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
Gemini 4 Argon
Флагманская модель Google открыта для всех: разработчиков, компаний и обычных пользователей. Заточена под сложные многоэтапные задачи — разработка, финансы, право, наука и кибербезопасность.
• $2 за млн входных токенов, $10 за млн выходных, кэшированный ввод со скидкой 95%
• До 1 млн токенов на вход и выход через Gemini API
• Доступ через AI Studio, Gemini API, Google Antigravity и приложение Gemini
#flagship #coding #agent
MAX
Флагманская модель Google открыта для всех: разработчиков, компаний и обычных пользователей. Заточена под сложные многоэтапные задачи — разработка, финансы, право, наука и кибербезопасность.
• $2 за млн входных токенов, $10 за млн выходных, кэшированный ввод со скидкой 95%
• До 1 млн токенов на вход и выход через Gemini API
• Доступ через AI Studio, Gemini API, Google Antigravity и приложение Gemini
#flagship #coding #agent
MAX
Google
Gemini 4 Argon: Built to solve your hardest problems
We’re giving developers, enterprises, scientists, and consumers access to Gemini 4 Argon, our latest frontier model.
🔥7🤷♂1
This media is not supported in your browser
VIEW IN TELEGRAM
Interfaze 1.1 Lite
Обновленная открытая модель Interfaze для работы с документами. Главная идея — несколько задач в одном запросе: распознавание текста, перевод и классификация сразу, а не тремя отдельными обращениями.
• OCR, перевод и классификация в одном вызове
• Заявлено +30% к скорости обработки документов и -44% к потреблению памяти на одной GPU
• Собственная лицензия interfaze-open, не Apache 2.0
Спасибо @Endorpheen
#classification #translation #ocr
MAX
Обновленная открытая модель Interfaze для работы с документами. Главная идея — несколько задач в одном запросе: распознавание текста, перевод и классификация сразу, а не тремя отдельными обращениями.
• OCR, перевод и классификация в одном вызове
• Заявлено +30% к скорости обработки документов и -44% к потреблению памяти на одной GPU
• Собственная лицензия interfaze-open, не Apache 2.0
Спасибо @Endorpheen
#classification #translation #ocr
MAX
👍6
ComfyUI-Drama3
Кастомные ноды для Fish Audio Drama 3 — 35B TTS-модели в ComfyUI. Клонирование голоса, диалоги и инлайн-подсказки вроде [sighs] или [whispers] работают на картах от 8 ГБ VRAM.
Запускается на 8 ГБ VRAM
HF
воркфлоу
#ComfyUI #tts #russian
MAX
Кастомные ноды для Fish Audio Drama 3 — 35B TTS-модели в ComfyUI. Клонирование голоса, диалоги и инлайн-подсказки вроде [sighs] или [whispers] работают на картах от 8 ГБ VRAM.
Запускается на 8 ГБ VRAM
HF
воркфлоу
#ComfyUI #tts #russian
MAX
GitHub
GitHub - PedroMarinhoDev/ComfyUI-Drama3: Fish Audio Drama 3 text to speech, natively in ComfyUI: voice cloning, dialogue and inline…
Fish Audio Drama 3 text to speech, natively in ComfyUI: voice cloning, dialogue and inline cues on cards from 8 GB, plus a native Qwen3-ASR. Built with Fish Audio. - PedroMarinhoDev/ComfyUI-Drama3
🔥6👍5
Media is too big
VIEW IN TELEGRAM
GroundingPI
4B фундаментальная модель на визуальных примитивах для локализации объектов — детекция, позиция, OCR и другие.
• Локализация точками и боксами как квантованные координаты в общем словаре
• Несколько grounding-задач: детекция, pointing, OCR, layout, GUI
• Как визуальный бэкбон улучшает робоманипуляцию и автопилот
• #SOTA на 34 бенчмарках, 11 возможностей восприятия: средний 73.68% против 71.54% у GPT-6 Astra
GroundAnything
Быстрая локализация через параллельное декодирование на диффузии
GroundAnything VLM
Высокая точность локализации авторегрессивной VLM
github.com/groundingpi/GroundAnything
huggingface.co/GroundingPI
huggingface.co/spaces/GroundingPI/groundanything-vlm
#vlm #ocr #detection
MAX
4B фундаментальная модель на визуальных примитивах для локализации объектов — детекция, позиция, OCR и другие.
• Локализация точками и боксами как квантованные координаты в общем словаре
• Несколько grounding-задач: детекция, pointing, OCR, layout, GUI
• Как визуальный бэкбон улучшает робоманипуляцию и автопилот
• #SOTA на 34 бенчмарках, 11 возможностей восприятия: средний 73.68% против 71.54% у GPT-6 Astra
GroundAnything
Быстрая локализация через параллельное декодирование на диффузии
GroundAnything VLM
Высокая точность локализации авторегрессивной VLM
github.com/groundingpi/GroundAnything
huggingface.co/GroundingPI
huggingface.co/spaces/GroundingPI/groundanything-vlm
#vlm #ocr #detection
MAX
👍9
This media is not supported in your browser
VIEW IN TELEGRAM
VideoJev
Адаптировали #rlcd #decision для понимания видео
Семейство открытых «System One» видеомоделей от NJU и JD.com. Объединяют временную локализацию и видео-QA через общий интерфейс оценки кандидатов — без авторегрессивного декодирования.
