Media is too big
VIEW IN TELEGRAM
Ovi: Twin Backbone Cross-Modal Fusion for Audio-Video Generation
И еще один видеогенератор на базе #WAN22
Создает видео со звуком, как VEO3. По тексту, по картинке.
Может создавать звуковые эффекты и музыку, соответствующие визуалу
Хронометраж 5 сек, 24 кадра в секунду, разрешением 720×720, с различными соотношениями сторон (9:16, 16:9, 1:1, и т.д.)
Обещают выпустить модель с повышенным разрешением, повысить хронометраж, дистилл для быстрого инференса и скрипты обучения.
Гитхаб
HF
Спасибо @m_franz
#text2video #image2video #AV #text2Av #image2AV #sfx
И еще один видеогенератор на базе #WAN22
Создает видео со звуком, как VEO3. По тексту, по картинке.
Может создавать звуковые эффекты и музыку, соответствующие визуалу
Хронометраж 5 сек, 24 кадра в секунду, разрешением 720×720, с различными соотношениями сторон (9:16, 16:9, 1:1, и т.д.)
Обещают выпустить модель с повышенным разрешением, повысить хронометраж, дистилл для быстрого инференса и скрипты обучения.
Гитхаб
HF
Спасибо @m_franz
#text2video #image2video #AV #text2Av #image2AV #sfx
🔥13👍3❤1
Image to Video Generator with Ovi
Демоспейс видеогенератора со звуком Ovi
Поскольку он навайбкоженный, работает криво. Там нужна дополнительная авторизация и она может глючить. В этом случае попробуйте другой браузер
#text2video #image2video #AV #text2Av #image2AV #sfx
Демоспейс видеогенератора со звуком Ovi
Поскольку он навайбкоженный, работает криво. Там нужна дополнительная авторизация и она может глючить. В этом случае попробуйте другой браузер
#text2video #image2video #AV #text2Av #image2AV #sfx
huggingface.co
Ovi - a Hugging Face Space by akhaliq
Upload a clear image and type a brief prompt that describes the motion and any spoken words you want. The app then creates a 5‑second MP4 video with synchronized audio, bringing the static picture ...
👍4🔥1😁1
LTX-2
Бдительные подписчики не дадут пропустить крупный релиз
Вышла наконец новая версия опенсорсного видео-аудиогенератора
Вероятно, если бы они сделали без аудио, модель была бы поменьше и требовала меньше ресурсов но имеем что имеем - модель на 19B параметров, получившая название ltx-2-19b-dev. Авторам гонятся за рынком, а там аудио-видео
Есть fp8 и fp4, пространственный и временной апскейлеры, пачка контролнетов, лор.
Теперь про коммерческие модели. На LTX-Studio есть три режима работы:
Fast (для быстрого брейнсторма)
Pro (для презентаций и обзоров)
Ultra (для финального контента, скоро будет доступен)
Разрешение до 4K
Можно выбирать длительность ролика (6, 8 или 10 секунд, скоро будет 15 секунд)
Блог
LTX Studio
HF
HF коллекция
gemma_3_12B_it.safetensors - текстовый энкодер
Демо
Демо LTX-2 Distilled
Гитхаб
ComfyUI-LTXVideo - тут пишут что нужно от 32 ГБ VRAM🤩 🤩 🤩
Using ComfyUI with LTX-2 - руководство по использованию в комфи
Воркфлоу
Руководство по промптингу
Спасибо @m_franz @StanShumsky
#text2video #image2video #text2av #image2av #workflow
Бдительные подписчики не дадут пропустить крупный релиз
Вышла наконец новая версия опенсорсного видео-аудиогенератора
Вероятно, если бы они сделали без аудио, модель была бы поменьше и требовала меньше ресурсов но имеем что имеем - модель на 19B параметров, получившая название ltx-2-19b-dev. Авторам гонятся за рынком, а там аудио-видео
Есть fp8 и fp4, пространственный и временной апскейлеры, пачка контролнетов, лор.
