Kandinsky 6.0 Video

Видеогенератор от Kandinsky Lab

• Видео с синхронным аудио 44 кГц, липсинк
• Из текста или изображения (#T2AV / #TI2AV )
• Full-HD супер-резолушн отдельным пайплайном
• Дистиллированные версии для ускорения

• Две модели: Lite 3B и Pro 29B
• 5-секундные клипы, 24 fps

Требования к железу
• Lite 3B — сила на одной карте: ~12-15 ГБ весов, с оффлоадом влезает в 16-24 ГБ VRAM
• Pro 29B — тяжtлая: трансформер один тянет ~60 ГБ, нужен H100/A100 80 ГБ или пара карт
• Full-HD апскейл добавляет нагрузки

Стек: трансформер + Qwen2.5-VL + CLIP + видео/аудио-VAE + вокодер. Для широкого применения реалистичен Lite, Pro — удел больших карт.

Уже на Fal. апскейлер - отдельная модель

HF
ComfyUI
Fal

#upscale

MAX

Prism

Превью от Tencent Hunyuan + Fudan: генерация видео и звука в одном проходе, нативно в 720p, 1080p и 2K. MIT-лицензия.

• Видео + аудио одним проходом: речь, музыка, звуки, липсинк
• Нативные разрешения 720p, 1080p и #2K
• Рядом с Kling 3, MiniMax H3, Wan 3.0 и Seedance 2.5 держится достойно
• Мультиязычная речь, звуковой дизайн

• База — MOVA
• MIT, открыты тренировочный и финтюн-коды

Требования к железу
• 720p — одна карта 80 ГБ
• 1080p/2K — от 4 карт по 80 ГБ

Два превью-чека: alpha (стабильный) и beta (движение). Prism-pro в планах

huggingface.co/FrancisRing/Prism
github.com/Tencent-Hunyuan/Prism

[UPDATE] говорят, автора поймали на том что выдавал ролики из интернета за генерацию Prism

#t2va #av

MAX

Накопилось по #minimaxH3 - часть 31

#LoRA

huggingface.co/Iwannapose/minimax_h3_pdmd_2nfe_comfyui - #PDMD 2-NFE: 2-шаговая LoRA для H3, ComfyUI-формат

huggingface.co/adf99/H3_Ref2V_Anime_Slider_v1 - аниме-слайдер для Ref2V: положительные значения тянут в 2D-аниме, отрицательные — в реализм

huggingface.co/neph1/1950s_western_movies_h3 - LoRA вестернов 50-х для FL2VA. Совет: естественный свет, винтажный кинокадр, формат 1.85:1 или 2.35:1

huggingface.co/neph1/1980s_fantasy_movies_minimax_h3 - LoRA фэнтези-фильмов 80-х. Без триггера, для боевых сцен не годится

civitai.com/models/2979777/minimax-h3-motion-combat-reasoning-or-ref2va-or-fl2va-or-hybrid - боевая моторика: похоже, хорошо для средневековых мечей

huggingface.co/RunningHubAI/rh-minimax-h3-digicam-realism-improve-lora - реализм любительской съемки на цифромыльницу #realism

huggingface.co/RunningHubAI/rh-minimax-h3-five-view-512-s1500.safetensors-lora - пять ракурсов одного персонажа

huggingface.co/Playtime-AI/Minimax_H3-Age_Slider - экспериментальный возраст-слайдер теперь и для #REF2VA (для FL2VA был раньше). Без триггера

civitai.com/models/2985070/sss-rank-minimax-h3-smooth-slow-sync - SSS Rank: замедляет и сглаживает анимацию

huggingface.co/akhaliq/MiniMax-H3-Claymation-Style-LoRA - клеймейшн-стиль. Дает вид пластилина, но не характерные стоп-моушен тайминги

huggingface.co/Kijai/MiniMax-H3-experimental/blob/main/loras/minimax_h3_DMAD_4step_full_lora_avg_rank_39_bf16.safetensors - новая 4-шаговая турбо-LoRA DMAD от Kijai, выбрана по умолчанию в свежей сборке SEEDHUNTER

