Hy Translation

Мобильное приложение от Tencent с оффлайн-переводом на Hy-MT2

• 33 языка
• 5 китайских миноритарных языков и диалектов
• перевод голосом и по фото
• полный оффлайн - без соединения с сетью
• уже в 12 странах, в российском нет

#ios #mobile #translation

MAX

Samsone от Samsung Labs

Три небольших аудиоязыковых модели для смартфонов: Samsone-99M, 134M и 356M. Принимают один или несколько аудиофрагментов с текстовым запросом, отвечают текстом. Презентация на Interspeech 2026 в Сиднее

• описывают звук, отвечают на вопросы о записи, сравнивают клипы
• понимают речь, музыку и звуки окружения
• несколько аудиофрагментов в любом месте запроса
• ответ только на английском строчными буквами - экономия на параметрах

• аудиоэнкодер Whisper-Tiny 9M + SmolLM2 на 135 или 360 млн
• клип усредняется до 50 аудиотокенов, разделитель SEP
• на Galaxy S25 Ultra: 125 токенов/сек у 99M, 87 у 134M, 39 у 356M
• обработка аудио 0.7-1.1 секунды

Авторы честно предупреждают: после дообучения модели теряют общие языковые навыки - это точечный инструмент, а не собеседник. Веса, код обучения и Android-приложение под Android 12+ открыты

Гитхаб
веса там же в релизах

#alm #mobile

MAX

Dramagic

ByteDance запустила платформу для производства коротких сериалов

Платформа ведет проект от разбора сценария и настройки персонажей и локаций до раскадровки и превью видео

• облик героев и окружения сохраняется между сценами
• командная работа над проектом
• полный пайплайн в одном месте: сценарий, персонажи, локации, раскадровка, превью

Тариф Basic - 600 долларов в год за 60 тысяч баллов, это примерно 44 минуты видео в 720p, то есть ни о чем

Доступ открыт по запросу

#directing #text2movie

MAX

Compose

Вайб-видеоредактор от Morphic Studio, монтаж сводится к разговору

От идеи и раскадровки до готового ролика

• агент выполняет правки по текстовым командам
• работает вместе с Canvas и Copilot в одном проекте
• веб-воркспейс без установки софта

#videoediting #agent #assistant

MAX

Skild AI учит гуманоидов футболу
Модель S1 дообучается в симуляторе без человеческих демонстраций. Соперники - предыдущие версии самого агента

#robot

MAX

Recraft V4.1 Flash

Самая быстрая модель генерации изображений на рынке

1.3 секунды от промпта до картинки через API. Быстрый ответ меняет работу - не теряешь фокус между генерациями

• фото, портреты, сложные сцены и ранние концепты в стиле Recraft
• кнопка Refine - добивает картинку моделью V4.1 Pro в 2048x2048
• держит точные промпты - семь морковок так семь
• читает нюансы - intimate значит два человека, а не двенадцать

Refine в двух уровнях - subtle и moderate, держит композицию и свет

Если вдруг кому надо - уже подключили в партнерские ноды комфи

#t2i #i2i

MAX

Agora-2 от Odyssey

Мультиагентная мировая модель. Генерирует общий интерактивный мир в реальном времени для до 20 участников - людей и ИИ-агентов одновременно. В пять раз больше, чем Agora-1, и уже не одна среда, а несколько
Odyssey-3 симулирует опыт одного участника, Agora-2 - общий мир с взаимодействием

• каждый участник видит симуляцию со своей точки зрения
• действия всех влияют на общее состояние мира
• сущность сохраняет свойства даже вне кадра - не пересобирается при возврате
• агенты обучаются RL - преследовать, обходить препятствия, подниматься

• тренировали на записях Diablo II от Blizzard - как игровой движок наоборот
• реальное время через потоковые пиксели
• рендер через flow matching со сбросом визуальной истории

Попробовать - на кнопку атаки реагирует очень вяло. посреди игры у меня перестала обновляться картинка. Карта работала, побегал немного следя за происходящим по точкам персонажей на карте. Умер

Как proof-of-concept - вполне уже убедительно. А так-то мы и в 90-x играли в диабло, и там гораздо интереснее все было, и игра летала на i386 не требуя B200 и 200 ГБ VRAM

Спасибо @Endorpheen

#world #interactive #gaming

MAX

Кстати летом релизнулся код анимируемых 3D аватаров голов на 3DGS от подписчика

Гитхаб

#avatar #head #gaussian #portrainanimation #image2avatar

MAX