Нейронавт | Нейросети в творчестве
13.2K subscribers
7.18K photos
5.67K videos
51 files
7.27K links
Канал про нейросети в компьютерной графике, в кино и вообще

В папках и запусках не участвую

для связи @Neuronauticus

РКН: https://hf.ru/link8e56d
Download Telegram
Ming Image-0.1 Design от Ant Group

Модель генерации дизайн-изображений. Делает целые UI, дашборды, инфографику и постеры из структурированных промптов. Лицензия MIT

• цельные интерфейсы и макеты с консистентными типографикой и палитрой
• нативный RGBA - прозрачные элементы без постобработки
• промпты до 8K токенов
• 6B параметров

Отдельно вышла версия Layer - разбивает плоскую картинку на независимые редактируемые RGBA-слои

• 2-9 слоев из одной флат-графики
• лучший результат на всех 12 настройках теста Crello
• в 4.3 раза быстрее открытой Qwen-базы на 20B

Гитхаб
ComfyUI -Киджай подсуетился

#t2i #design

MAX
👍10🔥6❤1
Qwen-Audio-3.1

Пять моделей, полный аудио-стек: распознавание, генерация, диалог и создание. Сильное снижение цен - #TTS дешевле на 70%, #Realtime на 85%, #ASR до 95%

• ASR - мультиязычное и диалектное распознавание, авточистка текста от мусорных слов
• ASR-Next - мультиспикерная ASR с метками говорящих, таймштами и пониманием эмоций
• TTS - синтез с переносом голоса между языками, управление эмоцией и темпом текстом
• TTS-Next - единый LM+DiT фреймворк: голос, звуковые эффекты и фон в одном проходе
• Realtime - дуплекс с перебиванием, эмпатичное замедление когда чувствует плохое настроение

Для аудиокниг, подкастов, игр, рекламы и живых разговоров. API на qwencloud

qwencloud.com/models/qwen-audio-3.1-asr-flash-filetrans
qwencloud.com/models/qwen-audio-3.1-realtime-plus

MAX
🔥6👍1
Накопилось по #minimaxH3 - часть 27

huggingface.co/alibaba-pai/MiniMax-H3-Fun-Controlnet-Union-2.0 - добавились Scribble, Layout, Gray, блоков управления вдвое. У Kijai уже есть INT8 4.5Gb

comfy.icu/models/2949040/-MMH3-DayNight-Slider-v1-0 - #slider день/ночь: #LoRA с регулировкой освещения по силе

civitai.com/models/2941229/mmh3-video-age-slider - слайдер «старения» видео: сила контролирует насколько «старой» выглядит картинка

huggingface.co/prithivMLmods/MiniMax-H3-Rough-2D-Cartoon-Illustration - #LoRA «грубая 2D-мультяшка»: свободный рисунок и динамика. Триггер rough 2D cartoon illustration

huggingface.co/Leon1000/H3-Shadow-Negative-Nodes - ноды негативного промптинга для H3. Минимакс частично понимает негатив и в основном промпте

github.com/maosika-ai/ComfyUI-ReShot - видео → depth/OpenPose/Canny для Fun #Controlnet. Обновился: появились OpenPose и Canny

github.com/phazei/ComfyUI-Camera-Path - виртуальная камера: картинка + геометрия MoGe, рисуешь путь в 3D — получаешь кадры с новых позиций. #cameracontrol

civitai.com/models/2956315/rough-sketch-nature-for-minimax-h3 - скетч-натура в духе комикса. Длинный вводный промпт #lora

civitai.com/models/2955672/somethings-off-h3-minimax-style-lora-by-fos - Something's Off: общая «хантеровская» затемненная жуткая стилистика

disk.yandex.ru/d/fdk4Uayx56Z_yA - Minimax Studio v6 от @Evgeny_Rublev : модель Bonsai 2 (умнее), три режима (текст, кадры, референсы), быстрее декодер. Прошлые версии удалены

huggingface.co/Jojocodex/minimax-h3-Camera-Motion-lora - обновилась единственная рабочая LoRA с имитацией ручной съемки
❤10👍4🔥3
Qwen Intelligence

Квен сорвался с цепи и не может остановиться

Персональная интеллектуальная система для смартфонов. Три агента - планирование, исполнение и креатив. Первый партнер - HONOR

