+ моделей, включая Qwen, DeepSeek, GLM, Mixtral и др. MoE-архитектур
- От 8 GB VRAM (ноутбук) до одной workstation GPU
- Открытый исходный код
- Авторы из FlashML при Berkeley — сплошь звёздные имена (Song Han, Matei Zaharia, Ion Stoica, Kurt Keutzer)
- Windows, Linux, macOS
Гитхаб
#lowvram #desktop #moe
VK | MAX
Инференс-система для MoE-моделей на домашнем железе
- Запуск моделей локально от 35B на ноутбуке до 284B на игровом ПК и 753B GLM-5.2 на одной рабочей станции
- Без фиксированной схемы выгрузки: динамически распределяет вычисления между CPU и GPU под то, что реально свободно
- Поддержка агентных сценариев: переиспользование состояния между вызовами, адаптация под меняющийся паттерн нагрузки
- Оптимизация всего стека от раскладки модели на диске до runtime-управления памятью
- 20+ моделей, включая Qwen, DeepSeek, GLM, Mixtral и др. MoE-архитектур
- От 8 GB VRAM (ноутбук) до одной workstation GPU
- Открытый исходный код
- Авторы из FlashML при Berkeley — сплошь звёздные имена (Song Han, Matei Zaharia, Ion Stoica, Kurt Keutzer)
- Windows, Linux, macOS
Гитхаб
#lowvram #desktop #moe
VK | MAX
😱10👍7😁2👀2❤1🌚1
This media is not supported in your browser
VIEW IN TELEGRAM
Origin
Гит-хостинг типа GitHub, только встроенный в Cursor и заточенный под ИИ-агентов
GitHub сделан под человеческий ритм: один разраб → одна ветка → PR раз в несколько часов. Агенты же коммитят постоянно и очень быстро. Origin спроектирован под большой поток коммитов
- Создаёшь репозиторий с нуля в Cursor, называется Origin
- Или подключаешь свой GitHub - репа синкается за минуту, изменения подтягиваются в реальном времени
- PR, код-ревью, комменты - всё есть, работает в обе стороны с GitHub
- Агент может сам клонировать репу, создавать ветки, коммитить, открывать и мерджить PR
- Подключил Vercel - каждый PR автоматом получает превью-деплой
Чего пока нет:
- Автоматического разрешения конфликтов слияния
- Обработки нескольких агентов, работающих параллельно в одном репо
Сейчас ранняя бета на платных тарифах
#coding
VK | MAX
Гит-хостинг типа GitHub, только встроенный в Cursor и заточенный под ИИ-агентов
GitHub сделан под человеческий ритм: один разраб → одна ветка → PR раз в несколько часов. Агенты же коммитят постоянно и очень быстро. Origin спроектирован под большой поток коммитов
- Создаёшь репозиторий с нуля в Cursor, называется Origin
- Или подключаешь свой GitHub - репа синкается за минуту, изменения подтягиваются в реальном времени
- PR, код-ревью, комменты - всё есть, работает в обе стороны с GitHub
- Агент может сам клонировать репу, создавать ветки, коммитить, открывать и мерджить PR
- Подключил Vercel - каждый PR автоматом получает превью-деплой
Чего пока нет:
- Автоматического разрешения конфликтов слияния
- Обработки нескольких агентов, работающих параллельно в одном репо
Сейчас ранняя бета на платных тарифах
#coding
VK | MAX
🔥5🍌2👨💻2👍1
AVA-Encoder
Система от Qwen создает по фильму структурированный граф знаний: персонажи, сцены, события, объекты, стили, камера, аудио. Агент может читать этот граф, редактировать, переиспользовать
- Видео → граф знаний → обратно в видео. Реконструкция как метрика качества: чем точнее восстановил, тем больше информации сохранил энкодер
- Граф можно редактировать: заменить персонажа в сцене, поменять стиль освещения - зависимые элементы обновляются автоматически по связям
- Готовый граф можно скормить другим видеогентам (MovieAgent, FilmAgent, Anim-Director) - качество их генерации растёт без дообучения
