BluePixel

Редактор изображений от vivo с родным #4K на входе и выходе, без каскадного апскейла. База FLUX.2-klein-9B плюс агентная обвязка поверх

• Правка по инструкции на полном разрешении 4K
• Агент разбирает запрос на операции и подключает нужные инструменты
• Расплывчатые просьбы доводит до конкретики, включая факты из сети
• Проверяет каждый вариант своей моделью оценки и повторяет попытку в пределах лимита
• Длинный хвост узких навыков: прически, выражения лица, позы, эффекты

• 4 шага вместо 50 после дистилляции
• Сохранность нетронутых областей 9,06, впереди только GPT Image 2
• ImgEdit-Bench: первое место в Hybrid и Action, деленое первое в Add

github.com/vivo/BluePixel
hf.co/openvivo/BluePixel-Turbo
Демо

#t2i #imageediting #agent

MAX

Искра

Принесли мне на тест ИИ-агента.
Браузерными я редко пользуюсь, они у меня быстро тонут во вкладках. А тут в комплекте имеется телеграм-бот, что мне как раз удобно и для оформления постов и для каких-нибудь задач когда нет доступа к десктопу где у меня все удобно настроено.

Оформлять же посты в мобильном ТГ - жутко неудобно, я на это уже жаловался.

Итак, самая частая задача - оформление поста.
Кидаю ссылку, иногда с описанием, иногда голый URL.
Искра открывает источник, читает и укладывает в формат канала - я ей задал правила.

Тут обнаружил две недоработки

1) Бот физически не может отбивать абзацы пустыми строками и теряет форматирование текста. Модель это делает, но парсер бота отдает сплошной комок текста. Частично это решилось маркдаун-разметкой, какое-то форматирование она сохраняет но сделать промежуток между абзацами - шиш

2) Бот не видит ссылки, зашитые в текст средствами Телеграм. Видит только текст в который они зашиты. Поэтому ссылки приходится кидать боту в сыром виде

Но это касается только ТГ. Команде Искры я об этом написал, обещали посмотреть. Помимо ТГ-бота есть WEB-версия, десктоп-клиент на Windows, аппки на iOS и Android. А там приличный воркспейс с проектами, скиллами, памятью.

Есть интеграция с 1С, Битрикс24, Почтой, Диском, CRM и т. д. вплоть до кастомной интеграции своей компании. Есть планировщик заданий. Попробую потом наваять какое-нибудь приложение в ней

Как бытовой персональный ассистент тоже годится.
На выходных гулял с ребенком и решили мы сходить в кино. Раньше можно было открыть приложение киносети, выбрать сеанс и купить билет. Теперь же часть приложений кинопрокатчиков загнулись, остальные работают через пень-колоду. А на афише информация не всегда точная.

Ну я надиктовал задание найти детские сеансы в ближайших трех кинотеатрах. Искра потянула инфу с разных источников, сказала куда можно успеть и где билеты подешевле. Ну, вы поняли.

Под капотом модели семейства Qwen, сейчас в частности Qwen 3.8 Flash

Что приятно, есть реферальная программа

Если хотите попробовать, переходите по ссылке - есть бесплатный тариф.

Платные тарифы от 690 рублей в месяц, а по моему промокоду NEURONAUT30 - 30 дней тарифа Про бесплатно, до 4 декабря Попробовать

Реклама. ООО «Искра», ИНН 1685025044, erid: 2VtzqvBfpWA

idol-turbo

Ускоренная версия Idol
5 шагов вместо 50

Местами картинка мягче чем у полной модели на 50 шагах, на 4 шагах цвета уходят в теплоту, а насыщенные объекты иногда бледнее. Эталон качества по-прежнему базовая Idol, но для черновиков и быстрых прогонов разница в скорости слишком велика, чтобы ее игнорировать.

#image2gaussian #gaussian #optimization

MAX

agent-desktop

Computer use для ИИ-агентов без скриншотов от Vercel Labs. Агент читает дерево доступности приложения, а не разглядывает картинку

дерево элементов это десятки строк текста вместо мегабайтов пикселей, и каждая кнопка уже подписана. Если интерфейс поменялся, действие вернет ошибку устаревшей ссылки, и агент сделает новый снимок.

