Emu3: Next-Token Prediction is All You Need
Новый набор современных мультимодальных моделей от китайцев. Короче говоря, генератор-пониматор изображений и видео. Недиффузный, генерирует предсказывая следующий токен, то есть, мог бы работать быстрее чем диффузные генераторы, но нет - 13 минут на одну картинку на H100
Умеет продлевать видео, может имитировать некоторые аспекты окружающей среды, людей и животных в физическом мире.
Код
Демо
#text2image #text2video #video2video #videoextension
Новый набор современных мультимодальных моделей от китайцев. Короче говоря, генератор-пониматор изображений и видео. Недиффузный, генерирует предсказывая следующий токен, то есть, мог бы работать быстрее чем диффузные генераторы, но нет - 13 минут на одну картинку на H100
Умеет продлевать видео, может имитировать некоторые аспекты окружающей среды, людей и животных в физическом мире.
Код
Демо
#text2image #text2video #video2video #videoextension
👍7
This media is not supported in your browser
VIEW IN TELEGRAM
CogStudio
GUI для запуска CogVideo - опенсорсного видеогенератора. Не хотите разбираться в ComfyUI - вам сюда.
Видео по тексту, по изображению, по видео и продление видео
#text2video #image2video #video2video #videoextension
GUI для запуска CogVideo - опенсорсного видеогенератора. Не хотите разбираться в ComfyUI - вам сюда.
Видео по тексту, по изображению, по видео и продление видео
#text2video #image2video #video2video #videoextension
🔥6
Крупное обновление получил видеогенератор Dream Machine
Теперь это рабочая среда, комбайн технологий.
Авторы предлагают начинать творческий процесс с генерации картинок.
Да, у них появился свой картинкогенератор Luma Photon
В картинки можно вносить изменения, делать из них видео. Для видео задавать первый и последний кадр, движение камеры. Удлинять (Extend), задавая конечный кадр.
Brainstorm - генератор идей
И это кажется еще не все
Официальный туториал
#text2image #text2video #image2video #videoediting #imageediting #online #tutorial #cameracontrol #videoextension
Теперь это рабочая среда, комбайн технологий.
Авторы предлагают начинать творческий процесс с генерации картинок.
Да, у них появился свой картинкогенератор Luma Photon
В картинки можно вносить изменения, делать из них видео. Для видео задавать первый и последний кадр, движение камеры. Удлинять (Extend), задавая конечный кадр.
Brainstorm - генератор идей
И это кажется еще не все
Официальный туториал
#text2image #text2video #image2video #videoediting #imageediting #online #tutorial #cameracontrol #videoextension
🔥8❤2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
FramePack_with_Video_Input
Форк FramePack, принимающий на вход видео и продолжающий его.
На примере первые 3 секунды видео - исходник, дальше - генерация FramePack
Ветка на официальном FramePack
#videoextension #video2video
Форк FramePack, принимающий на вход видео и продолжающий его.
На примере первые 3 секунды видео - исходник, дальше - генерация FramePack
Ветка на официальном FramePack
#videoextension #video2video
🔥21👍1👏1
Media is too big
VIEW IN TELEGRAM
Emu3.5: Native Multimodal Models are World Learners
Только в начале месяца был генератор-пониматор картинок Emu3, как вот уже Emu3.5. Умеет создавать изображения и последовательности изображений, редактировать изображения, понимать, ориентируется в изображаемом пространстве. Ну и в качестве мозгов для робота сойдет.
Масштабная мультимодальная world-модель, объединяет текст и изображение в единое пространство восприятия
Способна одновременно обрабатывать два потока данных (текстовый и визуальный) и предсказывать их совместное состояние на каждом шаге. Такой подход делает модель ближе к тому, как человек воспринимает и осмысляет мир, связывая язык, зрение и действие в единую систему.
Конкурирует с Gemini 2.5 Flash Image (Nano Banana) в генерации и редактировании изображений и превосходит её в задачах с чередующимися генерациями
Гитхаб
HF
#text2image #text2video #video2video #videoextension
Только в начале месяца был генератор-пониматор картинок Emu3, как вот уже Emu3.5. Умеет создавать изображения и последовательности изображений, редактировать изображения, понимать, ориентируется в изображаемом пространстве. Ну и в качестве мозгов для робота сойдет.
Масштабная мультимодальная world-модель, объединяет текст и изображение в единое пространство восприятия
Способна одновременно обрабатывать два потока данных (текстовый и визуальный) и предсказывать их совместное состояние на каждом шаге. Такой подход делает модель ближе к тому, как человек воспринимает и осмысляет мир, связывая язык, зрение и действие в единую систему.
Конкурирует с Gemini 2.5 Flash Image (Nano Banana) в генерации и редактировании изображений и превосходит её в задачах с чередующимися генерациями
Гитхаб
HF
#text2image #text2video #video2video #videoextension
👍7🔥3❤1
Grok научился продлять видео
на 6 или 12 секунд за один раз. Музыка/звукоряд соответственно тоже продляется
Вот бы еще можно было продлять стороннее видео а не только грокорожденное
Оба видео продлены гроком
Пробуем
#videoextension #videoediting
на 6 или 12 секунд за один раз. Музыка/звукоряд соответственно тоже продляется
Вот бы еще можно было продлять стороннее видео а не только грокорожденное
Оба видео продлены гроком
Пробуем
#videoextension #videoediting
👍7❤4