👍4❤1👎1
ComfyUI-OutpaintMask
Ладно, под конец дня держите полезное
кастом пак для #ComfyUI с интерактивным редактором масок аутпейнтинга. Рисуешь рамку прямо на изображении - сразу видно, что попадет в рендер
#outpainting
MAX
Ладно, под конец дня держите полезное
кастом пак для #ComfyUI с интерактивным редактором масок аутпейнтинга. Рисуешь рамку прямо на изображении - сразу видно, что попадет в рендер
#outpainting
MAX
👍16🤔1
This media is not supported in your browser
VIEW IN TELEGRAM
Китайская компания UBTECH запустила завод где роботы делают роботов
Сингулярность через 5.. 4.. 3..
#robot
MAX
Сингулярность через 5.. 4.. 3..
#robot
MAX
👍8😈4😁2
Qwen3.8-LiveTranslate
Синхронный переводчик от Qwen
Переводит речь в реальном времени на 60 языков и озвучивает перевод голосом говорящего. Задержка упала с 2,8 до 2,3 секунды - уровень живого синхрониста. Архитектура Thinker-Talker на Hybrid-MoE, понимание и перевод в одном проходе
• реальное время разделяет говорящих и подписывает, кому принадлежит фраза
• клонирует тембр - перевод звучит голосом собеседника
• оригинал и перевод одновременно на двуязычном экране
• держит длинный контекст - имена и термины не плывут от фразы к фразе
• смотрит на видео, а не только слушает - картинка разводит омонимы
• 60 языков
• LAAL 2,3 секунды
• тест FLEURS на 70 языковых направлениях по четырем параметрам
Работает через облако Alibaba: клиент по вебсокету, нужны ключ DashScope и workspace в Model Studio
qwencloud
#translation
MAX
Синхронный переводчик от Qwen
Переводит речь в реальном времени на 60 языков и озвучивает перевод голосом говорящего. Задержка упала с 2,8 до 2,3 секунды - уровень живого синхрониста. Архитектура Thinker-Talker на Hybrid-MoE, понимание и перевод в одном проходе
• реальное время разделяет говорящих и подписывает, кому принадлежит фраза
• клонирует тембр - перевод звучит голосом собеседника
• оригинал и перевод одновременно на двуязычном экране
• держит длинный контекст - имена и термины не плывут от фразы к фразе
• смотрит на видео, а не только слушает - картинка разводит омонимы
• 60 языков
• LAAL 2,3 секунды
• тест FLEURS на 70 языковых направлениях по четырем параметрам
Работает через облако Alibaba: клиент по вебсокету, нужны ключ DashScope и workspace в Model Studio
qwencloud
#translation
MAX
🔥12👍8❤3
Occamy-1.0 от Accio Lab
Агентная модель 35B для длительных задач совместной работы. База - Qwen3.6-35B-A3B, обучение добивало надежное исполнение, трекинг состояния и доведение дел до конца. Находится у низкого колена Pareto-фронтира по цене за задачу
• долгие workflows - поиск, код, инструменты, файлы и API в одном прогоне
• устойчивость к перезаписи истории - работает после context compaction
• сильный tool calling, терминальный кодинг и следование инструкциям
• держит состояние между вызовами инструментов и делегированными запусками
• мультимодальность - база с vision-энкодером на борту
• 35B всего, 3B активных параметров (MoE)
• контекст 262K токенов
• лидирует среди 35B на Claw-Eval, WildClawBench и AutomationBench
• GGUF, FP8 и NVFP4 квантизации под разные железки
Сублинейная экономика: на четырех co-work бенчмарках обходит Qwen3.6-35B-A3B с почти тем же per-task расходом. Тренировочный стек Dressage открыт. Лицензия Apache 2.0
HF
#agent
Агентная модель 35B для длительных задач совместной работы. База - Qwen3.6-35B-A3B, обучение добивало надежное исполнение, трекинг состояния и доведение дел до конца. Находится у низкого колена Pareto-фронтира по цене за задачу
