#TTS #russian
github.com/kost-t-human/ruvoice-tts - RUVoice TTS: #Android-синтезатор на движке Silero, русская озвучка
github.com/kost-t-human/ruvoice-voicekit - дообучение штатных голосов Silero под свой тембр (VoiceKit) #voicecloning
github.com/UnaMentis/pocket-tts-ios - Pocket-TTS под #iOS
apps.apple.com/us/app/tobe-said/id6801981584
apps.apple.com/us/app/tobe-said-pro/id6803422049
Pocket-TTS уже в App Store: бесплатно и Pro (русский заявлен, свою модель загружать вряд ли можно)
github.com/The-unknown-Shadowman/PocketTTS-Android-Engine - Android, загружать свои модели проще
Русские модели
huggingface.co/ArtShtorm/Shtorm_PocketTTS_RU
huggingface.co/ArtShtorm/Shtorm-VoxCPM2-RU
Бенчмарк и #ASR
ncspeech.org/blog/asr-benchmark-oct-2026 - бенчмарк #ASR за октябрь: четыре системы на 15 наборах, 85 часов — русский, казахский, смешанные звонки
github.com/TheStageAI/TheWhisper - TheWhisper: новое дообучение Whisper для ASR
github.com/kost-t-human/ruvoice-tts - RUVoice TTS: #Android-синтезатор на движке Silero, русская озвучка
github.com/kost-t-human/ruvoice-voicekit - дообучение штатных голосов Silero под свой тембр (VoiceKit) #voicecloning
github.com/UnaMentis/pocket-tts-ios - Pocket-TTS под #iOS
apps.apple.com/us/app/tobe-said/id6801981584
apps.apple.com/us/app/tobe-said-pro/id6803422049
Pocket-TTS уже в App Store: бесплатно и Pro (русский заявлен, свою модель загружать вряд ли можно)
github.com/The-unknown-Shadowman/PocketTTS-Android-Engine - Android, загружать свои модели проще
Русские модели
huggingface.co/ArtShtorm/Shtorm_PocketTTS_RU
huggingface.co/ArtShtorm/Shtorm-VoxCPM2-RU
Бенчмарк и #ASR
ncspeech.org/blog/asr-benchmark-oct-2026 - бенчмарк #ASR за октябрь: четыре системы на 15 наборах, 85 часов — русский, казахский, смешанные звонки
github.com/TheStageAI/TheWhisper - TheWhisper: новое дообучение Whisper для ASR
👍7🔥2🤝1
OpenCode V2
Крупное обновление открытого агента для написания кода от Anomaly. В отличие от агентов-компаньонов вроде Hermes или DeepSeek Harness, этот нацелен на разработчиков: заточен под терминал и IDE, максимум скорости и экономии токенов при правке репозиториев.
Что нового
• Центральный фоновый сервис теперь по умолчанию — TUI, веб и десктоп работают через один процесс
• API и клиент переписаны с нуля
• JS-интерпретатор в Code Mode — агент сводит инструменты MCP/OpenAPI в единые скрипты
• Фоновые субагенты и асинхронные команды в шелле
• Система плагинов обновлена, появилась горячая перезагрузка
• Можно подключать как самостоятельную библиотеку или SDK
• Плагины версии 1.0 больше не поддерживаются
• API сервера полностью изменилось
• Конфиг tui.json переехал в формат .json
Обновление: opencode upgrade --major
github.com/anomalyco/opencode
#coding #agent
MAX
Крупное обновление открытого агента для написания кода от Anomaly. В отличие от агентов-компаньонов вроде Hermes или DeepSeek Harness, этот нацелен на разработчиков: заточен под терминал и IDE, максимум скорости и экономии токенов при правке репозиториев.
Что нового
• Центральный фоновый сервис теперь по умолчанию — TUI, веб и десктоп работают через один процесс
• API и клиент переписаны с нуля
• JS-интерпретатор в Code Mode — агент сводит инструменты MCP/OpenAPI в единые скрипты
• Фоновые субагенты и асинхронные команды в шелле
• Система плагинов обновлена, появилась горячая перезагрузка
• Можно подключать как самостоятельную библиотеку или SDK
• Плагины версии 1.0 больше не поддерживаются
• API сервера полностью изменилось
• Конфиг tui.json переехал в формат .json
Обновление: opencode upgrade --major
github.com/anomalyco/opencode
#coding #agent
MAX
🔥17
Raven
Поиск дома по фото интерьера
Graylark добавила в Raven поиск конкретного дома по снимкам интерьера. В демо ИИ за несколько секунд сопоставлял фото прачечной и ванной из соцсетей с конкретными объявлениями Airbnb и Vrbo — без геометок и без поиска идентичной картинки.
