This media is not supported in your browser
VIEW IN TELEGRAM
Declick-GUI
Чистка щелчков в аудиогенерациях F5-TTS
Простой GUI-скрипт, который убирает щелчки и прочие короткие артефакты, проскакивающие в паузах после синтеза F5-TTS. Что-то вроде Audacity на минималках, но заточенное под одну задачу и без лишнего.
#cleanup #audio2audio #denoise
VK | MAX
Чистка щелчков в аудиогенерациях F5-TTS
Простой GUI-скрипт, который убирает щелчки и прочие короткие артефакты, проскакивающие в паузах после синтеза F5-TTS. Что-то вроде Audacity на минималках, но заточенное под одну задачу и без лишнего.
#cleanup #audio2audio #denoise
VK | MAX
👍10
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Накопилось по #minimaxH3 - часть 22
github.com/TaoLiveAIGC/TaoMate-H3 - стриминг-рантайм генерации аудио+видео от Alibaba TaoLive. Чанками, непрерывная длинная генерация, 480p/768p/1080p
huggingface.co/Alissonerdx/Minimax-H3-ComfyUI - #LoRA на четкость H3: то же разрешение, но резче или мыльнее. Не апскейлер
github.com/TwoAbove/ComfyUI-H3VideoOutpaint - аутпейнтинг видео без промпта: скользящее окно расширяет клип (например до 9:12) с сохранением тайминга и звука. Окно-контекст до 107 кадров. Для 20 шагов res_multistep
huggingface.co/datasets/jacokon/fasth3-live - FastH3 Live: непрерывный рилтайм стрим видео+аудио на одной 5090. 721 сцена, 22.1 fps на 448×448. 4-шаговый DiT, sage attention, ретайминг под slow-motion. 22.7GB
github.com/RH-RunningHub/MiniMax-H3-MultiGPU-Lightning - RunningHub H3 Lightning: мультиGPU-рецепт ускорения инференса H3
huggingface.co/drbaph/MiniMax-H3-Turbo-Lora-ComfyUI/tree/main/experimental - экспериментальные DMD турбо #LoRA на 8 шагов
huggingface.co/circlestone-labs/MiniMax-H3-Image-Training-Adapter - адаптер для тренировки LoRA-концептов без порчи видео-знаний модели
github.com/cicalooo/ComfyUI-MM-1Frame - извлечение лучшего кадра: авто-выбор из пяти. Работает с Hard Gravy турбо, Spectrum и Klein 4B для ремонта. Второй референс — OpenPose, требует слово-позу в промпте
reddit.com/r/StableDiffusion/comments/1wdlg0q/instant_references_no_refmod_or_fancy_custom/ - референсы без #RefMods : папка картинок → кадры видео-референса. Много изображений в один вход. Менять набор — чистить кеш
github.com/NyckM/3d-Camera-control-H3-Minimax - контроль камеры от bruxosdovfx. GUI на португальском
github.com/maosika-ai/depthcat - Depthcat: клип → depth-блокаут для Fun Controlnet. Только статинг, без лиц и стиля. Белое близко, чёрное далеко. До 15 сек, нужна доп. модель 111Mb
huggingface.co/FastVideo/FastVideo-Minimax-FastH3-Preview-v0.2 - 4-шаговая v0.2, плюс FastH3-Live 1.2.0
huggingface.co/berryber09/MiniMax-H3-Fun-Controlnet-Union-w4a8 - W4A8 квантизация #ControlNet-Union
github.com/ShamanicArts/h3-spherical-vae - круговое VAE-декодирование для equirectangular видео H3 #panorama
github.com/duckyshell/ComfyUI-MiniMaxH3-FirstBlockCache - FirstBlockCache: cross-step кеш для 20-шаговиков, ~30% быстрее
civitai.com/models/2930172/manga-tone-rendering-lora-for-minimax-h3 - манга-тон для H3: монохром, штриховка, тон держится при движении камеры. Триггер
civitai.com/models/2929051/minimax-h3-15-reference-image-workflow - воркфлоу на 15+ референсов: патч .BAT/.PY снимает лимит девяти для #Ref2VA
