Trace2Env
Обычно агента запускают в готовой среде. Trace2Env переворачивает идею: среду играет сам агент. Из истории прошлых действий восстанавливается «книга мира», и по ней один агент симулирует окружение для другого.
Проще на примере — терминал. Ты («агент-задача») набираешь команды, а второй агент отвечает, как настоящий терминал. Удалил файл командой
Что умеет
• Строит симулятор среды из десятков записанных логов, без исходников
• Поддерживает состояние между командами
• Симулирует терминал, веб, Android, магазин и другие окружения
• Без обучения — только логи на входе
Знания о среде отделены от текущего состояния эпизода — среда не забывает что произошло
Гитхаб
Демо
#agent
Обычно агента запускают в готовой среде. Trace2Env переворачивает идею: среду играет сам агент. Из истории прошлых действий восстанавливается «книга мира», и по ней один агент симулирует окружение для другого.
Проще на примере — терминал. Ты («агент-задача») набираешь команды, а второй агент отвечает, как настоящий терминал. Удалил файл командой
rm — и через десять команд попытка его прочитать упадет с ошибкой, потому что агент-мир помнит состояние.Что умеет
• Строит симулятор среды из десятков записанных логов, без исходников
• Поддерживает состояние между командами
• Симулирует терминал, веб, Android, магазин и другие окружения
• Без обучения — только логи на входе
Знания о среде отделены от текущего состояния эпизода — среда не забывает что произошло
Гитхаб
Демо
#agent
🥴2👍1
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
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
👍4🤔1
Amanu
Бесплатная программа для автоматической записи и расшифровки звонков. Работает с любыми: Zoom, Google Meet, Telegram, WhatsApp. Запускает и останавливает запись сама, раскладывает реплики по людям и пишет выжимки встреч.
Что умеет
• Автозапись звонков (старт/стоп сами)
• Расшифровка с диаризацией — реплики по говорящим, а не единый поток
• Качественные выжимки встреч
• Все локально, без интернета, либо через твои подписки и API-ключи
• Каждая встреча — отдельная папка: аудио, расшифровка, саммари
• Windows 11 24H2+ и macOS 14.2+
Заявлено, что для выжимок использует мощные модели на полную, а не экономит токены
github.com/gsamat/amanu
#asr #desktop
MAX
Бесплатная программа для автоматической записи и расшифровки звонков. Работает с любыми: Zoom, Google Meet, Telegram, WhatsApp. Запускает и останавливает запись сама, раскладывает реплики по людям и пишет выжимки встреч.
Что умеет
• Автозапись звонков (старт/стоп сами)
• Расшифровка с диаризацией — реплики по говорящим, а не единый поток
• Качественные выжимки встреч
• Все локально, без интернета, либо через твои подписки и API-ключи
• Каждая встреча — отдельная папка: аудио, расшифровка, саммари
• Windows 11 24H2+ и macOS 14.2+
Заявлено, что для выжимок использует мощные модели на полную, а не экономит токены
github.com/gsamat/amanu
#asr #desktop
MAX
👍10❤1
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
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
👍9❤3
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
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
👍4
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
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
GitHub
GitHub - Garionhk/RTX-VSR-Studio: Windows GUI and CLI for upscaling video with NVIDIA RTX Video Super Resolution (no ComfyUI or…
Windows GUI and CLI for upscaling video with NVIDIA RTX Video Super Resolution (no ComfyUI or PyTorch needed). Resumable segments for long films, batch queue, before/after preview, 720p–4K presets ...