- Два этапа оптимизации: внешний цикл обучает политику энкодера до деплоя, внутренний (опционально) дорабатывает граф конкретного видео на лету
Гитхаб
#vlm
VK | MAX
Система от Qwen создает по фильму структурированный граф знаний: персонажи, сцены, события, объекты, стили, камера, аудио. Агент может читать этот граф, редактировать, переиспользовать
- Видео → граф знаний → обратно в видео. Реконструкция как метрика качества: чем точнее восстановил, тем больше информации сохранил энкодер
- Граф можно редактировать: заменить персонажа в сцене, поменять стиль освещения - зависимые элементы обновляются автоматически по связям
- Готовый граф можно скормить другим видеогентам (MovieAgent, FilmAgent, Anim-Director) - качество их генерации растёт без дообучения
- Два этапа оптимизации: внешний цикл обучает политику энкодера до деплоя, внутренний (опционально) дорабатывает граф конкретного видео на лету
Гитхаб
#vlm
VK | MAX
🔥19❤3🤷♂2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Raon-OpenTTS-1B
Открытая zero-shot TTS-модель. Клонирование голоса без дообучения
- Работает в шуме, с эмоциями, разными акцентами и стилями речи
- Встраивается в F5-TTS пайплайн
- Две версии: 1B и 0.3B
- Аудио: 80-канальный mel-спектр, 16 kHz
Гитхаб
HF
ComfyUI
Спасибо @m_franz @p0lygon
#tts #voicecloning #comfyui
VK | MAX
Открытая zero-shot TTS-модель. Клонирование голоса без дообучения
- Работает в шуме, с эмоциями, разными акцентами и стилями речи
- Встраивается в F5-TTS пайплайн
- Две версии: 1B и 0.3B
- Аудио: 80-канальный mel-спектр, 16 kHz
Гитхаб
HF
ComfyUI
Спасибо @m_franz @p0lygon
#tts #voicecloning #comfyui
VK | MAX
1👍9👎2😈2👀2🔥1
Ornith-1.5
Семейство открытых моделей для программирования, логики и агентов. Сами придумывают себе задачи, собирают инструменты для их решения и учатся на собственных попытках
- Три версии: плотная 9B, MoE 35B-A3B (активирует 3B на токен), MoE 397B
- Модель сама генерирует новые задачи, пишет под них скэффолды (инструкции, инструменты, стратегию) и разворачивает решения
- Механизм валидации: задача должна быть решаема, находиться на границе возможностей модели и не повторять уже решtнные
- Работа через агентов: Terminal-Bench, SWE-bench, MCP-Atlas, BrowseComp
- Ornith-1.5-397Be Opus 4.8, обходит GLM-5.2 и DeepSeek-V4-Flash
- Ornith-1.5-35B-A3B сильнее Gemma 4-31B и Qwen 3.6-35B несмотря на 3B активных параметров
- Ornith-1.5-9B работает на смартфонах с квантизацией
- Контекст: 128K-256K (в зависимости от задачи)
- Кванты FP8, GGUF, MLX, NVFP4
HF
спасибо @Endorpheen
#agent #mobile
Семейство открытых моделей для программирования, логики и агентов. Сами придумывают себе задачи, собирают инструменты для их решения и учатся на собственных попытках
- Три версии: плотная 9B, MoE 35B-A3B (активирует 3B на токен), MoE 397B
- Модель сама генерирует новые задачи, пишет под них скэффолды (инструкции, инструменты, стратегию) и разворачивает решения
- Механизм валидации: задача должна быть решаема, находиться на границе возможностей модели и не повторять уже решtнные
- Работа через агентов: Terminal-Bench, SWE-bench, MCP-Atlas, BrowseComp
- Ornith-1.5-397Be Opus 4.8, обходит GLM-5.2 и DeepSeek-V4-Flash
- Ornith-1.5-35B-A3B сильнее Gemma 4-31B и Qwen 3.6-35B несмотря на 3B активных параметров
- Ornith-1.5-9B работает на смартфонах с квантизацией
- Контекст: 128K-256K (в зависимости от задачи)
- Кванты FP8, GGUF, MLX, NVFP4
HF
спасибо @Endorpheen
#agent #mobile
👍10❤8🔥2😱2