Видео-QA до 100-129× быстрее Thinking-режима
На QA качество сравнимо с бэкбонами в Thinking-режиме, но в разы быстрее. Точность высокая, но уверенность модели переоценена — calibration error ~8 пунктов
Гитхаб
HF
#vlm
MAX
Адаптировали #rlcd #decision для понимания видео
Семейство открытых «System One» видеомоделей от NJU и JD.com. Объединяют временную локализацию и видео-QA через общий интерфейс оценки кандидатов — без авторегрессивного декодирования.
Видео-QA до 100-129× быстрее Thinking-режима
На QA качество сравнимо с бэкбонами в Thinking-режиме, но в разы быстрее. Точность высокая, но уверенность модели переоценена — calibration error ~8 пунктов
Гитхаб
HF
#vlm
MAX
🔥3
This media is not supported in your browser
VIEW IN TELEGRAM
PureRef Connector
Плагин для #ComfyUI
Отправляет сгенерированные картинки прямо в PureRef — на референсный борд, разложенными в ряды. Работает через обычный Save Image, ничего в воркфлоу добавлять не нужно.
Только #Windows
#plugin
MAX
Плагин для #ComfyUI
Отправляет сгенерированные картинки прямо в PureRef — на референсный борд, разложенными в ряды. Работает через обычный Save Image, ничего в воркфлоу добавлять не нужно.
Только #Windows
#plugin
MAX
🔥11👍4❤1
Накопилось по #minimaxH3 - часть 33
#LoRA #upscale
github.com/xmarre/Comfyui_Minimax_h3_latent_Upscaler-Plus - латентный апскейлер от автора Spectrum
huggingface.co/Imagineer13/H3-Anti-Burn-LoRA - фикс пережженного переусложнённого лица при склейке турбо-клипов. Вешаешь только на продолжения (не на первый клип)
huggingface.co/yama-kiyo/MiniMax-H3-ORB360-Vertical-LoRA - вертикальный облет
civitai.com/models/964312/redcraft-and-dark-beast-loras - «взрыв-схема» объекта. Триггер
civitai.com/collections/18270307 - сборник слайдеров движения: инерция/импульс, амплитуда, прогрессивное ускорение, резкие смены, скорость
#workflow
civitai.com/articles/36538/comfyui-tutorial-consistent-ai-characters-in-minimax-h3-no-lora-training-with-6gb-vram - консистентные персонажи без LoRA на 6GB: одна картинка → Qwen 2.1 делает 8 ракурсов → RefMod ~100MB → сохранtнный персонаж #personalization
github.com/jiangge0804-crypto/collage-broll-minimax - коллаж-B-roll: строка озвучки → премиальный бумажный коллаж-клип
huggingface.co/no3us/minimax-h3-refmod-pilot - воркфлоу создания и тестирования #RefMods
civitai.red/models/2027766/bfs-best-face-swap - BFS #CharacterSwap LoRA: замена главного персонажа в гайд-видео с сохранением движения, мимики, камеры
github.com/sepiablue-ai/ComfyUI-H3-AudioFirst-X2-Stream - голос сначала: 8-шаговый аудио-проход на крошечном 32×32, затем голос «залочен» для генерации видео
github.com/chanon/comfyui-obvpm-timeline - обновление таймлайна obvpm: новый воркфлоу, превью через taeh3
#COMFYUI
github.com/noembryo/ComfyUI-noEmbryo#h3-clip-refiner - рефайнер: генеративный ресемпл дорисовывает мелкие детали, оставляя низкие частоты — фон не плывет.
#LoRA #upscale
github.com/xmarre/Comfyui_Minimax_h3_latent_Upscaler-Plus - латентный апскейлер от автора Spectrum
huggingface.co/Imagineer13/H3-Anti-Burn-LoRA - фикс пережженного переусложнённого лица при склейке турбо-клипов. Вешаешь только на продолжения (не на первый клип)
huggingface.co/yama-kiyo/MiniMax-H3-ORB360-Vertical-LoRA - вертикальный облет
civitai.com/models/964312/redcraft-and-dark-beast-loras - «взрыв-схема» объекта. Триггер
Exploded View Diagramcivitai.com/collections/18270307 - сборник слайдеров движения: инерция/импульс, амплитуда, прогрессивное ускорение, резкие смены, скорость
#workflow
civitai.com/articles/36538/comfyui-tutorial-consistent-ai-characters-in-minimax-h3-no-lora-training-with-6gb-vram - консистентные персонажи без LoRA на 6GB: одна картинка → Qwen 2.1 делает 8 ракурсов → RefMod ~100MB → сохранtнный персонаж #personalization
github.com/jiangge0804-crypto/collage-broll-minimax - коллаж-B-roll: строка озвучки → премиальный бумажный коллаж-клип
huggingface.co/no3us/minimax-h3-refmod-pilot - воркфлоу создания и тестирования #RefMods
civitai.red/models/2027766/bfs-best-face-swap - BFS #CharacterSwap LoRA: замена главного персонажа в гайд-видео с сохранением движения, мимики, камеры
github.com/sepiablue-ai/ComfyUI-H3-AudioFirst-X2-Stream - голос сначала: 8-шаговый аудио-проход на крошечном 32×32, затем голос «залочен» для генерации видео
github.com/chanon/comfyui-obvpm-timeline - обновление таймлайна obvpm: новый воркфлоу, превью через taeh3
#COMFYUI
github.com/noembryo/ComfyUI-noEmbryo#h3-clip-refiner - рефайнер: генеративный ресемпл дорисовывает мелкие детали, оставляя низкие частоты — фон не плывет.
🔥8👍4❤1