Накопилось по #minimaxH3 - часть 7

huggingface.co/iamkaikai/MiniMax-H3-Single-Frame-VAE-500K - VAE для генерации #t2i Демо

github.com/tori29umai0123/ComfyUI-MiniMaxH3-SingleFrame - две ноды для t2i. Вторая интерполирует средний кадр по первому/последнему

huggingface.co/diffusers-modular/minimax-h3-inpainting - #inpainting видео и аудио по маске. есть воркфлоу вроде

github.com/LoveRain1997/h3-prompt-journal/ - журнал промпт-экспериментов для сложной физики камеры

huggingface.co/MATLOWAI/MiniMax-H3-Motion-Adapter - учит модель тратить такты на плавность в быстрых сценах

github.com/T8mars/comfyui-minimax-h3-audio-T8 - 130 нод для работы с аудио: Dual-clock семплинг, локинг, ремикс, референс

github.com/SkyNotSilent/awesome-minimax-h3 - 685 видео с источниками и промптами, метаданные не вырезаны

github.com/LoveRain1997/video-to-h3-prompt - пайплайн видео → готовый H3 промпт. Скилл для Codex

#prompting #motioncontrol #captioning

Hy4-preview

Флагманская мультимодалка от Tencent, заточена под кодинг, агентные сценарии и рабочую продуктивность.

• держит контекст до 1 млн токенов
• тянет длинные agentic-цепочки без резкого роста стоимости запроса
• закрывает coding-задачи как frontier-level модель

• 770B параметров всего, 49B активны на токен

Позиционируют как frontier-level open model с доступной стоимостью запуска

Гитхаб
HF

#multimodal #flagship #coding #agent

VK | MAX

ComfyUI-QwenVL

запуск Qwen-VL внутри #ComfyUI - визуальное понимание и генерация текста.

Раньше при попытке скормить видео 1080p нода вылетала с OOM, теперь автоматический рассчет токенов и масштабирование кадров под контекст модели

- Умное масштабирование видео: 1080p/4K автоматически поджимается под безопасный бюджет токенов — 16-32 кадра без вылета
- Маленькие видео (480p) не трогает — идут в оригинале
- Можно переопределить вручную через dropdown: auto, 384, 448, 512, 768, original

Работает с GGUF (llama.cpp) и Transformers (Hugging Face)

#vlm

VK | MAX

SenseNova U1.5 Lite

Полноценный релиз U1.5 Lite

- Шесть улучшений: качество картинки, сложные инструкции, текст (англ и кит) без иероглифической каши, нативный 4K, редактирование с сохранением оригинала, точный контроль через bbox + мульти-референс

Гитхаб
HF
Попробовать
———

Кванты SenseNova-U1.5-8B-MoT-T8-convrot для 12GB+ VRAM

INT8 ConvRot 17.6 GB и гибрид W4A8 13.8 GB - работает на RTX 4070 12GB при 2048x2048

8-шаговая LoRA скорости в комплекте

ComfyUI

#t2i #int8 #convrot #4k #imageediting

VK | MAX

LipDub 2.0

Новая версия коммерческого липсинка

- До 2 минут видео
- 1080p
- В 8 раз быстрее 1.0
- 1 говорящий

- LipDub 1.0 остаётся для длинных видео, где важнее качество, и для нескольких спикеров
- Версия 2.0 - скорость и простота, но не максимальное качество

Первый LipDub гонял каждый ролик через тренировку на голосе и лице спикера. Точность росла, но и время ожидания тоже - для 20-секундного видео это лишние часы

Попробовать (если есть кредиты)

#lipsync #dubbing

VK | MAX