This media is not supported in your browser
VIEW IN TELEGRAM
ENEAS (Speridlabs)
Метод сегментации по текстовому описанию, который не путает настоящий объект с его двойником. Если SAM 3 теряет цель при перекрытии и хватается за статую или отражение, ENEAS держит правильный объект, даже когда он уходит из кадра и возвращается
- Трекинг конкретного объекта по текстовому запросу
- Semantic discovery: «стул» - находит все стулья в сцене, не путая с картиной стула или отражением
- Работает с видео (упорядоченным) и с коллекцией несвязанных кадров
Гитхаб
Демо
#segmentation
VK | MAX
Метод сегментации по текстовому описанию, который не путает настоящий объект с его двойником. Если SAM 3 теряет цель при перекрытии и хватается за статую или отражение, ENEAS держит правильный объект, даже когда он уходит из кадра и возвращается
- Трекинг конкретного объекта по текстовому запросу
- Semantic discovery: «стул» - находит все стулья в сцене, не путая с картиной стула или отражением
- Работает с видео (упорядоченным) и с коллекцией несвязанных кадров
Гитхаб
Демо
#segmentation
VK | MAX
👍7
Накопилось по #minimaxH3 - часть 20
huggingface.co/vpakarinen/natural-face-speech-h3-lora - #LoRA на мимику и четкую английскую речь
github.com/huchukato/ComfyUI-PerfectVideoResolution - нода с пресетами разрешений
github.com/xm6018924/BSAI-ComfyUI_Contextual-Series -извлекает референс-кадры из готового видео для консистентности персонажей
github.com/hako-mikan/comfyui-minimax-h3-negpip - негативный #prompting
github.com/Luisacaotica/ComfyUI-MiniMaxH3Mod - пак для работы с RefMods
github.com/pytraveler/MiniMax-H3-Prompt-Rewriter-ComfyUI - адаптация LightX2V Prompt Rewriter для #ComfyUI
huggingface.co/WarmBloodAban/Minimax-h3_Singularity - файнтюн: #HDR, четкие лица на расстоянии, динамика, VFX
huggingface.co/SexGod1979/NaughtyTimes-MiniMax-H3 - обновка #nsfw лоры, легко ищется на civitai
github.com/Kablex/ComfyUI-Ref2VA-VSA - генерация видео персонажа за 72 секунды на 4090
Спасибо @m_franz @Aleks_101
huggingface.co/vpakarinen/natural-face-speech-h3-lora - #LoRA на мимику и четкую английскую речь
github.com/huchukato/ComfyUI-PerfectVideoResolution - нода с пресетами разрешений
github.com/xm6018924/BSAI-ComfyUI_Contextual-Series -извлекает референс-кадры из готового видео для консистентности персонажей
github.com/hako-mikan/comfyui-minimax-h3-negpip - негативный #prompting
github.com/Luisacaotica/ComfyUI-MiniMaxH3Mod - пак для работы с RefMods
github.com/pytraveler/MiniMax-H3-Prompt-Rewriter-ComfyUI - адаптация LightX2V Prompt Rewriter для #ComfyUI
huggingface.co/WarmBloodAban/Minimax-h3_Singularity - файнтюн: #HDR, четкие лица на расстоянии, динамика, VFX
huggingface.co/SexGod1979/NaughtyTimes-MiniMax-H3 - обновка #nsfw лоры, легко ищется на civitai
github.com/Kablex/ComfyUI-Ref2VA-VSA - генерация видео персонажа за 72 секунды на 4090
Спасибо @m_franz @Aleks_101
❤8👍7🤔1🤯1
Fantastic HuggingFace Downloader
Десктопный менеджер закачек с HF. С нормальным прогрессом, очередью и проверкой файлов после скачивания.
Скачивать многогигабайтные модели через браузер - боль: загрузка застревает на последних процентах, докачка работает через раз, файл может молча обрезаться. Этот инструмент использует Xet (тот же быстрый протокол, что и hf CLI), но через графический интерфейс.
