AgentGarten

Платформа от MirroS для обучения ИИ-агентов. Агент играет в виртуальные сценарии, каждый раз записывает, чему научился, и к следующей попытке играет лучше — заметно уже за 4-10 раундов.

Вместо человеческих инструкций — опыт. Агент учится, играя сам. Код и рендерер открыты

• Сценарий живет в виде кода, нейро-рендерер рисует его агенту в реальном времени
• Агент видит только кадры «своими глазами», как будто смотрит игру
• После каждой попытки пишет выводы, следующий заход стартует с них
• Разные задачи: построить укрытие, провести собаку, загнать овец, перевезти груз

github.com/MirroS-Lab/AgentGarten
huggingface.co/MirroS-Lab/AgentGarten-renderer

#agent

MAX

Somora

Сайт для создания ИИ-песен из текста или музыкальной идеи, без работы с ComfyUI напрямую. Опиши стиль и настроение, напиши или сгенерируй текст — и получи готовый трек

• Песня с текстом или инструментальная композиция
• Выбор стиля, длительности, BPM и тональности
• Выбор языка песни
• Трек через ChatGPT-плагин (пишет лирику и заполняет форму)
• Скачивание в FLAC

• Бэкенд — Ace-Step 1.5 XL (SFT + SFT/Turbo), через свой ComfyUI-нод AceStep SFT
• Бесплатный тариф, для старта 2 генерации в день
• Есть платные Básico и Completo

#t2m

MAX

Xiaomi-OCR-0

Компактная OCR-модель от лаборатории SeerRay (Xiaomi): 0.8B параметров на парсинг документов и понимание текста. Обходит модели крупнее на разборе документов и OCR-VQA-задачах.

• Парсинг документов: текст, таблицы, формулы
• Стабильна на сканах, пересъемках, перекосах и фото
• OCR-понимание: вопросы по тексту, извлечение структурированных полей, не только транскрибация
• Распознавание исторического почерка и каллиграфии

• #1 на Real5-OmniDocBench (95.24), #2 на OmniDocBench v1.6 (96.83)
• Среднее 83.2 по 5 OCR-VQA-бенчмаркам — лучше Qwen3.5-2B

huggingface.co/SeerRay-Lab/Xiaomi-OCR-0
github.com/SeerRay-Lab/Xiaomi-OCR-0

#ocr

MAX

DuoMatching

Метод дистилляции от ByteDance для быстрой генерации видео. Объединяет joint и marginal distribution matching, чтобы учиться сразу у видео- и у картинковых моделей, и даёт качество нескольких шагов почти в реальном времени.

• Генерация видео за несколько шагов вместо десятков, без доп. затрат на инференс
• Учится у видео-учителя и у картинковых моделей (перенос визуальных и семантических приоров)
• Дополняет joint-DMD явным маргинальным матчингом
• Ниже дрейф при автогрегрессивных роллаутах

Важные параметры
• Комбинация joint + marginal DMD
• Побеждает более 80% предпочтений людей в тестах
• Ноль лишних расходов на инференс

Совместный матчинг распределения кадров снимает большой дрейф, но ограничен в качестве и семантике. DuoMatching дополняет его помаргинальным матчингом для кадровых супервизий — на выходе качество и семантика без замедления

github.com/JohnZhan2023/DuoMatching

#optimization

RTX VSR Studio

Отдельное Windows-приложение для апскейла видео через NVIDIA RTX Video Super Resolution. Без ComfyUI и PyTorch — напрямую вызывает SDK NVIDIA. Сделано под длинные ролики: двухчасовой фильм обрабатывается сегментами, при сбое начинаешь с того же кадра, а не с нуля.

• Апскейл до 720p, 1080p, 1440p, 4K с сохранением пропорций кадра
• Resumable-сегменты: сбой или отмена — при повторе продолжается с точного кадра
• Before/after превью с разделителем, тестовый кусок 30 секунд
• Батч-очередь на несколько файлов
• Вывод H.264/HEVC (mp4) и ProRes/DNxHR (mov) под Final Cut и DaVinci
• Пресеты под контент: Balanced, Anime, Film, Screen capture, Old/DVD
• Denoise и deblur на исходном разрешении
• Никогда не перезаписывает файлы, аудио и субтитры копирует как есть
• Есть CLI

• Нужен RTX 20+ (Tensor Cores), драйвер 570.65+, Windows 10 64-bit, ffmpeg
• VRAM почти не важна: кадры по одному, 1080p→4K пике ~1.6 ГБ

Только 8-bit SDR: HDR и 10-bit SDK не тянет, опциональный tonemap меняет картинку. ProRes/DNxHR кодируются на CPU — медленнее и файлы больше. Пробное: 20-я и 30-я серии

#upscale

MAX