huggingface.co/Playtime-AI/Minimax_H3-Age_Slider - слайдер возраста #slider
huggingface.co/Alissonerdx/Minimax-H3-ComfyUI - #LoRA переноса стиля + #workflow #styletransfer
#comfyui #srealrime #streaming #optimization #realism
github.com/TaoLiveAIGC/TaoMate-H3 - стриминг-рантайм генерации аудио+видео от Alibaba TaoLive. Чанками, непрерывная длинная генерация, 480p/768p/1080p
huggingface.co/Alissonerdx/Minimax-H3-ComfyUI - #LoRA на четкость H3: то же разрешение, но резче или мыльнее. Не апскейлер
github.com/TwoAbove/ComfyUI-H3VideoOutpaint - аутпейнтинг видео без промпта: скользящее окно расширяет клип (например до 9:12) с сохранением тайминга и звука. Окно-контекст до 107 кадров. Для 20 шагов res_multistep
huggingface.co/datasets/jacokon/fasth3-live - FastH3 Live: непрерывный рилтайм стрим видео+аудио на одной 5090. 721 сцена, 22.1 fps на 448×448. 4-шаговый DiT, sage attention, ретайминг под slow-motion. 22.7GB
github.com/RH-RunningHub/MiniMax-H3-MultiGPU-Lightning - RunningHub H3 Lightning: мультиGPU-рецепт ускорения инференса H3
huggingface.co/drbaph/MiniMax-H3-Turbo-Lora-ComfyUI/tree/main/experimental - экспериментальные DMD турбо #LoRA на 8 шагов
huggingface.co/circlestone-labs/MiniMax-H3-Image-Training-Adapter - адаптер для тренировки LoRA-концептов без порчи видео-знаний модели
github.com/cicalooo/ComfyUI-MM-1Frame - извлечение лучшего кадра: авто-выбор из пяти. Работает с Hard Gravy турбо, Spectrum и Klein 4B для ремонта. Второй референс — OpenPose, требует слово-позу в промпте
reddit.com/r/StableDiffusion/comments/1wdlg0q/instant_references_no_refmod_or_fancy_custom/ - референсы без #RefMods : папка картинок → кадры видео-референса. Много изображений в один вход. Менять набор — чистить кеш
github.com/NyckM/3d-Camera-control-H3-Minimax - контроль камеры от bruxosdovfx. GUI на португальском
github.com/maosika-ai/depthcat - Depthcat: клип → depth-блокаут для Fun Controlnet. Только статинг, без лиц и стиля. Белое близко, чёрное далеко. До 15 сек, нужна доп. модель 111Mb
huggingface.co/FastVideo/FastVideo-Minimax-FastH3-Preview-v0.2 - 4-шаговая v0.2, плюс FastH3-Live 1.2.0
huggingface.co/berryber09/MiniMax-H3-Fun-Controlnet-Union-w4a8 - W4A8 квантизация #ControlNet-Union
github.com/ShamanicArts/h3-spherical-vae - круговое VAE-декодирование для equirectangular видео H3 #panorama
github.com/duckyshell/ComfyUI-MiniMaxH3-FirstBlockCache - FirstBlockCache: cross-step кеш для 20-шаговиков, ~30% быстрее
civitai.com/models/2930172/manga-tone-rendering-lora-for-minimax-h3 - манга-тон для H3: монохром, штриховка, тон держится при движении камеры. Триггер
manga-tone renderingcivitai.com/models/2929051/minimax-h3-15-reference-image-workflow - воркфлоу на 15+ референсов: патч .BAT/.PY снимает лимит девяти для #Ref2VA
huggingface.co/Playtime-AI/Minimax_H3-Age_Slider - слайдер возраста #slider
huggingface.co/Alissonerdx/Minimax-H3-ComfyUI - #LoRA переноса стиля + #workflow #styletransfer
#comfyui #srealrime #streaming #optimization #realism
🔥18❤2👍2
#оффтоп #кино
Сходил в кино с ребенком на Хитрый Койот
Мы шли с нулевой информацией. Я не знал что это тот самый койот из луни тюнс. Я даже думал что это российский мультик. Не судите меня строго, постер на сайте кинотеатра был крохотный, а по клику на него открывалось не описание фильма, а покупка билетов.