Убедительно показаны лишь маркетинговые демо. Реальные скорость и точность Raven вне роликов компании не подтверждены.
Впрочем, простых смертных просят не беспокоиться, доступ только для копов
#news
MAX
Поиск дома по фото интерьера
Graylark добавила в Raven поиск конкретного дома по снимкам интерьера. В демо ИИ за несколько секунд сопоставлял фото прачечной и ванной из соцсетей с конкретными объявлениями Airbnb и Vrbo — без геометок и без поиска идентичной картинки.
Убедительно показаны лишь маркетинговые демо. Реальные скорость и точность Raven вне роликов компании не подтверждены.
Впрочем, простых смертных просят не беспокоиться, доступ только для копов
#news
MAX
😁4
Media is too big
VIEW IN TELEGRAM
T3lescope
Генеративная реконструкция от Preferred Networks: восстанавливает 3D-меши сцены из набора изображений без оптимизации под каждую сцену. Сразу выдает меш высокого разрешения через mesh flow-модели.
• Реконструкция от отдельных объектов до крупных уличных сцен
• Разрешение и детализация выбираются на инференсе — каскад coarse-to-fine
• Грубый уровень задаёт планировку сцены, тонкие уровни добавляют детали поверхности
• Ловит тонкие структуры, глянцевые и прозрачные поверхности
• Не требует per-scene оптимизации и не режет сцену на куски
Код ждем
Спасибо @m_franz
#scenereconstrustion #image2mesh
MAX
Генеративная реконструкция от Preferred Networks: восстанавливает 3D-меши сцены из набора изображений без оптимизации под каждую сцену. Сразу выдает меш высокого разрешения через mesh flow-модели.
• Реконструкция от отдельных объектов до крупных уличных сцен
• Разрешение и детализация выбираются на инференсе — каскад coarse-to-fine
• Грубый уровень задаёт планировку сцены, тонкие уровни добавляют детали поверхности
• Ловит тонкие структуры, глянцевые и прозрачные поверхности
• Не требует per-scene оптимизации и не режет сцену на куски
Код ждем
Спасибо @m_franz
#scenereconstrustion #image2mesh
MAX
👍8❤1⚡1🔥1
MiniCPM-V 4.7
Новая открытая серия мультимодальных моделей OpenBMB для устройств
Две модели: MiniCPM-V 4.7 35B-A3B и MiniCPM-V 4.7 1B.
• Мультимодальное понимание, STEM-рассуждения, #OCR и длинные видео
• Локальный запуск на #iOS и #Android
• Гибридное сжатие визуальных токенов 4× и 16×
• Self-Replay Fine-Tuning — дешевая донастройка под новые задачи без потери общих качеств
• 35B-A3B: 17+ токенов/с на iPad Pro M4 (16 ГБ), 13+ на iPhone 17 Pro Max, всего 3 ГБ памяти
• LES (Lookahead Expert Scheduling) предзагружает веса экспертов — 5× ускорение на iPad Pro M4 при идентичном выводе
• Даже при 16× сжатии 90.4 на OCRBench — на 5.2 пункта выше Qwen3.6 35B-A3B
• Конкурентные результаты на 34 бенчмарках
github.com/OpenBMB/MiniCPM-V
huggingface.co/collections/openbmb/minicpm-v-47
#multimodal #mobile
MAX
Новая открытая серия мультимодальных моделей OpenBMB для устройств
Две модели: MiniCPM-V 4.7 35B-A3B и MiniCPM-V 4.7 1B.