- Вставляем любую ссылку с huggingface.co - сам понимает, файл это, папка или целый репозиторий
- Очередь: добавляешь сколько хочешь, качаются по одному, можно переставлять, паузить, отменять, отправлять разные файлы в разные папки
- Проверка контрольной суммы: если файл уже есть и совпадает с хешем на Хабе - повторно не качает
- Показывает точную команду, которую выполняет, плюс лог всего вывода
Для приватных репозиториев нужен
#manager #downloadmanager #tools
Десктопный менеджер закачек с HF. С нормальным прогрессом, очередью и проверкой файлов после скачивания.
Скачивать многогигабайтные модели через браузер - боль: загрузка застревает на последних процентах, докачка работает через раз, файл может молча обрезаться. Этот инструмент использует Xet (тот же быстрый протокол, что и hf CLI), но через графический интерфейс.
- Вставляем любую ссылку с huggingface.co - сам понимает, файл это, папка или целый репозиторий
- Очередь: добавляешь сколько хочешь, качаются по одному, можно переставлять, паузить, отменять, отправлять разные файлы в разные папки
- Проверка контрольной суммы: если файл уже есть и совпадает с хешем на Хабе - повторно не качает
- Показывает точную команду, которую выполняет, плюс лог всего вывода
Для приватных репозиториев нужен
hf auth login из командной строки (один раз)#manager #downloadmanager #tools
🔥14👍3🫡2🤝1
Умный редактор картинок CARE-Edit вышел в опенсорс в июне, а мы и не заметили. Видать, родился устаревшим
Гитхаб
#imageediting #controlnet
VK | MAX
Гитхаб
#imageediting #controlnet
VK | MAX
Telegram
Нейронавт | Нейросети в творчестве
CARE-Edit
Редактор изображений. Умеет работать с разными управляющими сиграналми (контролнетами) и не путает их между собой, как это бывает у других моделей.
Использует четыре эксперта: для работы с текстом, масками, референсами и базовую версию. Определяет…
Редактор изображений. Умеет работать с разными управляющими сиграналми (контролнетами) и не путает их между собой, как это бывает у других моделей.
Использует четыре эксперта: для работы с текстом, масками, референсами и базовую версию. Определяет…
👍4🫡3
Suno v6
Новое поколение музыкальных моделей Suno, чьи результаты вам не дадут скачатьтак же дешево как и раньше
Модели разработаны совестно с Warner Music Group, BMG и Believe - ну вы поняли. А официально:
v6 - флагман
v6-wild для экспериментов
v6-mini быстрый, бесплатный, доступен всем
- Редактирование части песни по тексту
- Мэшапы
- Сэмплирование
- Создание из настроения и мультимодального ввода: текст, аудио, картинки, видео
- Правка одной строки в лирике без пересборки всей песни
- v6 и v6-wild — для Pro и Premier
- Старые модели отключают
#musicediting #news
VK | MAX
Новое поколение музыкальных моделей Suno, чьи результаты вам не дадут скачать
Модели разработаны совестно с Warner Music Group, BMG и Believe - ну вы поняли. А официально:
Быстрее, выразительнее, с контролем на каждом шаге
v6 - флагман
v6-wild для экспериментов
v6-mini быстрый, бесплатный, доступен всем
- Редактирование части песни по тексту
- Мэшапы
- Сэмплирование
- Создание из настроения и мультимодального ввода: текст, аудио, картинки, видео
- Правка одной строки в лирике без пересборки всей песни
- v6 и v6-wild — для Pro и Premier
- Старые модели отключают
#musicediting #news
VK | MAX
👎11😁2🍌2❤1👀1
🥴10👨💻5🫡1
Gander (Tencent Hunyuan + openbmb)
Агент который смотрит, слушает, говорит и работает одновременно, в реальном времени, в одной открытой модели. Пока Gander отвечает, он видит экран, слышит тебя, различает "ага, продолжай" и "стоп, дай сказать"
Может параллельно запускать долгие задачи. Apache 2.0
На базе MiniCPM-o 4.5
- Full-duplex
- Видит то, что ты видишь: экран, видео, камера. Может комментировать, отвечать на вопросы, реагировать на события
- Помнит о чем его просили
Гитхаб
HF
#agent #dialog #interactive
VK | MAX