Короче, ставлю фильму 10 из 10. Ну ладно, это не какой-то сюжетный шедевр, пусть будет 9 из 10.
Это один из немногих фильмов с интеграцией мультяшек в реальный мир (или наоборот). И в этом плане он отличный. Несколько лет назад вышел Чип и Дейл - вроде его все хвалили, но вот я сейчас даже не помню о чем он. А тут четкий сюжет с понятными конфликтами и арками. Детский, конечно же, не для сверхразумов.
Есть реверанс Тэксу Эйвери - его фамилию носит главный герой.
Ребёнок никогда не видел луни тюнс и был в восторге
Короче, рекомендую к просмотру с детьми
VK | MAX
Сходил в кино с ребенком на Хитрый Койот
Мы шли с нулевой информацией. Я не знал что это тот самый койот из луни тюнс. Я даже думал что это российский мультик. Не судите меня строго, постер на сайте кинотеатра был крохотный, а по клику на него открывалось не описание фильма, а покупка билетов.
Короче, ставлю фильму 10 из 10. Ну ладно, это не какой-то сюжетный шедевр, пусть будет 9 из 10.
Это один из немногих фильмов с интеграцией мультяшек в реальный мир (или наоборот). И в этом плане он отличный. Несколько лет назад вышел Чип и Дейл - вроде его все хвалили, но вот я сейчас даже не помню о чем он. А тут четкий сюжет с понятными конфликтами и арками. Детский, конечно же, не для сверхразумов.
Есть реверанс Тэксу Эйвери - его фамилию носит главный герой.
Ребёнок никогда не видел луни тюнс и был в восторге
Короче, рекомендую к просмотру с детьми
VK | MAX
👍28❤4🔥2🌚1👀1
YuE2 на GGUF — влезает в 8-9 ГБ VRAM
audio.cpp реализовал поддержку #YuE2 в #GGUF
Теперь музыкальная модель, для которой раньше нужно было 24 ГБ, помещается в 8-9 ГБ видеопамяти
- DEV-ветка: https://github.com/0xShug0/audio.cpp/tree/dev
- Prebuilt-бинарники в Artifacts на странице релиза
Q4/Q8 GGUF веса
#musicediting
VK | MAX
audio.cpp реализовал поддержку #YuE2 в #GGUF
Теперь музыкальная модель, для которой раньше нужно было 24 ГБ, помещается в 8-9 ГБ видеопамяти
- DEV-ветка: https://github.com/0xShug0/audio.cpp/tree/dev
- Prebuilt-бинарники в Artifacts на странице релиза
Q4/Q8 GGUF веса
#musicediting
VK | MAX
Telegram
Нейронавт | Нейросети в творчестве
audio.cpp
C++ движок для аудиоинференса на ggml. заявлен прирост 1.8–5x по сравнению с Python‑реализациями, плюс есть оптимизация под CUDA.
- синтез речи.
- распознавание речи.
- VAD (Voice Activity Detection) - детекция голосовой активности.
- конвертация…
C++ движок для аудиоинференса на ggml. заявлен прирост 1.8–5x по сравнению с Python‑реализациями, плюс есть оптимизация под CUDA.
- синтез речи.
- распознавание речи.
- VAD (Voice Activity Detection) - детекция голосовой активности.