• Mobile Planner Agent - разбивает сложную задачу на этапы и оркестрирует исполнение
• Mobile-Use Agent - делает дело: API-first с фолбэком на GUI
• Mobile Creative Agent - одна фраза на входе, готовая креативная работа на выходе

- Mobile Planner Agent: github.com/Tongyi-MAI/Qwe
- Mobile-Use Agent: tongyi-mai.github.io/Qwen-UI-Agent

#agent #mobile #browseruse

MAX
👍15😁4❤1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Dissectible Anatomy

Виртуальная анатомия, которую можно резать и рвать в реальном времени. Данные криосечений (включая Visible Human Project) превращаются в деформируемые модели - как в лаборатории анатомического вскрытия, только без последствий и с undo

• разрезы, разрывы, отодвигание и разделение структур на лету
• фрактура модели через операции над signed distance fields
• сплэты вместо мешей - нет топологии, которую надо пересчитывать при разрезе
• не зависит от движка и CUDA - портативные compute shaders

• позиционная динамика (PBD) для деформации
• работает на обычных GPU через шейдеры
• вокселизация мешей - можно собирать модель из любого 3D-объекта

Награда Audience Choice на SIGGRAPH 2026 Real-Time Live. Авторы смотрят в сторону анатомического образования, а техника годится и для игрового разрушения и VFX в духе The Thing и Scanners

Спасибо @kiticatmur

#simulation #anatomy

#news #research
🤯16🔥6👍3❤1🤔1🍌1
This media is not supported in your browser
VIEW IN TELEGRAM
GAE от Tencent ARC и HKUST

Геометрический автоэнкодер для генерации миров. Сжимает 3072-канальные геометрические признаки в компактные 128 каналов, из которых декодируются RGB, глубина, траектории камеры и облака точек. Не достраивает геометрию постфактум, а кладет еt внутрь генерируемого латента

• из одного латента - картинка, глубина, позы камеры и 3D одновременно
• управляемый flow matching - текст, референс-кадр и метрические лучи камеры
• обзорные сцены с перемещением камеры, indoor и outdoor
• text-to-image с генерацией 3D-геометрии по одному промпту

• 1B параметров

Латентное пространство работает как общий интерфейс между восприятием и генерацией - один латент, четыре связанных выхода

Гитхаб
HF

#world #vae

MAX
👍93
This media is not supported in your browser
VIEW IN TELEGRAM
ComfyUI-InpaintCanvas

Нода, которая засовывает весь цикл инпейнтинга в один редактор: маска, генерация, сшивание и сравнение в одном месте. Кроп и маску отдаете в любую вашу цепочку - Flux, Klein, Kontext, Qwen Image Edit, SDXL - результат возвращается слоем поверх картинки

• слои с прозрачностью, блендами, локом, перетаскиванием
• color match - сгенерированный участок подгоняется под фон, не выглядит наклейкой
• выделение: прямоугольник, лассо, magic wand, быстрая маска, feather, SAM3 по тексту, RMBG
• ретушь - штамп, healing brush, размытие, кисть
• фильтры - кривые, уровни, цветовой баланс, HSL, зерно с пресетами, LUT
• текстовые слои с открытыми шрифтами, правка на канвасе

• сравнение двух результатов с разделителем, before/after по клавише
• экспорт PNG, JPG, WebP, PSD и OpenRaster со всеми слоями
• helper-модели выгружаются из VRAM перед генерацией

#inpainting #comfyui

MAX
1👍16🔥6
Space Bunny - загадочная модель в OpenCode

OpenCode открыл бесплатный доступ к новой stealth-модели Space Bunny на неделю. Кто разработчик - пока неизвестно

• контекст до 1 млн токенов
• мультимодальный ввод
• Zero Data Retention - запросы не сохраняются после обработки
• бесплатно на 7 дней

Архитектура, размер и реальные возможности Space Bunny пока не раскрыты. Появилась внезапно на неделю без анонсов

Спасибо @Endorpheen

#giveaway #news #coding

MAX
👍10😁5❤3
zvec-grep (zg) от Alibaba Qwen

Локальный слой поиска для человека и агентов. Объединяет точное совпадение текста, лексический поиск и векторный поиск в одном CLI, подключается через MCP к кодинг-агентам

• гибридный поиск - вектор + BM25 + ripgrep, ранжирование через Reciprocal Rank Fusion
• поиск по смыслу, проверка точным текстом и regex
• структура-ориентированность - индексирует символы кода, заголовки и иерархию документов вместо сырых чанков
• результат с привязкой к файлу и строке - меньше вызовов и токенов у агента

• 100% локально - эмбеддинги, индексы и поиск на устройстве, GPU не нужен
• работает из терминала: zg query
• подключается к Claude Code, Codex, OpenCode, Cursor и другим через MCP
• Linux, macOS, Windows

Бенчмарки на Claude Code и Codex: ответы точнее и меньше расход токенов. Индексы лежат в .zvec-grep/ под корнем проекта, данные не покидают машину без разрешения.