• Мультимодальное понимание, STEM-рассуждения, #OCR и длинные видео
• Локальный запуск на #iOS и #Android
• Гибридное сжатие визуальных токенов 4× и 16×
• Self-Replay Fine-Tuning — дешевая донастройка под новые задачи без потери общих качеств
• 35B-A3B: 17+ токенов/с на iPad Pro M4 (16 ГБ), 13+ на iPhone 17 Pro Max, всего 3 ГБ памяти
• LES (Lookahead Expert Scheduling) предзагружает веса экспертов — 5× ускорение на iPad Pro M4 при идентичном выводе
• Даже при 16× сжатии 90.4 на OCRBench — на 5.2 пункта выше Qwen3.6 35B-A3B
• Конкурентные результаты на 34 бенчмарках
github.com/OpenBMB/MiniCPM-V
huggingface.co/collections/openbmb/minicpm-v-47
#multimodal #mobile
MAX
👍7😱2
This media is not supported in your browser
VIEW IN TELEGRAM
BudgetPix
Метод адаптивной токенизации от UIUC и Google для пиксельных моделей генерации картинок. Одна модель работает при любом бюджете вычислений: сложные участки получают больше токенов, простые фоны — меньше
• Динамически тратит вычисления по визуальной сложности сцены
• Одна чекпоинт-модель от 100% до 10% токенов
• Работает и в one-step генерации
• Энкодер на энтропийном квадродереве, многомасштабный декодер
Вставляется в существующие пиксельные диффузии (JiT, MiniT2I, PixelDiT) без переделки. Высвобождает бюджет на лету — гибко под ресурсы инференса
Код ждем
#tokenizer #research
MAX
Метод адаптивной токенизации от UIUC и Google для пиксельных моделей генерации картинок. Одна модель работает при любом бюджете вычислений: сложные участки получают больше токенов, простые фоны — меньше
• Динамически тратит вычисления по визуальной сложности сцены
• Одна чекпоинт-модель от 100% до 10% токенов
• Работает и в one-step генерации
• Энкодер на энтропийном квадродереве, многомасштабный декодер
Вставляется в существующие пиксельные диффузии (JiT, MiniT2I, PixelDiT) без переделки. Высвобождает бюджет на лету — гибко под ресурсы инференса
Код ждем
#tokenizer #research
MAX
👍5❤1
Опубликованы веса речевой модели Drama 3
35B / 3B активных
Эксперты в FP8
HF
Кванты
Демо
Спасибо @Dmitriy_Ru6ts0v
#tts #russian
MAX
35B / 3B активных
Эксперты в FP8
HF
Кванты
Демо
Спасибо @Dmitriy_Ru6ts0v
#tts #russian
MAX
Telegram
Нейронавт | Нейросети в творчестве
Fish Audio Drama 3
Новая превью-модель от Fish Audio для речи и озвучки. Вместо жестких аудиотегов интонация, темп и характер персонажа описываются обычным текстом.
• Перегенерация одного слова или фразы в готовой дорожке
• Смена голоса прямо посреди предложения…
Новая превью-модель от Fish Audio для речи и озвучки. Вместо жестких аудиотегов интонация, темп и характер персонажа описываются обычным текстом.
• Перегенерация одного слова или фразы в готовой дорожке
• Смена голоса прямо посреди предложения…
🔥12❤1👍1😱1
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
NVIDIA VFX Nodes для ComfyUI
RTX-VFX ноды
• RTX Video Super Resolution: 4× или до заданных размеров вплоть до 8192 px, плюс denoise и deblur без смены разрешения
• RTX Video Frame Generation: новые кадры между соседними, 2×-16× или в конкретный момент
• RTX Video HDR: SDR в BT.2020 HDR, вывод HLG или PQ, настройка контраста, сатурации, среднего серого и пиковой яркости 400-2000 нит
• 19 режимов супер-резолюшна: стандартные, high-bitrate, стриминговые, denoise/deblur, бикубик
Оптимальная цепочка — Super Resolution → Frame Generation → HDR. Смена кадра ловится автоматически. Есть 10-бит
#EXR: half/full-float, сохранение supernat значений, расширенный color management (sRGB, Rec.709, HLG, PQ, LogC3, ACEScct)
github.com/Comfy-Org/ComfyUI_Nvidia_VFX_Nodes
#upscale #sdr2hdr #frameinterpolation #comfyui
MAX
RTX-VFX ноды
• RTX Video Super Resolution: 4× или до заданных размеров вплоть до 8192 px, плюс denoise и deblur без смены разрешения
• RTX Video Frame Generation: новые кадры между соседними, 2×-16× или в конкретный момент
• RTX Video HDR: SDR в BT.2020 HDR, вывод HLG или PQ, настройка контраста, сатурации, среднего серого и пиковой яркости 400-2000 нит
• 19 режимов супер-резолюшна: стандартные, high-bitrate, стриминговые, denoise/deblur, бикубик
Оптимальная цепочка — Super Resolution → Frame Generation → HDR. Смена кадра ловится автоматически. Есть 10-бит
#EXR: half/full-float, сохранение supernat значений, расширенный color management (sRGB, Rec.709, HLG, PQ, LogC3, ACEScct)
github.com/Comfy-Org/ComfyUI_Nvidia_VFX_Nodes
#upscale #sdr2hdr #frameinterpolation #comfyui
MAX
👍23🔥2🥴2
This media is not supported in your browser
VIEW IN TELEGRAM
VIS-Ground
Фреймворк от Google: зритель ставит видео на паузу и рулит сюжетом, а продолжение опирается сразу на источник, уже показанное видео и запрос — вместе.
