Audiobook Studio

Генератор аудиокниг для #MacOS на базе Qwen с наложением звука на epub. Из книги получается и аудиоверсия, и epub с аудиослоем.

Три режима
• Полный автомат: закинул книгу и получил готовое. Система сама находит действующих лиц, определяет характер, возраст и акценты, собирает озвучку и файлы
• Полуавто: то же самое плюс правка персонажей
• Telegram-бот: отправляешь epub, получаешь ссылку на свой Google Drive

Что на выходе
• Аудиокнига
• epub с аудиослоем
• Подсветка текста по предложениям по мере чтения

• Только ARM, то есть Apple
• Нужен ключ Ollama или DeepSeek, тестировалось на DeepSeek 4.1 Flash
• Скорость на M2 Pro с 16 ГБ — около 1-1.6
• Обработка книги по API — примерно 10-13 центов, Ollama в рамках тарифа

Для озвученного epub нужна читалка, которая такое умеет. В примерах — часовая история

#epub2audiobook #audiobook

MAX

3DCodeVerse

Исследовательская экосистема, кодинг-агентов делать 3D-контент кодом: статичные и артикулированные объекты, сцены, целые миры и анимацию. Результат — редактируемая и проверяемая программа, а не запеченный меш.

Из чего состоит
• 3DCodeVerse-2M: 2 млн самостоятельных исполняемых 3D-программ. Внутри исходники, ассеты для запуска в заявленной среде, описания и записи проверок
• 3DCodeVerse Harness: мультиагентный фреймворк на графе зависимостей. Проверяет исполнение, измеряет пространство и смотрит на рендеры, правит программу без участия человека
• Практические рекомендации по 3D-кодингу из серии экспериментов

• 90% побед против Claude Design (3D Object) в парных человеческих оценках, обе стороны работали через Claude

github.com/gaoypeng/3dcodeverse

#agent #3d

MAX

Kimodo / ARDY

NVIDIA обновила семейство генерации движения.

• Kimodo-SOMA-RP-v1.2 — базовая, сглаженный корень, исправленные сплиты
• Kimodo-SOMA-RP-ArdyRep-v1.2 — та же база, но с представлением Ardy: сырая траектория бедра, совместимость с ARDY
• ARDY-SOMA-RP-KimodoRep — авторегрессивная ARDY в представлении Kimodo

• В апреле вышли Kimodo v1.1, где часть тестовых последовательностей попала в обучение — метрики были несравнимы. В v1.2 утечку убрали, скольжение стоп меньше, метрики сопоставимы
• ARDY вышла в июле. Теперь у нее есть вариант в представлении Kimodo
• Kimodo делает клип фиксированной длины одним проходом, ARDY работает авторегрессивно и в реальном времени

• Kimodo: 282M, до 10 с, 30 fps
• ARDY: 192M, история и выход до 8 с

github.com/nv-tlabs/kimodo
hf.co/nvidia/Kimodo-SOMA-RP-v1.2
hf.co/nvidia/Kimodo-SOMA-RP-ArdyRep-v1.2
hf.co/nvidia/ARDY-SOMA-RP-30FPS-KimodoRep-Horizon60

#animation

MAX

World from Motion

4D реконструкция на гауссианах из одного видео. С июля лежало в закладках ждало релиза

Stanford и NVIDIA, NeurIPS 2026.

• За основу взята реконструкция MoSca. Видеомодель DiffSynth дорисовывает виды с новых камер, потом эти кадры дистиллируются обратно в сцену
• То есть реконструкция и генерация работают в паре: где данных не хватает, их добирает видеомодель на базе Wan2.1-VACE-14B

github.com/GradientSpaces/World-from-Motion
huggingface.co/liyzzz/World-from-Motion

Спасибо @m_franz

#videoto4d #4d #gaussian

MAX

Новости ИИ, которые можно проверить.

Три истории из ролика вышли в «Нейрогазете» за один день — 14 октября. В каждом посте — проверенные факты и ссылка на первоисточник.

Каждый день с утра до вечера — коротко о новых моделях, решениях компаний и других событиях в ИИ. Без воды и морали.

