This media is not supported in your browser
VIEW IN TELEGRAM
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
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
😁9
Media is too big
VIEW IN TELEGRAM
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
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
👍14
This media is not supported in your browser
VIEW IN TELEGRAM
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
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
🔥12👍3🤔2❤1
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
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
👍12🔥3🤝2
Object Concepts Emerge from Motion
Метод учит нейросеть видеть объекты на картинке без ручной разметки просто наблюдая за движением
Идея из детской психологии: младенец понимает, что части двигаются вместе, значит это один объект. Авторы применили то же к ИИ: если кусок видео движется как единое целое, считаем его объектом. Разметка не нужна, видео в интернете полно.
Результат: на готовом фото модель сама разделяет машины, людей, тротуары. Сравнима с конкурентами, которых учили на дорогой размеченной разметке.
Главное применение - автономное вождение: глубина, 3D-детекция, планирование пути
Гитхаб
HF
#segmentation #video2feature
VK | MAX
Метод учит нейросеть видеть объекты на картинке без ручной разметки просто наблюдая за движением
Идея из детской психологии: младенец понимает, что части двигаются вместе, значит это один объект. Авторы применили то же к ИИ: если кусок видео движется как единое целое, считаем его объектом. Разметка не нужна, видео в интернете полно.
Результат: на готовом фото модель сама разделяет машины, людей, тротуары. Сравнима с конкурентами, которых учили на дорогой размеченной разметке.
Главное применение - автономное вождение: глубина, 3D-детекция, планирование пути
Гитхаб
HF
#segmentation #video2feature
VK | MAX
👍7🔥2
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
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
👍6🤔3😁2
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
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
huggingface.co
nvidia/Qwen3.8-Flash-Next-NVFP4 · Hugging Face
Image-Text-to-Text model with 120B parameters, built with Model Optimizer. Download, explore files and run it on Hugging Face.
👍8🔥3🤔1
Накопилось по #gaussian
3dnchu.com/archives/splat2mesh - конвертирует сплаты в полигональный меш. Локально, без GPU, бесплатно для личного
github.com/pbkx/DirectXSplat - нативный D3D12 рендер гауссиан для Windows. До 2.4x быстрее gsplat. Без CUDA-зависимости
github.com/harry7557558/spirula-studio - обучение сплатов,
github.com/Kiri-Innovation/3dgs-render-blender-addon - 3DGS Render для #Blender 5.1: несколько сплатов, дубликаты, #HDRI-свет, экспериментальные риггинг, #relighting и тени
github.com/FlagOpen/InsertAny3D - вставка 3DGS-объектов в сцены #Unity через серверные модели, вывод PLY + позы
github.com/PrintedForFun/ply-to-splat - лидарное облако точек в гауссианы за 5 секунд вместо часов тренировки. Качество ниже обученного сплэта
reconstrura.com - Reconstrura: студия от видео до готового сплэта. Свой GPU-SfM (1300 кадров за 4 мин на 4090), маски SAM 2.1, кнопка авто-реконструкции. Linux. $25 разово
3dnchu.com/archives/splat2mesh - конвертирует сплаты в полигональный меш. Локально, без GPU, бесплатно для личного
github.com/pbkx/DirectXSplat - нативный D3D12 рендер гауссиан для Windows. До 2.4x быстрее gsplat. Без CUDA-зависимости
github.com/harry7557558/spirula-studio - обучение сплатов,
github.com/Kiri-Innovation/3dgs-render-blender-addon - 3DGS Render для #Blender 5.1: несколько сплатов, дубликаты, #HDRI-свет, экспериментальные риггинг, #relighting и тени
github.com/FlagOpen/InsertAny3D - вставка 3DGS-объектов в сцены #Unity через серверные модели, вывод PLY + позы
github.com/PrintedForFun/ply-to-splat - лидарное облако точек в гауссианы за 5 секунд вместо часов тренировки. Качество ниже обученного сплэта
reconstrura.com - Reconstrura: студия от видео до готового сплэта. Свой GPU-SfM (1300 кадров за 4 мин на 4090), маски SAM 2.1, кнопка авто-реконструкции. Linux. $25 разово
👍7🔥6
Media is too big
VIEW IN TELEGRAM
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
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
👍11
This media is not supported in your browser
VIEW IN TELEGRAM
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
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
👍8🔥3
Forwarded from Поляков считает: AI, код и кейсы
Маркетологам приготовиться: скилл для управления рекламой в Яндекс.Директе
Если вы следите за моим каналом, то я часто выкладываю тут всякие штуки для маркетологов. И сегодня у меня для вас особый анонс.
Скажу прямо, я хотел сделдать этот релиз ещё весной. Как раз когда была череда из полезных скиллов маркетологу:
- Яндекс.Метрика — https://t.me/countwithsasha/517
- Яндекс.Вебматер — https://t.me/countwithsasha/552
- Яндекс.Вордстат — https://t.me/countwithsasha/423
- Яндекс.Поиск — https://t.me/countwithsasha/495
🎯 5. Скилл для Яндекс.Директа задержался на полгода
И вот пятым в этом списке должен был стать Яндекс.Директ.