#workflow

civitai.com/models/2979689/basic-refmod-creator-minimax-h3 - базовый воркфлоу создания #RefMods

civitai.com/models/2980013/minimax-h3-role-swap-face-refine - замена персонажа + отдельный проход фейс-рефайна: YuNet ловит лицо, низкий денойз 0.45 на 12 шагов, вшивание обратно

github.com/roycho87/degrade_repo - длинная генерация без деградации: 10 склеенных клипов, свежие латенты каждые 10–15 сек, шов пересэмплируется FL2V #longvideo

reddit.com/r/StableDiffusion/comments/1wwyva2/minimax_h3_refmod_consistent_location_trick/ - стабильная комната: 20 фото комнаты сеткой 4×5 в один RefMod

reddit.com/r/StableDiffusion/comments/1wxigqo/minimax_h3_voice_acting_with_speech_tags/ - управление диалогом тегами, курсив для акцента на слове

github.com/Violinet-tech/seamless-loop-video - #skill для Claude Code: бесшовный зацикленный эмбиент из статичной картинки + три .PY скрипта

github.com/veda-sparse/Veda-on-ComfyUI - VEDA для #ComfyUI 0.2: разреженное внимание, скипает ~90% шагов, 7.1x на attention. Требует ComfyUI 0.38.0, предиктор 275Mb в models/veda. На 3060 с хард-грейви 6 шагов: 8 мин на 8 сек — без выигрыша против Turbo/Kitchen/Spectrum

———

github.com/SK-SL-source/cinematic-director-camera-dsl - Claude Code #SKILL : короткие камерные коды вроде /MS /LOWANGLE /DOLLYIN разворачиваются в полноценные H3-промпты #PROMPTING #CAMERACONTROL

github.com/zacharydenton/h3-hrx - запуск H3 на #AMD Strix Halo

youtube.com/watch?v=blI0X5zslfw - гайд по #RefMods: видео, аудио, движение, стиль #guide

Nano Banana 2.1

Апдейт без новых фич — прокачка качества и логики

- база Gemini 3.6 Flash вместо 3.1 Flash
- стабильно держит образы нескольких персонажей
- редактирует по маске точечно
- умнее сшивает несколько референсов
- выдает читаемый текст и аккуратную инфографику
- убирает артефакты в панорамах 1:8 и 8:1
- уровни Thinking реально меняют результат

4K, до 14 референсов, Search grounding — уже были, теперь работают чище

aistudio.google.com

#imageediting

MAX

EmbeddingGemma 2

Открытая мультимодальная модель для эмбеддингов от Google

Обходит специализированные модели вдвое больше себя

• Единое эмбеддинг-пространство для текста, кода, изображений, видео и аудио
• Поиск видеоклипа по голосовой заметке, поиск по аудиозаписям
• Работает через transformers, sentence-transformers, llama.cpp, Ollama, vLLM, MLX

• 740М, модульная архитектура
• Text-only — от ~270M, опциональные энкодеры: vision 170M, audio 300M
• Контекст 8K токенов: до 5.5 минут аудио, 29 картинок, 58 видео-кадров
• Сжатие векторов 768 → 128 (MRL) — до 6× экономии хранилища
• На Pixel 11 Pro: ~191 МБ RAM текстовые веса, ~567 МБ полная модель

huggingface.co/google/embeddinggemma-2
huggingface.co/unsloth/embeddinggemma-2-GGUF

#embedding #multimodal #gguf

MAX

Kandinsky 6.0 Image Pro

Картикогенератор тоже выпустиили

• Удаление объектов и надписей
• Замена объектов с сохранением стиля
• Стилизация портретов и реставрация
• Колоризация старых фото
• Дизайн интерьеров по схеме помещения
• Генерация с нуля по промпту

• Архитектура MoE — ускорение более чем на 40% против предшественника
• RAG: при запросе подтягивает релевантные фото из базы знаний в контекст
• По внутренним сравнениям — на уровне Flux 2 Max и выше GPT Image 1.5 - это конечно заявка на победу, сильная претензия

Попробовать (как и видео) можно в экосистеме GigaChat: Telegram, giga.chat, Android

#t2i #imageediting

MAX