• Дерево интерфейса отдается в JSON, у каждого элемента свой ref
• Клик и ввод идут по ref, потом агент заново читает интерфейс и проверяет результат
• Сам цикл живет в вашем агенте, модели внутри нет
• Работает на macOS, Windows и Linux
• По умолчанию действия без движения курсора и без перехвата фокуса, то есть можно работать параллельно
• Для физического ввода есть флаг headed
• Есть снимки экрана, буфер обмена, трейсы и оверлей с курсором

• Ставится через npm, есть Homebrew
• В комплекте нативные бинарники под x64 и ARM64
• Поставляется как CLI и как библиотека на C

#agent #computeruse

Reshoot 4D

Новая камера для уже снятого видео: берется ролик с человеком, строится 4D-захват, камера летит по новому пути, и тот же момент возвращается с другого ракурса. В #ComfyUI

• Захват: движение человека в 3D, фон вокруг, положение и движение исходной камеры
• Быстрый режим для превью или полный 4D-сплат, если надо рассмотреть
• Редактор камеры в ноде
• Ключи в любой точке таймлайна
• Перенос камеры из fbx, abc и usd и экспорт обратно

• Финал: 24-60 кадров в секунду через RIFE, моушенблюр, апскейл до 4K, исходный звук

• Хорошо держится в пределах 30-40 градусов от исходной камеры


Настройки объектива применяются после рендера, поэтому правка фокуса занимает минуты, а не весь пайплайн заново

github.com/itsmetamike/reshoot-4d
itsmetamike.github.io/reshoot-4d/demo/

#cameracontrol #v2v #OpenSourceHiggsfield

MAX

TaoMate-FVSR

Реставрация лиц на видео с опорой на звук. Не просто резкость: модель восстанавливает детали лица и согласует артикуляцию с речью, оставляя сцену прежней

• Возвращает в фокус мелкие лица, снятые издалека
• Дорисовывает кожу, зубы и губы по опорному изображению
• Синхронизирует движение рта с исходной дорожкой
• Умеет работать с новой дорожкой: по сути дубляж, где губы перерисовываются под чужой голос
• Результат вставляется обратно в кадр, тело и фон не апскейлятся

• На входе три вещи: исходное видео, референс внешности и целевой звук
• Структура кадра сохраняется, поэтому поза и ракурс не уезжают
• Внешность и движение разделены, чтобы модель не тянула за собой историю кадров
• Одно и то же восстановление под оригинальный звук и под замененный

github.com/TaoLiveAIGC/TaoMate-FVSR/tree/main
hf.co/TaoLiveAIGC/TaoMate-FVSR

Спасибо @m_franz

#facerestoration #videorestoration

MAX

hiimhal.com

Локальные нейросетки без NVIDIA, на AMD
плюс подбор железа

- рабочий порт #YuE2 , протестирован на мини-ПК Strix Halo

Вроде должен быть SeedVR2 но я его на сайте не вижу

Пока еще в разработке однокликовые установщики:

- #Wan22 для видео из текста
- LatentSync синхронит губы под трек
- TRELLIS.2
- InfiniteTalk
- FlashVSR апскейл видео

#amd #upscale

MAX

FlashRSI

Открытый фреймворк для улучшения агента без переобучения самой модели. Крутится цикл: прогон тестов, разбор ошибок, правка промптов, навыков и настроек, снова тесты, побеждает лучший вариант.

• Работает с готовым агентом, веса не трогает
• Правит промпты, инструкции, набор навыков и конфигурацию
• Каждый кандидат прогоняется через тот же набор задач, что и базовая версия
• Хранит всю историю: конфиг, траектории, метрики, артефакты, откуда какая версия выросла
• Можно смотреть, какая именно правка дала прирост

• Готовые интеграции с Claude Code, Mini-Agent и Codex
• Pi, Hermes и OpenCode пока в работе

#RSI

MAX

Images 2.6

Новое поколение генератора картинок OpenAI. Появились GIF-анимации и референсы, а скорость выросла вдвое.

• GIF собирается из спрайт-листа, кадры идут подряд и стыкуются в петлю
• Референсы держат внешность персонажа, товара и детали бренда между правками
• Разметка изображения прямо в промпте: показываешь, где именно менять
• Экспорт в SVG, готовый для сайта, приложения и печати
• Параметр сложности: низкий для быстрых правок, высокий для сцен с кучей элементов

• В API две модели: Flare для скорости, до шести секунд на картинку, и Sunburst для качества и согласованности
• Flare лучше держит верстку постеров и продуктовой съемки
• Доступно во всех тарифах ChatGPT и в Codex, плюс через API

#news #text2gif #gif

MAX