• долгие workflows - поиск, код, инструменты, файлы и API в одном прогоне
• устойчивость к перезаписи истории - работает после context compaction
• сильный tool calling, терминальный кодинг и следование инструкциям
• держит состояние между вызовами инструментов и делегированными запусками
• мультимодальность - база с vision-энкодером на борту
• 35B всего, 3B активных параметров (MoE)
• контекст 262K токенов
• лидирует среди 35B на Claw-Eval, WildClawBench и AutomationBench
• GGUF, FP8 и NVFP4 квантизации под разные железки
Сублинейная экономика: на четырех co-work бенчмарках обходит Qwen3.6-35B-A3B с почти тем же per-task расходом. Тренировочный стек Dressage открыт. Лицензия Apache 2.0
HF
#agent
👍11❤1
HyperFlow от Video Rebirth
Ускоритель #MiniMaxH3. #LoRA, полученная data-free self-distillation: модель сама генерирует кандидаты-видео, фильтрует качество и дистиллирует из прошедших отбор. Без внешних данных и человеческой разметки
• 8 шагов вместо 49 у стандартного
• ускорение примерно в 3 раза
• контроль камеры, консистентность, материалы и детализация - "лучше базовой модели"
• работает на официальном diffusers Modular Pipeline
• LoRA 2.8 ГБ, rank 256
• три workflow: #t2va #fl2va и #ref2va, все с видео и звуком
• до 4 GPU с Ulysses-параллелизмом
• поддержка NVIDIA Sol-Attn - до 13% быстрее на H200
Гитхаб
HF
ComfyUI
Спасибо @m_franz
#optimization #comfyui
MAX
Ускоритель #MiniMaxH3. #LoRA, полученная data-free self-distillation: модель сама генерирует кандидаты-видео, фильтрует качество и дистиллирует из прошедших отбор. Без внешних данных и человеческой разметки
• 8 шагов вместо 49 у стандартного
• ускорение примерно в 3 раза
• контроль камеры, консистентность, материалы и детализация - "лучше базовой модели"
• работает на официальном diffusers Modular Pipeline
• LoRA 2.8 ГБ, rank 256
• три workflow: #t2va #fl2va и #ref2va, все с видео и звуком
• до 4 GPU с Ulysses-параллелизмом
• поддержка NVIDIA Sol-Attn - до 13% быстрее на H200
Гитхаб
HF
ComfyUI
Спасибо @m_franz
#optimization #comfyui
MAX
👍10🤔3😁2❤1🔥1😱1
MuLaCover
Контролируемый генератор каверов и ремиксов от HeartMuLa. Берет референс-музыку, трансформирует под новые слова и стиль - жанр, инструменты, настроение задаются текстовым промптом. Либо работает от MIDI с мелодией и аккордами
• кавер по референсу, тексту и стилю
• генерация с нуля из мелодии и аккордов MIDI
• секции текста с маркерами - Verse, Chorus
• стиль одной строкой: жанр, инструменты, настроение
• 4B параметров
• выход WAV
huggingface.co/HeartMuLa/MuLaCover
github.com/HeartMuLa/MuLaCover
———
DiffSynth-Music от DiffSynth-Studio
Набор моделей контролируемой генерации музыки на базе #ACEStep
Унаследовал #t2m из базы, плюс пять режимов управления через адаптеры Diffusion-Templates
• биты - генерация строго под заданный темп и ритм
• вокал - держит голос, добивает аккомпанемент
• аккомпанемент - держит инструменты, пишет вокал
• просодия - ритм и фразировка каждого слога по входной дорожке
• референс - новый трек в стиле и тембре входного аудио
• 48 кГц на выходе
• длительность до 240 секунд
• низкий VRAM - оффлоад на диск и CPU
huggingface.co/DiffSynth-Studio/DiffSynth-Music
github.com/modelscope/DiffSynth-Studio
#text2music #musicediting #midi2audio
MAX