🔥15👍7❤1
Два пакета нод для Iris-3B
Envy-ai/ComfyUI-Iris
• Text-to-image, image-to-image
• Свои лоадер и семплер вместо VAE
• LoRA как обычно, штатные сэмплеры ComfyUI
• FP8/INT8-квантизация
• Нужны ComfyUI 0.37+ и Comfy Kitchen 0.2.35+, N-серия
Bani4kashkashka/Iris-3B-Comfy-Nodes
• Text-to-image, img2img, 4x апскейл, depth
• 4x апскейл: 1024→4096 за ~47 с, depth ~4 с/картинка (серая под ControlNet или inferno + маска)
• Пресеты качества и сэмплер, готовые воркфлоу в Templates
• Работает на AMD: RX 9060 XT 16 ГБ ~1.8 с/шаг, пик VRAM 7.7 ГБ
чуда не ждать, на этом размере Anima 2.9B выдает картинки лучше — но это удачная демка, что VAE не обязательный атрибут генерации. Лучший сэмплер — dpmpp-2m-sde-gpu, при наличии bong_tangent-планировщика лучше его
#t2i #i2i #comfyui
MAX
Envy-ai/ComfyUI-Iris
• Text-to-image, image-to-image
• Свои лоадер и семплер вместо VAE
• LoRA как обычно, штатные сэмплеры ComfyUI
• FP8/INT8-квантизация
• Нужны ComfyUI 0.37+ и Comfy Kitchen 0.2.35+, N-серия
Bani4kashkashka/Iris-3B-Comfy-Nodes
• Text-to-image, img2img, 4x апскейл, depth
• 4x апскейл: 1024→4096 за ~47 с, depth ~4 с/картинка (серая под ControlNet или inferno + маска)
• Пресеты качества и сэмплер, готовые воркфлоу в Templates
• Работает на AMD: RX 9060 XT 16 ГБ ~1.8 с/шаг, пик VRAM 7.7 ГБ
чуда не ждать, на этом размере Anima 2.9B выдает картинки лучше — но это удачная демка, что VAE не обязательный атрибут генерации. Лучший сэмплер — dpmpp-2m-sde-gpu, при наличии bong_tangent-планировщика лучше его
#t2i #i2i #comfyui
MAX
👍5
MC-Sparse
Метод разреженного внимания от Fudan и Tencent Hybrid для ускорения генерации видео и 3D без переобучения. Отсекает лишние токены, ускоряя денойзинг в 1.8-2.3×.
• Токен-уровневое разреженное внимание прямо на входе — drop-in ускорение, без ретрейна
• Группирует похожие query в GPU-тайлы и выбирает только важные KV-токены
• Компенсирует отброшенные вклады через кэшированный остаток
• Работает на MiniMax-H3 (видео) и генерации 3D-ассетов
Важные параметры
• 1.80× ускорение видео MiniMax-H3, 2.32× для 3D
• Плотность внимания всего 15%
• Сохранение мелких деталей при сильном разрежении
Разбирает три источника потери качества при разрежении: групповые ограничения, неточный отбор и отброшенный «хвост» вкладов. Находит точные выборки один раз на anchor-шаге и переиспользует их на следующих шагах денойзинга
github.com/dodododddo/mcsparse
Спасибо @m_franz
#optimization
MAX
Метод разреженного внимания от Fudan и Tencent Hybrid для ускорения генерации видео и 3D без переобучения. Отсекает лишние токены, ускоряя денойзинг в 1.8-2.3×.
• Токен-уровневое разреженное внимание прямо на входе — drop-in ускорение, без ретрейна
• Группирует похожие query в GPU-тайлы и выбирает только важные KV-токены
• Компенсирует отброшенные вклады через кэшированный остаток
• Работает на MiniMax-H3 (видео) и генерации 3D-ассетов
Важные параметры
• 1.80× ускорение видео MiniMax-H3, 2.32× для 3D
• Плотность внимания всего 15%
• Сохранение мелких деталей при сильном разрежении
Разбирает три источника потери качества при разрежении: групповые ограничения, неточный отбор и отброшенный «хвост» вкладов. Находит точные выборки один раз на anchor-шаге и переиспользует их на следующих шагах денойзинга
github.com/dodododddo/mcsparse
Спасибо @m_franz
#optimization
MAX
🔥8👍3🤔1