Теперь про коммерческие модели. На LTX-Studio есть три режима работы:
Fast (для быстрого брейнсторма)
Pro (для презентаций и обзоров)
Ultra (для финального контента, скоро будет доступен)
Разрешение до 4K
Можно выбирать длительность ролика (6, 8 или 10 секунд, скоро будет 15 секунд)
Блог
LTX Studio
HF
HF коллекция
gemma_3_12B_it.safetensors - текстовый энкодер
Демо
Демо LTX-2 Distilled
Гитхаб
ComfyUI-LTXVideo - тут пишут что нужно от 32 ГБ VRAM
Using ComfyUI with LTX-2 - руководство по использованию в комфи
Воркфлоу
Руководство по промптингу
Спасибо @m_franz @StanShumsky
#text2video #image2video #text2av #image2av #workflow
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍27🔥6❤2
Media is too big
VIEW IN TELEGRAM
Vidu Q3
Эта видеогенерилка тоже обновилась недавно
— генерирует аудиовизуал длительностью до 16 секунд
— 1080p
— контроль камеры, плавное переключение между кадрами
— отображает текст на нескольких языках, включая китайский, английский и японский
Есть какой-то промокод для новых пользователей
Vidu Prompt User Guide
Попробовать
#text2video #image2video #imageediting #referencing #av #text2av #image2av
Эта видеогенерилка тоже обновилась недавно
— генерирует аудиовизуал длительностью до 16 секунд
— 1080p
— контроль камеры, плавное переключение между кадрами
— отображает текст на нескольких языках, включая китайский, английский и японский
Есть какой-то промокод для новых пользователей
YESVIDU
Vidu Prompt User Guide
Попробовать
#text2video #image2video #imageediting #referencing #av #text2av #image2av
👍4🔥2❤1
This media is not supported in your browser
VIEW IN TELEGRAM
DreamID-Omni: Unified Framework for Controllable Human-Centric Audio-Video Generation
Фреймворк от ByteDance для генерации и редактирования видео с конкретным человеком на основе его фото и голоса. Наследник DreamID-V
Три функции:
— R2AV: генерирует видео с человеком по фото + образец голоса
— RV2AV: заменяет лицо и голос в существующем видео
— RA2V: анимирует фото по аудио — губы синхронизируются
Гитхаб ждем
#faceswap #videoediting #referencing #lipsync #av #image2av
Фреймворк от ByteDance для генерации и редактирования видео с конкретным человеком на основе его фото и голоса. Наследник DreamID-V
Три функции:
— R2AV: генерирует видео с человеком по фото + образец голоса
— RV2AV: заменяет лицо и голос в существующем видео
— RA2V: анимирует фото по аудио — губы синхронизируются
Гитхаб ждем
#faceswap #videoediting #referencing #lipsync #av #image2av
👍6🔥5❤1
Happy Horse 1.0
Модель для генерации синхронизированного видео и аудио/ Сразу есть 8-шаговая DMD дистилляция
- генерирует диалог, фоновые звуки и шумы
- поддерживает семиязычный липсинк - английский, мандаринский, кантонский, японский, корейский, немецкий и французский
- 1080p
- архитектура — 40-слойный Transformer
- 15B параметров
- время генерации 5-секундного клипа в 1080p на H100 — около 38 секунд
Гитхаб - 404, скрыт пока, веса тоже
Спасибо @BrianMItro
#text2av #image2av #av #t2v #i2v
Модель для генерации синхронизированного видео и аудио/ Сразу есть 8-шаговая DMD дистилляция
- генерирует диалог, фоновые звуки и шумы
- поддерживает семиязычный липсинк - английский, мандаринский, кантонский, японский, корейский, немецкий и французский
- 1080p
- архитектура — 40-слойный Transformer
- 15B параметров
- время генерации 5-секундного клипа в 1080p на H100 — около 38 секунд
Гитхаб - 404, скрыт пока, веса тоже
Спасибо @BrianMItro
#text2av #image2av #av #t2v #i2v
❤5👍2🔥1