Контролируемый генератор каверов и ремиксов от HeartMuLa. Берет референс-музыку, трансформирует под новые слова и стиль - жанр, инструменты, настроение задаются текстовым промптом. Либо работает от MIDI с мелодией и аккордами
• кавер по референсу, тексту и стилю
• генерация с нуля из мелодии и аккордов MIDI
• секции текста с маркерами - Verse, Chorus
• стиль одной строкой: жанр, инструменты, настроение
• 4B параметров
• выход WAV
huggingface.co/HeartMuLa/MuLaCover
github.com/HeartMuLa/MuLaCover
———
DiffSynth-Music от DiffSynth-Studio
Набор моделей контролируемой генерации музыки на базе #ACEStep
Унаследовал #t2m из базы, плюс пять режимов управления через адаптеры Diffusion-Templates
• биты - генерация строго под заданный темп и ритм
• вокал - держит голос, добивает аккомпанемент
• аккомпанемент - держит инструменты, пишет вокал
• просодия - ритм и фразировка каждого слога по входной дорожке
• референс - новый трек в стиле и тембре входного аудио
• 48 кГц на выходе
• длительность до 240 секунд
• низкий VRAM - оффлоад на диск и CPU
huggingface.co/DiffSynth-Studio/DiffSynth-Music
github.com/modelscope/DiffSynth-Studio
#text2music #musicediting #midi2audio
MAX
Telegram
Нейронавт | Нейросети в творчестве
HeartMuLa: A Family of Open Sourced Music Foundation Models
Набор открытых моделей для создания и понимания музыки
Создаёт песни по запросу, учитывая разные условия: можно описать стиль, дать текст или показать образец музыки
Позволяет детально управлять…
Набор открытых моделей для создания и понимания музыки
Создаёт песни по запросу, учитывая разные условия: можно описать стиль, дать текст или показать образец музыки
Позволяет детально управлять…
❤6👍3🔥2
Atria Dawn Preview от Shanghai AI Lab
Агентная модель для исследований и инженерии. База - GLM-5.2 на 744B параметров (MoE). Превращает открытую задачу в исполняемый и воспроизводимый результат: анализ, план, код, эксперимент, разбор ошибок и повтор
• Discovery - глубокий ресёрч и поиск по источникам
• Creation - разработка софта, игр, визуализаций и ML-систем
• Delivery - отчеты, презентации и структурированные продукты из документов
• Cybersecurity - анализ уязвимостей и фиксы в авторизованных средах
• 744B параметров
• контекст 256K токенов
• BFCL v4 77.0, DeepSearchQA 96.0 - лидирует среди конкурентов
• есть FP8-версия
• только текст, картинки на вход не принимает
Встраивается в Codex, Claude Code и Kimi Code через API. Свой API в двух регионах - международный и Китай. Лицензия MIT
Гитхаб
HF
#agent
Агентная модель для исследований и инженерии. База - GLM-5.2 на 744B параметров (MoE). Превращает открытую задачу в исполняемый и воспроизводимый результат: анализ, план, код, эксперимент, разбор ошибок и повтор
• Discovery - глубокий ресёрч и поиск по источникам
• Creation - разработка софта, игр, визуализаций и ML-систем
• Delivery - отчеты, презентации и структурированные продукты из документов
• Cybersecurity - анализ уязвимостей и фиксы в авторизованных средах
• 744B параметров
• контекст 256K токенов
• BFCL v4 77.0, DeepSearchQA 96.0 - лидирует среди конкурентов
• есть FP8-версия
• только текст, картинки на вход не принимает
Встраивается в Codex, Claude Code и Kimi Code через API. Свой API в двух регионах - международный и Китай. Лицензия MIT
Гитхаб
HF
#agent
🔥3❤1👍1
Qwen-Image 2.1
Не отдыхается им в воскресенье и меня заставляют работать
Мультимодальная диффузная модель для генерации и правки изображений.
