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
SceneMosaic (HKU + UESTC)
Из одной фотки — серия готовых к симуляции 3D-сцен с разными вариантами расстановки. Вместо долгого агентного text-to-3D (часы) или быстрого, но кривого image-to-3D с летающими объектами, SceneMosaic берет скорость от картинок, а физику от агентов
- Из одного референса: реконструкция объектов, физическая стабилизация, агентная эволюция расстановки
- Разнообразие: сцена раскладывается на локальные единицы, каждый вариант меняется независимо, потом комбинируются — десятки валидных планировок
- VLM-агенты (Critic-Actor) смотрят на ортографические виды, чинят семантические и физические ошибки, параллельно предлагают варианты
- Отбор по новизне: из всех комбинаций остаётся компактный набор самых разных, но валидных
- Базовая сцена: ~8 минут
- Каждый дополнительный вариант: ~2 минуты
Гитхаб
#imageto3d #image2scene #image2layout
Из одной фотки — серия готовых к симуляции 3D-сцен с разными вариантами расстановки. Вместо долгого агентного text-to-3D (часы) или быстрого, но кривого image-to-3D с летающими объектами, SceneMosaic берет скорость от картинок, а физику от агентов
- Из одного референса: реконструкция объектов, физическая стабилизация, агентная эволюция расстановки
- Разнообразие: сцена раскладывается на локальные единицы, каждый вариант меняется независимо, потом комбинируются — десятки валидных планировок
- VLM-агенты (Critic-Actor) смотрят на ортографические виды, чинят семантические и физические ошибки, параллельно предлагают варианты
- Отбор по новизне: из всех комбинаций остаётся компактный набор самых разных, но валидных
- Базовая сцена: ~8 минут
- Каждый дополнительный вариант: ~2 минуты
Гитхаб
#imageto3d #image2scene #image2layout
🔥8👍5❤2
YuE2-ComfyUI v0.4.0
Адаптация YuE2-3B для ComfyUI от @Aleks_101
Генерация полноценных песен из описания стиля и текста. Веса сами находятся, дополнительная нода-писатель пишет и слова, и стиль из одной строки идеи
v0.2.0:
добавился редактор песни. Стиль собирается из частей (язык, темп, голоса, звучание), текст правится по секциям, клик по букве показывает, где токенизатор режет слово. Все в окне поверх канвы, до Apply ничего не записывается
v0.4.0:
Редактор партитуры
- Отдельная оптимизация VRAM: у модели две половины весов, ни одной стадии не нужны обе — на карте держится только нужная
- 40 секунд песни: ~4.9 GiB, 4 минуты: ~11.5 GiB (с offload)
- 75 секунд песни на RTX 5090 — 40.2 секунды генерации
- Встроенный writer (YuE2 Write Song): одна строка идеи → готовый стиль + лирика с тегами. Использует любой GGUF на диске, если нет — скачивает 2.55 ГБ
- Поддержка INT8 ConvRot (3.69 ГБ)
#yue2 #musicediting #comfyui
Адаптация YuE2-3B для ComfyUI от @Aleks_101
Генерация полноценных песен из описания стиля и текста. Веса сами находятся, дополнительная нода-писатель пишет и слова, и стиль из одной строки идеи
v0.2.0:
добавился редактор песни. Стиль собирается из частей (язык, темп, голоса, звучание), текст правится по секциям, клик по букве показывает, где токенизатор режет слово. Все в окне поверх канвы, до Apply ничего не записывается
v0.4.0:
Редактор партитуры
- Отдельная оптимизация VRAM: у модели две половины весов, ни одной стадии не нужны обе — на карте держится только нужная
- 40 секунд песни: ~4.9 GiB, 4 минуты: ~11.5 GiB (с offload)
- 75 секунд песни на RTX 5090 — 40.2 секунды генерации
- Встроенный writer (YuE2 Write Song): одна строка идеи → готовый стиль + лирика с тегами. Использует любой GGUF на диске, если нет — скачивает 2.55 ГБ
- Поддержка INT8 ConvRot (3.69 ГБ)
#yue2 #musicediting #comfyui
👍10❤4
This media is not supported in your browser
VIEW IN TELEGRAM
Volumetric Motion Rigging (VMR)
Перенос движения из видео на 3D-персонажа. Видео → реконструированные меши по кадрам → анимация на консистентном персонаже. Без скелета, без маркеров, без дорогого моушен-капа
- Сохраняет форму и детали (лица, одежда) по всей анимации
- Работает со сложными зонами: кисти, запястья, контакт с объектами
- Прямой экспорт в Blender и FBX (проверено в Unity)
- Анимация как запечtнные меш-позы (не скелетный риг)
Полным пайплайном не поделились, хотя пишут что в базе TRELLIS.2, и все используемые инструменты открытые
#video2animation #motioncontrol #characteranimation
VK | MAX
Перенос движения из видео на 3D-персонажа. Видео → реконструированные меши по кадрам → анимация на консистентном персонаже. Без скелета, без маркеров, без дорогого моушен-капа
- Сохраняет форму и детали (лица, одежда) по всей анимации
- Работает со сложными зонами: кисти, запястья, контакт с объектами
- Прямой экспорт в Blender и FBX (проверено в Unity)
- Анимация как запечtнные меш-позы (не скелетный риг)
Полным пайплайном не поделились, хотя пишут что в базе TRELLIS.2, и все используемые инструменты открытые
#video2animation #motioncontrol #characteranimation
VK | MAX
👍6🫡3🤔2
LTX-2.5 22B IC-LoRA Deblur
Недавно Lightricks выложили лору на восстановление резкости для #LTX25
#lora #videorestoration #deblur
VK | MAX
Недавно Lightricks выложили лору на восстановление резкости для #LTX25
#lora #videorestoration #deblur
VK | MAX
👍24