FaceFusion Mobile

Ишь чего сделали - порт FaceFusion на #Android

Замена лица в реальном времени, с фронталки и целиком на телефоне. Без сервера, без аккаунта, без загрузок

- На Snapdragon — через NPU Hexagon: 10 сек видео в 720p ≈ 13 сек, с Fast — ≈ 11 сек

- Android 12+, 64-bit ARM; APK 66 MB, модели 420 MB

#mobile #faceswap #reealtime

VK | MAX

Motion-Omni

Одна модель генерирует и речь и движения тела по диалогу. Вместо того чтобы запускать TTS и анимацию по отдельности и потом синхронизировать все делается из одних и тех же латентных состояний

- 5.4x быстрее каскадных решений, не надо ждать пока каждый компонент отработает по очереди
- Синхронизация зашита в архитектуру, а не доклеивается постфактум
- Подходит для диалоговых аватаров, виртуальных персонажей, anything, где персонаж говорит и движется одновременно

На видео сравнение с MambaTalk

Гитхаб

#tts #animation

VK | MAX

ночное

#humor

VK | MAX

Накопилось по #minimaxH3 - часть 19

github.com/cicalooo/ComfyUI-H3-PowerLoraStack - стек-лоадер нескольких лор для H3, в духе Power Lora Loader. Заточен под три проблемы, ломающие лоры H3

github.com/Saganaki22/ComfyUI-Viggle-Animate-H3 - ноды Viggle-Animate

github.com/oodate-lab/comfyui-h3-anime-batch-runner - батч-контроллер под Windows: ИИ генерит промпты из сюжета и 1–9 референсов, гонит клипы в #ComfyUI

huggingface.co/HardGravy2/Minimax_H3_FLF_HardGravy_6_Step_Turbo_Merge - 6-шаговый флэт-мерж скоростных лор, плюс вариант от JonXL для фотореализма

nvlabs.github.io/Sana/Sol-Engine/Sol-H3 - ускорение от NVIDIA: 4 шага против 50 у базы, ускорение до 15.5x #optimization

github.com/PullMyBoots/ComfyUI-H3-FaceRefine-Accelerated - исправление мелких лиц для групповых сцен

huggingface.co/spaces/malcolmrey/browser - #RefMods: вместо лор - референсы, запеченные в latent как safetensors. Библиотека, #workflow

The Attention Triangle

Исследование о том почему в аудио-видео моделях звук прилипает не к тому объекту. Пират молчит, а говорит попугай — модель все равно заставляет говорить пирата. Авторы разобрали механизм утечки и научились его чинить

- Нашли треугольник внимания: три связи между текстом, аудио и видео. Главный источник утечки — двунаправленная связь аудио ↔️ видео
- Интервенция на инференсе: управляют треугольником внимания, чтобы звук прикреплялся к правильному источнику — без переобучения

Проверено на LTX-2. Получили практически бесплатный обходной фикс для уже обученных моделей

Код ждем

#research #attention #t2v #i2v

VK | MAX

EVIE

Открытый визуальный ретривер документов от Tencent.

Самый точный на Hugging Face. Ищет нужные страницы PDF по смыслу и верстке, не полагаясь на #OCR
Получается конкурент NeoMME

- Понимает страницу целиком: текст, таблицы, графики, типографику — визуальный слой участвует в поиске
- Multi-vector late-interaction: сравнивает запрос с фрагментами документа, а не только с одним эмбеддингом — точнее семантика

- Apache-совместимая открытая лицензия
- Две версии: EVIE-8B и EVIE-4.5B

Гитхаб

#vlm

VK | MAX

MiniCPM5-2B

Пока все гонятся за гигантами, OpenBMB выпустила компактную dense-модель на 2B, #SOTA в своем классе и обходит модели вдвое больше. Для мобилок, локального запуска и агентов на слабом железе

- 2B dense — влезает на ноутбук, телефон и edge
- SOTA в классе 2B: средний балл 53.9 — выше, чем у Qwen3.5-4B и granite-4.2-3B
- Кодинг, математика, длинный контекст, инструменты и агентские задачи - сильнейшие стороны
- Контекст 131K нативно
- Apache 2.0

Гитхаб
Демо

#mobile #compact #agent

VK | MAX

huggingface.co/nvidia/Qwen3.8-Flash-Next-NVFP4 - NVIDIA NVFP4 квантизация Qwen3.8-Flash-Next: ~2.7x меньше BF16 на Blackwell

huggingface.co/Cyronius/Qwen3.8-Flash-Next-131B-A6B-GGUF - GGUF с обрезанной n-gram таблицей (2/16 голов) — 64.8GB вместо 90GB

huggingface.co/dealignai/Qwen3.8-Flash-Next-UNCENSORED-FP8 - обесцензуренный Qwen3.8-Flash-Next: отказ убран, MTP и vision сохранены. 94% compliance на HarmBench

huggingface.co/Jackrong/Qwopus3.8-27B-Flash-GGUF - файнтюн Qwen3.8-27B для скорости: +12.8% tok/s, MTP принятие 80.7%, меньше разгоняющегося мышления

huggingface.co/XHToken/Spark-X2.5-4B-GGUF - Spark-X2.5 от iFlytek: 4B, гибридное внимание, до 1M контекста, 200+ языков. BF16 GGUF

#gguf #multimodal #agent #nvfp4 #uncensored

VK | MAX

#humor

VK | MAX

ChatGPT Images 2.5

Новая версия генерации картинок в ChatGPT

- Редактирование стало точнее. Раньше: «поменяй фон» — модель могла заодно поменять лицо или цвет одежды. Теперь просишь изменить одно — остальное остается как было. Это главная фича

- четче придерживается рефенса

- вдвое быстрее

- В длинных диалогах правки не плывут

Что нового в интерфейсе:

- Sketch — рисуешь от руки прямо в чате, и ChatGPT превращает набросок в картинку

- Шаблоны под популярные форматы: постер, мерч, флаер

- Аннотации на изображении

- Промпты теперь можно шарить: увидел крутую картинку с вирусным промптом — забрал его, подставил свое фото.

В API:

- GPT-Image-2.5 Flare — стандарт, тот же прирост качества и скорости
- GPT-Image-2.5 Sunburst — под задачи, где нужен максимальный контроль редактирования, медленнее

На всех картинках C2PA-метка и водяной знак для отслеживания происхождения.

#imageediting #news

WorldSculpt (Alaya Lab + Токийский университет)

Фреймворк превращает фотографии насыщенной объектами сцены в десятки и сотни отдельных 3D-моделей. Каждый объект сам по себе, со своей сеткой. Модель - файнтюн Pixal3D

- Работает не только с фото, но и с тем, что другие генераторы создали как облако точек (3DGS) - превращает их в нормальные сетки
- Интерактивный просмотрщик

- До сотен объектов на сцену
- Тренируется на отдельных объектах, но работает на целых сценах без дополнительной оптимизации

Гитхаб
HF

#imageto3d #image2scene

VK | MAX