Подпишись: https://t.me/+jqF88923qXgwYjVi?erid=2W5zFHHkFFf

GaussFusion

Чистка 3DGS видеомоделью

CVPR 2026, Stanford и Zillow Group.

• Чинит готовую реконструкцию на гауссианах: убирает летающие точки, мерцание и размытие от ошибок позы камеры и неполного покрытия
• Не переобучает сцену, а улучшает рендер видео-моделью
• Работает и с оптимизационными методами, и с прямыми вроде DepthSplat

Как работает
• Из реконструкции рендерится буфер гауссиан: цвет, глубина, нормали, непрозрачность, ковариация
• Буфер идет в VAE и трехмерную свертку, сжимается в латент геометрии
• Flow-трансформер на блоках DiT с геометрическими адаптерами сшивает его с латентом видео, текст входит через cross-attention
• На выходе согласованные по времени кадры без артефактов

Быстрый вариант дает 16 FPS, годится под интерактив

Код и модель ждем

Спасибо @m_Franz

#gaussian

MAX

Harness² от Google

агент улучшает свою среду

Результат агента зависит не только от модели, но и от окружения: промпта, инструментов, памяти, навыков, субагентов. Это окружение называют harness. Harness² меняет его под новую задачу без переобучения модели.

Как работает
• Редактируемых компонентов восемь: системный промпт, guardrails, память, описание инструментов, субагенты, навыки, скрипты, плагины
• Цикл Propose-Probe-Compose: агент предлагает правки, пробует их на одной задаче, сравнивает запуски и собирает улучшенную конфигурацию
• Правильный ответ и внешний проверяющий не нужны: опора на контраст поведения между запусками
• Уровень выше копит опыт, принятые конфигурации и подтвержденные запусками выводы уходят в постоянный improvement harness

Что в релизе
• Параллельный и последовательный режимы
• Исполнители OpenCode и Codex

#agent #harness

MAX

Photon

движок поиска и ранжирования от Perplexity для агентов. Заменил открытый движок, который в компании годами держали форком, и теперь обслуживает весь поиск.

Что не устраивало
• p99 до 800 мс, во время слияния индексов уходил в 1,2 с на 10-15 минут
• Индекс не влезал в память, холодные чтения вставали в page faults
• Синхронизация нового кластера занимала больше недели

Что сделали
• Компактные форматы: перевернутый индекс с блоками по плотности и отдельная запись docblob с частотами и позициями
• Кэш под батчевые чтения, диск асинхронно через io_uring
• Сборка индекса отделена от выдачи: группа сначала прогревается, потом получает трафик

Результат
• p99 внутри Photon 65 мс вместо 800
• На 20% меньше машин при 2,5 раза больше данных на документ
• Быстрый пресет Search API: 160 мс p50, 230 p95, стоимость задачи ниже на 68% при сопоставимом качестве
• Писали небольшая команда и рой постоянных кодинг-агентов

#search

Устал я писать новости, так что #оффтоп о том что меня бесит*

Звонок с незнакомого номера

Я: алло?
Робот: не вешайте трубку...

Это вы мне звоните ушлепки, чтобы мне чтото втюхать, а не я вам. Я ни секунды не буду ждать пока ваш низкооплачиваемый сотрудник коллцентра сможет со мной поговорить. Особо горячий котел в аду тому кто выдумал эту хрень с дозвоном

* на КДПВ - генерация MOSS-Image по промпту
как же бесит, мем

#набрюзжал

MAX

MiniMax M3.1 Flash

Space Bunny оказался ранней версией M3.1 Flash

Результаты
• Automation-Bench 62%
• ALE 30%
• DeepSWE 74%
• BabyVision 91%
• Втрое быстрее M3 при трети цены

API
• 0,15 доллара за 1 млн входных токенов
• 0,60 за 1 млн выходных
• 0,015 за чтение из кеша, в десять раз дешевле входных

Доступ
• API, подписка M Plan и десктопный MiniMax Code
• Веса обещают открыть 23 октября

• При такой цене модель метит в агентные циклы, где важны тысячи дешевых вызовов, а не одна мощная генерация
• Для сравнения: тот же объем работы на M3 стоит втрое дороже и идет втрое дольше

#agent #api

MAX