Нейронавт | Нейросети в творчестве
13.3K subscribers
7.22K photos
5.7K videos
51 files
7.32K 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
WithEveryone

Фреймворк от Tencent Hunyuan и Fudan для генерации групповых портретов

До 10 человек в одном кадре, каждый со своим референсом лица

- Планирование до синтеза: модель решает, кто участвует, где стоит каждый и как построена группа, потом рендерит layout как условие
- Layout CoT привязывает личности к лицам, телам и ключевым точкам позы

Модель в процессе обучения, может потом поделятся, а может и нет

#referencing #research

VK | MAX
👍7😁6🥴3
This media is not supported in your browser
VIEW IN TELEGRAM
OpenBot

Инструмент для сборки ИИ-ботов, часть экосистемы CopilotKit, работает поверх LLM

• запускает бота в браузере и CLI
• подключает внешние API и инструменты
• хранит контекст диалога локально
• поддерживает кастомные промпты

#bot #agent #coding

VK | MAX
👍4
Ox Alpha раздают бесплатно на OpenRouter

Ox Alpha - мультимодальная фронтир модель под кодинг и агентов инкогнито, от нераскрытого разработчика

Держит миллион токенов контекста, выдает до 131К токенов, тянет текст, картинки, видео, работает с reasoning и tools

В DeepSWE 80%, лучше Fable и Sol, но выборка мелкая

Fingerprint-тесты видят сильное сходство с GLM-5.3 и GLM-5V-Turbo — вероятный разработчик Z.ai

И проверьте в OpenCode, там дают до 100 триллионов токенов в сутки

#coding #multimodal #giveaway

VK | MAX
5🔥7👀4
MiniMax Music 3 Latent Refiner v0.10 (Terminus Research)

Аудио-рефайнер для генератора песен MiniMax Music 3. Берет повреждённую музыку и восстанавливает чистую версию, сохраняя исполнение, тайминг, вокал и аранжировку

- Восстанавливает испорченные треки: шум, сжатие битрейта, обрезка, редуцированный bandwidth
- 137M (0.1B)
- Окно: 30 секунд (обучен на 30-сек окнах, вывод по умолчанию с перекрытием)

#audiorestotation #music2music

VK | MAX
1👍16🔥4❤1
Два подхода к генерации картинок диффузными моделями

Латентный (обычный): картинку сжимают в маленькое скрытое представление через VAE-кодировщик, потом модель шумит и денойзит уже это сжатое представление а в конце VAE возвращает пиксели. Быстро и стабильно но теряет мелкие детали

Пиксельный (напрямую): работает сразу с пикселями без VAE. Качество деталей выше, но напрямую с нуля такую модель обучать очень медленно, сходится сильно хуже латентной

Alibaba нашли компромисс - латентно-пиксельный переход (latent-to-pixel strategy):

1. Претрейн в латентном пространстве - быстро получают хорошие генеративные знания
2. Потом переключаются в пиксельное пространство и дообучают там

Качество на уровне латентных но в 3–5 раз быстрее - не тратится время на VAE-декодирование и нет потери деталей

Не приходится выбирать между скоростью и качеством

Это рисерч, ждем новых моделей от Алибаба

#research #pixelduffusion

VK | MAX
1🔥10❤3👍2
CtxPort

Передача контекста между агентами / чатами

Браузерное расширение за один клик превращает диалог с ИИ-агентом в чистый структурированный Markdown, упаковывает контекст с метаданными для передачи полного контекста другому агенту

- Копирует весь диалог из ChatGPT, Claude, Gemini, DeepSeek, Grok, Doubao и GitHub
- Копирование из боковой панели: навел на беседу, скопировал, не открывая ее. Удобно собрать сразу несколько чатов
- Четыре формата: Full (весь диалог), User Only (только твои промпты), Code Only (только код с языковыми тегами), Compact (сжатые сообщения)

Приватность:
- Работает офлайн: все обрабатывается локально в браузере
- Ноль загрузок на сервер, без аккаунта, минимальные права

- Каждый адаптер платформы - отдельный плагин, новые сервисы добавляются просто
- Chrome Web Store в разработке, пока ставится из исходников
- В планах: импорт бандла обратно в чат, пакетный экспорт, Firefox

#memory #agent #tools #extension

VK | MAX
1👍8
This media is not supported in your browser
VIEW IN TELEGRAM
DFlash 2