Но была и остается проблема. Скиллы, которые я пишу используют в основном официальные версии API, а у Директа АПИ не покрывает и половины функционала. Плюс был анонсирован переезд из классических объявлений в комбинаторные — то есть если делать скилл весной, то на те 40% функционала надо было выкатывать сразу комбинированный объём правил, чтобы угодить всем.
Летом яндекс раскатал комбинаторные объявления позволив не поддерживать легаси форматы и я решил выпускать скилл.
🔗 Скилл Яндекс.Директа в моем репозитории: https://github.com/artwist-polyakov/polyakov-claude-skills (описание установки в README.md)
🔗 А вот тут ссылка на сам скилл: тыц
Можно установить через маркетплейс, можно как папку. Есть ещё механика — клонировать репозиторий и подключать скиллы как диплинки.
🩼 Самое сложное — получить ключ
Для использования навыка Яндекс.Директа нужно получить ключ приложения + получить для приложения разрешения использовать АПИ Яндекс.Директа. Просто зарегистрировать приложение в https://oauth.yandex.ru недостаточно.
Я написал подробный гайд о том, куда идти, какие тексты писать. Агент который увидит скилл без токена должен подсказать, но я бы советовал пройти руками.
🔗 Инструкция: общее + детально
🚀 Что умеет скилл Яндекс.Директа
Я постарался отгрузить максимальную экспертизу по базовым настройкам и аналитике, поэтому среди возможностей:
• Анализ данных по трафику, поиск прожорливых фраз, неэффективных кампаний, расчёт метрик эффективности.
• Оценка адекватности ставок, контроль бюджетов
• Создание объявлений, добавление фотографий, быстрых ссылок, UTM
• Корректировки объявлений, проверки ошибок
• Есть шаблоны для превью. Теперь можно делать веб-странички клиентам для согласования рекламы
• Если скилл чего то не умеет (напрмер создавать мастера кампаний) — делает хендоф.
Скилл ещё будет дорабатываться. Если будут предложения и пожелания — делитесь.
🔁 Если у вас есть друг или подрядчик, который занимается рекламой — покажите ему этот пост.
----
Поляков считает — AI, код и кейсы
Если вы следите за моим каналом, то я часто выкладываю тут всякие штуки для маркетологов. И сегодня у меня для вас особый анонс.
Скажу прямо, я хотел сделдать этот релиз ещё весной. Как раз когда была череда из полезных скиллов маркетологу:
- Яндекс.Метрика — https://t.me/countwithsasha/517
- Яндекс.Вебматер — https://t.me/countwithsasha/552
- Яндекс.Вордстат — https://t.me/countwithsasha/423
- Яндекс.Поиск — https://t.me/countwithsasha/495
🎯 5. Скилл для Яндекс.Директа задержался на полгода
И вот пятым в этом списке должен был стать Яндекс.Директ.
Но была и остается проблема. Скиллы, которые я пишу используют в основном официальные версии API, а у Директа АПИ не покрывает и половины функционала. Плюс был анонсирован переезд из классических объявлений в комбинаторные — то есть если делать скилл весной, то на те 40% функционала надо было выкатывать сразу комбинированный объём правил, чтобы угодить всем.
Летом яндекс раскатал комбинаторные объявления позволив не поддерживать легаси форматы и я решил выпускать скилл.
🔗 Скилл Яндекс.Директа в моем репозитории: https://github.com/artwist-polyakov/polyakov-claude-skills (описание установки в README.md)
🔗 А вот тут ссылка на сам скилл: тыц
Можно установить через маркетплейс, можно как папку. Есть ещё механика — клонировать репозиторий и подключать скиллы как диплинки.
🩼 Самое сложное — получить ключ
Для использования навыка Яндекс.Директа нужно получить ключ приложения + получить для приложения разрешения использовать АПИ Яндекс.Директа. Просто зарегистрировать приложение в https://oauth.yandex.ru недостаточно.
Я написал подробный гайд о том, куда идти, какие тексты писать. Агент который увидит скилл без токена должен подсказать, но я бы советовал пройти руками.
🔗 Инструкция: общее + детально
🚀 Что умеет скилл Яндекс.Директа
Я постарался отгрузить максимальную экспертизу по базовым настройкам и аналитике, поэтому среди возможностей:
• Анализ данных по трафику, поиск прожорливых фраз, неэффективных кампаний, расчёт метрик эффективности.
• Оценка адекватности ставок, контроль бюджетов
• Создание объявлений, добавление фотографий, быстрых ссылок, UTM
• Корректировки объявлений, проверки ошибок
• Есть шаблоны для превью. Теперь можно делать веб-странички клиентам для согласования рекламы
• Если скилл чего то не умеет (напрмер создавать мастера кампаний) — делает хендоф.
💪 Мне очень понравилось, что когда я попросил агента проверить тексты на предмет старого месяца, он всё исправил и ещё сказал, что у нас там модель китайской марки не соответствует заявленной в рекламе.
Скилл ещё будет дорабатываться. Если будут предложения и пожелания — делитесь.
🔁 Если у вас есть друг или подрядчик, который занимается рекламой — покажите ему этот пост.
----
Поляков считает — AI, код и кейсы
❤3👎3👍1