Агент который смотрит, слушает, говорит и работает одновременно, в реальном времени, в одной открытой модели. Пока Gander отвечает, он видит экран, слышит тебя, различает "ага, продолжай" и "стоп, дай сказать"
Может параллельно запускать долгие задачи. Apache 2.0
На базе MiniCPM-o 4.5
- Full-duplex
- Видит то, что ты видишь: экран, видео, камера. Может комментировать, отвечать на вопросы, реагировать на события
- Помнит о чем его просили
Гитхаб
HF
#agent #dialog #interactive
VK | MAX
👍16❤1
DeepSeek V4.1 Flash
Раньше в приложении надо было вручную переключаться между быстрым, экспертным и режимом с картинками. Теперь это один нативно мультимодальный флагман: обычный диалог, анализ изображений и сложные рассуждения
- Нативно мультимодальная: текст, изображения, рассуждения - один и тот же вход
- V4 Pro отключается 14 сентября (перенесли с более ранней даты)
- После этого V4-запросы автоматически идут на V4.1 Flash по цене Flash пока не выйдет V4.1 Pro
#flagship #multimodal
VK | MAX
Раньше в приложении надо было вручную переключаться между быстрым, экспертным и режимом с картинками. Теперь это один нативно мультимодальный флагман: обычный диалог, анализ изображений и сложные рассуждения
- Нативно мультимодальная: текст, изображения, рассуждения - один и тот же вход
- V4 Pro отключается 14 сентября (перенесли с более ранней даты)
- После этого V4-запросы автоматически идут на V4.1 Flash по цене Flash пока не выйдет V4.1 Pro
#flagship #multimodal
VK | MAX
🔥9👍5
This media is not supported in your browser
VIEW IN TELEGRAM
AuK (Tencent Hunyuan)
Универсальная модель речи: генерация, редактирование, очистка и разделение
Все через указания естественным языком
- Клонирование голоса: текст + референс голоса
- Instruct TTS: голос по описанию без референса
- Редактирование содержимого: заменил/вставил/удалил слова, переписал слова в песне с сохранением мелодии
- Акустика: питч, скорость, громкость
- Паралингвистика: эмоция, тембр, убирает акцент, дыхание/смех/кашель, обычная речь - шепот
- Очистка и разделение: улучшение речи, разделение говорящих, извлечение вокала из микса, выделение цели по сказанному
- 1.5B, MIT
- AuK-Flash: 4 шага, в 4.5x быстрее
Русский не заявлен, но текстовый энкодер - мультиязыный Qwen2.5-Omni-3B, так что пробуйте
Гитхаб
HF
Демо
ComfyUI Спасибо @m_franz
#tts #voiceclonihng #voicedesign #alm #demix #audioseparation
Универсальная модель речи: генерация, редактирование, очистка и разделение
Все через указания естественным языком
- Клонирование голоса: текст + референс голоса
- Instruct TTS: голос по описанию без референса
- Редактирование содержимого: заменил/вставил/удалил слова, переписал слова в песне с сохранением мелодии
- Акустика: питч, скорость, громкость
- Паралингвистика: эмоция, тембр, убирает акцент, дыхание/смех/кашель, обычная речь - шепот
- Очистка и разделение: улучшение речи, разделение говорящих, извлечение вокала из микса, выделение цели по сказанному
- 1.5B, MIT
- AuK-Flash: 4 шага, в 4.5x быстрее
Русский не заявлен, но текстовый энкодер - мультиязыный Qwen2.5-Omni-3B, так что пробуйте
Гитхаб
HF
Демо
ComfyUI Спасибо @m_franz
#tts #voiceclonihng #voicedesign #alm #demix #audioseparation
👍10🔥3
Uno (IFM + Cerebras)
Способ ускорить большую языковую модель не теряя ни капли качества. Обычные модели пишут текст по одному слову за раз. Uno учит модель предсказывать целыми блоками параллельно как будто она печатает сразу по несколько слов, а не по одному
У модели два набора мозгов: один отвечает за качество и делает все как раньше, второй легкий и быстрый, догадывается какие слова идут подряд. Вместе они выдают ровно тот же результат что и оригинал но в разы быстрее.
Существующие ускорители (DFlash, Eagle3) требуют вторую отдельную черновую модель - это лишняя память и сложность. Uno обходится без нее - все встроено в одну модель. Меньше веса, меньше памяти, проще запускать.