Что умеет
• Интерактивное продолжение видео по запросу зрителя
• Учитывает контекст трёх входов сразу, а не по отдельности
• Строит граф зависимостей и выводит из него ограничения под конкретное продолжение
• Планирует, проверяет, правит и рендерит, потом сверяет результат с теми же ограничениями
Код ждем до 15 декабря
#t2v #interactive
MAX
Фреймворк от Google: зритель ставит видео на паузу и рулит сюжетом, а продолжение опирается сразу на источник, уже показанное видео и запрос — вместе.
Что умеет
• Интерактивное продолжение видео по запросу зрителя
• Учитывает контекст трёх входов сразу, а не по отдельности
• Строит граф зависимостей и выводит из него ограничения под конкретное продолжение
• Планирует, проверяет, правит и рендерит, потом сверяет результат с теми же ограничениями
Код ждем до 15 декабря
#t2v #interactive
MAX
🔥12😱2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
FastH3-Omni
Открытая версия рилтайм #minimaxH3
Пост-трейнинг от FastVideo (haoailab) совместно с nuvalab.
• Кондиционирование по первому и последнему кадру
• Аудио-вход и сильная работа с диалогами
• До 3 референс-изображений
• Производительность уровня фронтира
Эксклюзивное превью на Reactor API до 20 октября 2026
Потом - опенсорс
#realtime #api
MAX
Открытая версия рилтайм #minimaxH3
Cамая быстрая и качественная на данный момент
Пост-трейнинг от FastVideo (haoailab) совместно с nuvalab.
• Кондиционирование по первому и последнему кадру
• Аудио-вход и сильная работа с диалогами
• До 3 референс-изображений
• Производительность уровня фронтира
Эксклюзивное превью на Reactor API до 20 октября 2026
Потом - опенсорс
#realtime #api
MAX
🔥11👍1
This media is not supported in your browser
VIEW IN TELEGRAM
LensErase
Базовая модель от Microsoft для удаления чего угодно с изображения: картинка + маска = чистый результат. Убирает объекты, текст, водяные знаки и их побочные эффекты.
• Удаление объектов, текста, водяных знаков и связанных с ними эффектов (тени, отражения)
• Работает на слоистых постерах, отражениях, нескольких объектах
• Один проход по маске — изображение и маска на входе, чистый кадр на выходе
• Пять категорий: общее, водяные знаки, большие маски, визуальный текст, постеры
Сравнивали с коммерческими GPT-Image2.5-Sunburst и Flux2-Erase, а также с открытыми OSOR, OmniPaint, ObjectClear и другими
Код ждем
Спасибо @m_franz
#objectremoval #inpainting #cleanup
MAX
Базовая модель от Microsoft для удаления чего угодно с изображения: картинка + маска = чистый результат. Убирает объекты, текст, водяные знаки и их побочные эффекты.
• Удаление объектов, текста, водяных знаков и связанных с ними эффектов (тени, отражения)
• Работает на слоистых постерах, отражениях, нескольких объектах
• Один проход по маске — изображение и маска на входе, чистый кадр на выходе
• Пять категорий: общее, водяные знаки, большие маски, визуальный текст, постеры
Сравнивали с коммерческими GPT-Image2.5-Sunburst и Flux2-Erase, а также с открытыми OSOR, OmniPaint, ObjectClear и другими
Код ждем
Спасибо @m_franz
#objectremoval #inpainting #cleanup
MAX
👍7🔥7❤3