Способ ускорить работу больших языковых моделей - спекулятивное декодирование. Продолжение DFlash, первое поколение уже стало отраслевым стандартом, 3.5 млн загрузок на Hugging Face

Маленькая модель быстро предсказывает кусок текста, а большая проверяет его одним проходом вместо того, чтобы писать по слову

- Большая модель Qwen3.8-27B на ноутбуке выдаёт 70 токенов/с вместо привычных ~15–20
- Ускорение до 4.6 раз на некоторых моделях, обычно 2.7–3.4 раза
- Результат полностью идентичен оригиналу: ни одного отличающегося слова, просто быстрее

HF

#optimization #inference

VK | MAX
1👍13🔥5❤3
CEO Figure AI сообщил об утилизации роботов Figure 02 из-за нехватки места и спросил подписчиков, как лучше их «отправить на пенсию». Арнольд Шварценеггер ответил в комментариях: "Вы должны их расплавить"

#news #humor

VK | MAX
1😁19❤1
Qwen3.8-27B-Uncensored

Еще одна версия обесцензуренной Qwen3.8-27B, от orcarouter.ai

Упакована в MLX для запуска на Mac
Выполняет запросы практически все без ограничений

- 4 варианта квантования: 2, 4, 6 и 8 бит
- Сохранены зрение, рассуждения и вызов инструментов
- Контекст до 262 тысяч токенов
- Автор тестировал 4-, 6- и 8-битные версии - ни одного отказа

#uncensored #multimodal

VK | MAX
1👍13👎1
MaskVidExperiments

Кастом пак #ComfyUI по работе с масками в видео.
Обработка замаскированного объекта внутри движущегося кропа, с последующей вставкой обратно в кадр без дерганья и видимых швов

- Subject Crop: стабильный кроп вокруг объекта по всему клипу — не дёргается от шума маски, окклюзий и кратких уходов, следует только за устойчивым движением
- Subject Uncrop: пиксельно точная вставка результата обратно с мягкой кромкой
- Mask Cleanup: чистит мусор и мерцающие пятна из видеомаски, сохраняя настоящий объект
- Mask To Latent Space: честно приводит маску к латентному разрешению через VAE - без размазывания трилинейным resize, чистая инпейнт-область (пример: машина → овчарка в LTX)
- Audio Mask To Latent: регенерация выбранных временных отрезков в аудио-латент (для MiniMax H3, LTX-2)
- Differential Diffusion (Soft): мягкие кромки в масках денойза на каждом шаге, стабильно по времени

Спасибо @m_franz

#segmentation
🔥10👍1🫡1
This media is not supported in your browser
VIEW IN TELEGRAM
V-RAE

Тут предлагают строить сжатое представление видеогенераторов не на основе пикселей, а на основе смысла. Берут пониматоры видео и поверх них делают компактный слой. То есть образно говоря, вместо аудиозаписи нотная запись. В ней меньше деталей но видна видна структура, по которой можно сыграть заново даже лучше оригинала

- Генератору проще работать со смыслом, он сходится быстрее в разы и выдает лучшее качество
- Видео можно сжимать по времени без потери смысла
- Такое представление можно использовать не только для генерации, но и для предсказания следующих кадров

Веса есть но это исследовательский проект, а не прикладной

На видео V-RAE справа

Гитхаб
HF

#research

VK | MAX
👍12
This media is not supported in your browser
VIEW IN TELEGRAM
MiniMax Design

А вот и монетизация #MinimaxH3 подъехала. Десктоп-приложение от MiniMax (Windows и macOS)

Мультимодальный агент полного цикла видеопроизводства. Разбирает задачу на шаги, пишет сценарий, собирает раскадровку, генерирует кадры и ролики, монтирует, накладывает озвучку и субтитры и отдает готовое видео

- Сам решает, что взять за референс, что оставить, а что переделать и упаковывает все в формат для H3
- Режиссёрский 3D-инструмент для сложных кадров: расстановка персонажей, движение, ракурсы камеры до генерации сцены
- Подключение воркфлоу ComfyUI облачно или локально, агент помогает крутить ноды и параметры
- Работает с разными моделями: H3 для видео, GPT Image 2 и Nano Banana Pro для картинок, Music 2.6 и Speech 2.8 для звука

#directing #videoediting

VK | MAX
👍16❤3