В результате до 3 раз быстрее базовой модели. При этом модель на 8B параметров обходит по качеству диффузионного гиганта на 26B и проприетарный Mercury 2
Гитхаб
HF
#optimization
Способ ускорить большую языковую модель не теряя ни капли качества. Обычные модели пишут текст по одному слову за раз. Uno учит модель предсказывать целыми блоками параллельно как будто она печатает сразу по несколько слов, а не по одному
У модели два набора мозгов: один отвечает за качество и делает все как раньше, второй легкий и быстрый, догадывается какие слова идут подряд. Вместе они выдают ровно тот же результат что и оригинал но в разы быстрее.
Существующие ускорители (DFlash, Eagle3) требуют вторую отдельную черновую модель - это лишняя память и сложность. Uno обходится без нее - все встроено в одну модель. Меньше веса, меньше памяти, проще запускать.
В результате до 3 раз быстрее базовой модели. При этом модель на 8B параметров обходит по качеству диффузионного гиганта на 26B и проприетарный Mercury 2
Гитхаб
HF
#optimization
🔥5👍4❤2🤔2
This media is not supported in your browser
VIEW IN TELEGRAM
#humor
но и всерьез #оффтоп
Как например я налепил этот слоп-дубляж. Дай, думаю, сделаю дубляж для подписчиков, не все же понимают басурманскую речь. Пошел искать автоматические дубляторы. На самых лучших бесплатные токены кончились - смотрю что есть в опенсорсе. Ну есть несколько хороших.
Тыкнул в Пинокио тот что судя по всему должен быть хорошим - час установки - ошибка. Не заводится.
Тыкнул другой. Час установки - завелся. Хороший UI, есть подходящий функциолнал. Транскрибация, перевод, озвучание - есть на выбор бесплатные варианты и с ключиками API. Ключиков нет у меня и жалко. Потыкал транскрибацию - из бесплатного whisper, а он уже устарел и справляется не то чтобы хорошо
Ну ладно, думаю, поправлю руками. Начинаю править руками и это сущий адъ - ибо смешаны реплики персонажей и их надо резать заново - а говорящих всего двое. Потом править текст ибо слова слоп оно не знает и разговаривает на "вы" хотя тут уместно на "ты". Потратил еще полчаса и дошел только до 30 секунд. И все это ради смешного ролика на 2 минуты
Плюнул и залил в ютуб, дождался пока всем известный браузер сделает свой дубляж и подложил его дорожку. А совсем кривую фразу просто вырезал
Куча возни нужна чтобы просто дублировать НЕЙРОНКАМИ 2-минутный ролик. Просто кошмар как я однажды вручную дублировал целую полуторачасовую документалку - убил на это полностью 12 дней зимних каникул. А потом ее перезалил себе другой канал и поднял больше просмотров
но и всерьез #оффтоп
Как например я налепил этот слоп-дубляж. Дай, думаю, сделаю дубляж для подписчиков, не все же понимают басурманскую речь. Пошел искать автоматические дубляторы. На самых лучших бесплатные токены кончились - смотрю что есть в опенсорсе. Ну есть несколько хороших.
Тыкнул в Пинокио тот что судя по всему должен быть хорошим - час установки - ошибка. Не заводится.
Тыкнул другой. Час установки - завелся. Хороший UI, есть подходящий функциолнал. Транскрибация, перевод, озвучание - есть на выбор бесплатные варианты и с ключиками API. Ключиков нет у меня и жалко. Потыкал транскрибацию - из бесплатного whisper, а он уже устарел и справляется не то чтобы хорошо
Ну ладно, думаю, поправлю руками. Начинаю править руками и это сущий адъ - ибо смешаны реплики персонажей и их надо резать заново - а говорящих всего двое. Потом править текст ибо слова слоп оно не знает и разговаривает на "вы" хотя тут уместно на "ты". Потратил еще полчаса и дошел только до 30 секунд. И все это ради смешного ролика на 2 минуты
Плюнул и залил в ютуб, дождался пока всем известный браузер сделает свой дубляж и подложил его дорожку. А совсем кривую фразу просто вырезал
Куча возни нужна чтобы просто дублировать НЕЙРОНКАМИ 2-минутный ролик. Просто кошмар как я однажды вручную дублировал целую полуторачасовую документалку - убил на это полностью 12 дней зимних каникул. А потом ее перезалил себе другой канал и поднял больше просмотров
😁17👍4❤2💯2🫡1