Wan 3.0 вышел везде

wan.video — create.wan.video/generate/video/omni?model=wan3.0

Alibaba Cloud Model Studio — modelstudio.console.alibabacloud.com/model-releases/wan3.0-video

Qwen Cloud — qwencloud.com/models/wan3.0-video

• 480p — $0.05 за секунду
• 720p — $0.10 за секунду
• 1080p — $0.20 за секунду

А также на всех крупных агрегаторах

#news #wan3

VK | MAX

macOS Harness

Команда browser-use выложила в открытый доступ обвязку которая дает ИИ-агентам практически полный контроль над Mac

Агент получает один постоянно работающий Python-процесс, подключенный к системе. Видит окна приложений, шлет им нажатия клавиш и клики, работает с браузером, читает и пишет файлы, выполняет команды в терминале

Вместо десятков готовых инструментов под каждую программу шесть сырых примитивов: посмотреть, нажать клавишу, напечатать, кликнуть, спросить у системы и выполнить скрипт

Если агенту не хватает какойто возможности он на ходу пишет недостающий код и продолжает работать

Может сам себя установить и настроить без участия человека

Проект экспериментальный, только для macOS

#harness #macos #computeruse

VK | MAX

watermarks-remover

Никогда не пользуйтесь этим скиллом удаления из файлов и текста ИИ-водяных знаков, которые производители моделей незаметно вшивают в контент

Что убирает

1. Невидимые символы в тексте - скрытые Unicode-маркеры (невидимые пробелы, специальные управляющие символы), которые ChatGPT, Claude и другие вставляют в сгенерированный текст. Это детерминированный слой, работает без потери смысла.

2. Статистические водяные знаки - более хитрые схемы вроде SynthID-Text (Google/Gemini), где модель незаметно «подкручивает» выбор слов по секретному алгоритму. Их убирают переписыванием текста (best-effort, ценой стиля).

3. Метаданные из файлов - C2PA, EXIF, XMP и прочие служебные поля, в которых тоже хранится информация о происхождении. Чистит PNG, JPEG, PDF, DOCX, MP4, MP3 и ещё десяток форматов

#skill #privacy #watermark

VK | MAX

Turbovec

Библиотека векторного поиска на Rust с биндингами для Python. На основе TurboQuant. Сжимает векторы примерно в 8 раз и ищет быстрее FAISS

Не Гугл, независимая реализация

- Сжатие ~8x: коллекция из 10 млн документов на 31 ГБ умещается в 4 ГБ
- Быстрее FAISS: в 3.4–3.5 раза при 4-битном сжатии, на 20–26% при 2-битном (зависит от железа)
- Индекс без предобучения - векторы добавляются по мере поступления
- Инкрементальное сохранение: на диск уходит только то, что изменилось — миллисекунды даже на большом индексе
- Фильтрация по разрешённым документам - пользователь видит только свои файлы
- Удаление по постоянным ID ссылки на записи не плывут

#search #optimization

VK | MAX

#humor

VK | MAX

набор голосов Supertonic-3 к TeraTTSv2

#tts #russian #voicecloning