- конвертация…
🔥13👍4❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Gaussian Light Transport
Глобальное освещение — как смесь 13-мерных гауссиан.
Что-что❓❓❓
(SIGGRAPH Asia 2026)
Новый способ считать глобальное освещение в 3D-сцене. Вместо того чтобы гонять тысячи лучей, GLT упаковывает освещение сцены в компактную смесь многомерных гауссиан. Каждый гауссиан описывает не просто точку в пространстве, а еще и в какую сторону она светит, под каким углом к поверхности и какой у нее материал
- 10-15 минут обучения
- 4-6 мегабайт на сцену — меньше, чем одна фотография в RAW
- 10-17 миллисекунд на кадр
- Качество освещения при этом выше: каустики, блики, отражения
Ключевое отличие от других подходов:
GLT не трассирует лучи, а подгоняет математическую модель прямо под уравнение света
Код ждем
#gaussian #GI #rendering
Глобальное освещение — как смесь 13-мерных гауссиан.
Что-что❓❓❓
(SIGGRAPH Asia 2026)
Новый способ считать глобальное освещение в 3D-сцене. Вместо того чтобы гонять тысячи лучей, GLT упаковывает освещение сцены в компактную смесь многомерных гауссиан. Каждый гауссиан описывает не просто точку в пространстве, а еще и в какую сторону она светит, под каким углом к поверхности и какой у нее материал
- 10-15 минут обучения
- 4-6 мегабайт на сцену — меньше, чем одна фотография в RAW
- 10-17 миллисекунд на кадр
- Качество освещения при этом выше: каустики, блики, отражения
Ключевое отличие от других подходов:
GLT не трассирует лучи, а подгоняет математическую модель прямо под уравнение света
Код ждем
#gaussian #GI #rendering
🔥11👍6
ComfyUI New Node Finder
показывает новые ноды для #comfyui
Есть фильтры: ключевые слова, звезды на гитхабе, количество скачиваний, как давно появилось
#tools
VK | MAX
показывает новые ноды для #comfyui
Есть фильтры: ключевые слова, звезды на гитхабе, количество скачиваний, как давно появилось
#tools
VK | MAX
👍14🔥1
X-AuT
Метод сжатия аудио-энкодера для речевых LLM на примере Qwen3-ASR-0.6B. Убирает 4 из 18 слоtв энкодера, восстанавливает качество через дистилляцию от большой модели (1.7B) — в итоге —21% параметров, —21% латентности на автомобильном PPU, ошибка почти не растёт (+2.5%). С автомобильной спецификой.
Гитхаб
HF
#encoder #optimization #asr
VK | MAX
Метод сжатия аудио-энкодера для речевых LLM на примере Qwen3-ASR-0.6B. Убирает 4 из 18 слоtв энкодера, восстанавливает качество через дистилляцию от большой модели (1.7B) — в итоге —21% параметров, —21% латентности на автомобильном PPU, ошибка почти не растёт (+2.5%). С автомобильной спецификой.
Гитхаб
HF
#encoder #optimization #asr
VK | MAX
👍8❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Mask Forcing (HKUST / LIGHTSPEED / UCLA)
Прием для дистилляции авторегрессивных видеогенераторов. Проблема: при дистилляции из двунаправленной модели в каузальную, видео часто получаются перенасыщенными и сглаженными. Mask Forcing это лечит, ничего не меняя в архитектуре.
Эффекты:
- Быстрее сходится и выше качество
- Больше динамики в движении, лучше следование инструкциям
- Чинится перенасыщение и сглаживание
- Работает и для длинных видео (30 сек в тесте с LongLive)
- Монтируется в любые существующие пайплайны AR дистилляции, chunk-wise и frame-wise
- Не требует реального видео, дополнительных стадий пост-трейна, изменений архитектуры или инференса
На видео слева Self-forcing, справа Mask forcing
Гитхаб
#optimization
VK | MAX
Прием для дистилляции авторегрессивных видеогенераторов. Проблема: при дистилляции из двунаправленной модели в каузальную, видео часто получаются перенасыщенными и сглаженными. Mask Forcing это лечит, ничего не меняя в архитектуре.