#search

MAX
👍16❤1
This media is not supported in your browser
VIEW IN TELEGRAM
FLUX 3 Action от Black Forest Labs

Мировая модель действий на открытых весах, 7B параметров. Принимает кадры с камеры, состояние робота и текстовую инструкцию - возвращает следующую порцию действий, денойзенную вместе с будущими кадрами видео

• предсказание действий и видеокадров в одном проходе
• готовая база для адаптации под новых роботов, симуляторы и игры
• текстовый энкодер - немодифицированный Qwen3-VL-4B-Instruct
• готовые политики уже есть для SO-101 и DROID

Важно: это компонент адаптации, а не готовая робот-policy. Для новой морфологии нужен свой action head. Модель выдает целевые значения суставов - ограничения по скорости, силе и рабочей зоне приложение задает само

HF

#embodied

MAX
👍7
This media is not supported in your browser
VIEW IN TELEGRAM
Gemini 3.8 TTS

Две модели синтеза речи. Flash TTS - для творческой режиссуры и дизайна персонажей, Flash-Lite - для больших объемов с упором на цену

• голос генерируется по текстовому описанию - характер, акцент, тембр
• больше 100 языков и диалектов
• 2000+ готовых голосов с региональными вариантами
• клонирование по 30-секундному сэмплу с проверкой согласия и SynthID
• режиссура по строкам - ремарки в сценарии обычным языком
• нативный диалог двух спикеров, смех, вздохи, перебивания
• голос стабилен на часах аудио

Клонирование недоступно в ЕС, Британии, Швейцарии, Индии, Иллинойсе и Техасе. Ремикс голоса - тембр, высота, темп, акцент - обещают вскоре

AI Studio

#tts #voicecloning #voicedesign #dialog

MAX
🔥5🤔4👍2
This media is not supported in your browser
VIEW IN TELEGRAM
Comfy Router

Один API для моделей - картинки, видео, 3D и аудио. Интегрируешься один раз, провайдера выбираешь под каждую задачу: где дешевле, где скорость, где лимитов нет

• явный роутинг - назвал провайдера, он и работает, без тихого фолбэка
• каждый джоб возвращает, кто его выполнил - для логов и биллинга
• async submit() - сразу получаешь ID, очередь сама ретраит 429
• батчи на сотни задач, результаты тянешь по готовности
• смена провайдера - одна строка, без нового SDK

• Comfy, Runware, WaveSpeed, Fal, Higgsfield на старте
• Seedance 2.5, MiniMax H3, Nano Banana Pro, GPT Image 2, Kling, BFL
• без подписки - обычные комфи-кредиты
• 24 часа хранения входов и выходов

По форме - OpenRouter для генеративных медиа. Модель на нескольких провайдерах переключается параметром

Собственно роутер

#router #comfyui

MAX
👍7❤2
Ovis-Embedding

Универсальные эмбеддинг-модели для всего сразу: текст, изображения, документы, видео, аудио и смешанные входы в одном пространстве представлений

• Omni-Embedding-3B - база на Qwen2.5-Omni, any-to-any поиск одним энкодером
• VL-Embedding 2B и 9B - для текста и изображений, документов
• любые задачи ретрива: поиск, RAG, рекомендации, ретрив инструментов для агентов
• сжатие эмбеддингов до 128 измерений для ограниченных деплоев

• эмбеддинг - хидден-стейт последнего токена, без проекционных голов
• выход 2048 измерений, сжимается до 1024/512/256/128
• Apache 2.0

На бенчмарке MMEB-v3 (190 датасетов) обходит сильнейший байзлайн на 5.19 балла во всех модальностях


Гитхаб
HF

#multimodal #embedding

MAX
👍9