- нативное 2К разрешение
- поддержка альфа канала
- от 12 ГБ VRAM
- до 10 референсных изображений на входе
- редактирует маски и области
- улучшает детализацию без потери стиля
- экономит память за счет оптимизированного VAE
#Comfyui - уже есть нативная поддержка
Го тестить
HF
гитхаб
#QI21 #imageediting
MAX
Не отдыхается им в воскресенье и меня заставляют работать
Мультимодальная диффузная модель для генерации и правки изображений.
- нативное 2К разрешение
- поддержка альфа канала
- от 12 ГБ VRAM
- до 10 референсных изображений на входе
- редактирует маски и области
- улучшает детализацию без потери стиля
- экономит память за счет оптимизированного VAE
#Comfyui - уже есть нативная поддержка
Го тестить
HF
гитхаб
#QI21 #imageediting
MAX
👍22😁4🥴1
#yue2
github.com/Comfy-Org/ComfyUI/releases - поддержка YuE2 в новой стабильной версии #ComfyUI
huggingface.co/Mothersuperior/YuE2-instrumental-cot-full-loras - инструментальные #LoRA для YuE2: 2700 треков, 100+ жанров. Три способа промптить секции — от «[instrumental]» до точных таймкодов m:ss
github.com/KytraScript/ComfyUI-FS_Audio_Suite - официальные ноды Humsong: адаптер YuE2 «невнятное мычание→песня». Есть и CLI-скрипты
github.com/jplenio/ComfyUI-MiniMax-Music-Production-Toolkit - в версии 3.0 добавлен YuE2 с каверами. Источник → SheetSage2 → ABC → LLM правит промпт → новый аранжемент. Не клонирует голос певца
github.com/vrgamegirl19/Yue2_Studio - локальная студия: песни, каверы, трейн LoRA (стиль/артист), LLM-райтер, режим Surprise Me. экспериментально #GGUF
github.com/PasiKoodaa/YuE2-Radio - радио: LM Studio генерит тексты, батники разворачивают под Windows
github.com/KadoBOT/ComfyUI-YuE2-Voices - ноды голосов
huggingface.co/monsterovich/yue2-industrial-rock-lora - #LoRA индастриал-рок
github.com/pytraveler/YuE2-ComfyUI/releases/tag/v0.8.0 - обновление от @Aleks_101
github.com/Comfy-Org/ComfyUI/releases - поддержка YuE2 в новой стабильной версии #ComfyUI
huggingface.co/Mothersuperior/YuE2-instrumental-cot-full-loras - инструментальные #LoRA для YuE2: 2700 треков, 100+ жанров. Три способа промптить секции — от «[instrumental]» до точных таймкодов m:ss
github.com/KytraScript/ComfyUI-FS_Audio_Suite - официальные ноды Humsong: адаптер YuE2 «невнятное мычание→песня». Есть и CLI-скрипты
github.com/jplenio/ComfyUI-MiniMax-Music-Production-Toolkit - в версии 3.0 добавлен YuE2 с каверами. Источник → SheetSage2 → ABC → LLM правит промпт → новый аранжемент. Не клонирует голос певца
github.com/vrgamegirl19/Yue2_Studio - локальная студия: песни, каверы, трейн LoRA (стиль/артист), LLM-райтер, режим Surprise Me. экспериментально #GGUF
github.com/PasiKoodaa/YuE2-Radio - радио: LM Studio генерит тексты, батники разворачивают под Windows
github.com/KadoBOT/ComfyUI-YuE2-Voices - ноды голосов
huggingface.co/monsterovich/yue2-industrial-rock-lora - #LoRA индастриал-рок
github.com/pytraveler/YuE2-ComfyUI/releases/tag/v0.8.0 - обновление от @Aleks_101
❤7👍3