Эффекты:
- Быстрее сходится и выше качество
- Больше динамики в движении, лучше следование инструкциям
- Чинится перенасыщение и сглаживание
- Работает и для длинных видео (30 сек в тесте с LongLive)
- Монтируется в любые существующие пайплайны AR дистилляции, chunk-wise и frame-wise
- Не требует реального видео, дополнительных стадий пост-трейна, изменений архитектуры или инференса
На видео слева Self-forcing, справа Mask forcing
Гитхаб
#optimization
VK | MAX
🔥7👍3
DeepSeek-V4-Pro-0813-nvfp4-DSpark
NVIDIA выпустила NVFP4-квант DeepSeek-V4-Pro со спекулятивным декодингом DSpark
Сжали DeepSeek-V4-Pro-0813 (1.65T MoE, 49B активных) в NVFP4 и добавили DSpark. Разница с предыдущим NVFP4-релизом: теперь и draft-голова DeepSeek тоже переведена в NVFP4 (была MXFP4), так что один файл работает и как таргет, и как черновик
#dspark #nvfp4
VK | MAX
NVIDIA выпустила NVFP4-квант DeepSeek-V4-Pro со спекулятивным декодингом DSpark
Сжали DeepSeek-V4-Pro-0813 (1.65T MoE, 49B активных) в NVFP4 и добавили DSpark. Разница с предыдущим NVFP4-релизом: теперь и draft-голова DeepSeek тоже переведена в NVFP4 (была MXFP4), так что один файл работает и как таргет, и как черновик
#dspark #nvfp4
VK | MAX
huggingface.co
nvidia/DeepSeek-V4-Pro-0813-nvfp4-DSpark · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
👍4😈2
This media is not supported in your browser
VIEW IN TELEGRAM
FastFlowLM (AMD)
Движок для запуска ИИ на ноутбуках с Ryzen AI. Быстро, энергоэффективно, локально.
Гитхаб
Спасибо @krnk_music
#amd #tools
VK | MAX
Движок для запуска ИИ на ноутбуках с Ryzen AI. Быстро, энергоэффективно, локально.
Гитхаб
Спасибо @krnk_music
#amd #tools
VK | MAX
👍12
CVRR (DMIS-Lab — KAIST)
Принудительное визуальное мышление: модель не может ответить на вопрос по картинке, не подумав скрытым состоянием, отделенным от прямого доступа к визуальным данным
Обычная #VLM может жульничать — ответ приходит прямым путем из визуальных токенов. CVRR перекрывает этот обход: ответный декодер видит только рекуррентное скрытое состояние, а не оригинальные визуальные ряды. Если модель ответила — значит она действительно рассуждала через латент.
- Доступны чекпоинты на Qwen2.5-VL-7B, Qwen3-VL-8B, Gemma3-4B/12B, Gemma4-12B, InternVL3-9B
- Apache 2.0
Гитхаб
HF
VK | MAX
Принудительное визуальное мышление: модель не может ответить на вопрос по картинке, не подумав скрытым состоянием, отделенным от прямого доступа к визуальным данным
Обычная #VLM может жульничать — ответ приходит прямым путем из визуальных токенов. CVRR перекрывает этот обход: ответный декодер видит только рекуррентное скрытое состояние, а не оригинальные визуальные ряды. Если модель ответила — значит она действительно рассуждала через латент.
- Доступны чекпоинты на Qwen2.5-VL-7B, Qwen3-VL-8B, Gemma3-4B/12B, Gemma4-12B, InternVL3-9B
- Apache 2.0
Гитхаб
HF
VK | MAX
👍8🔥3