Nvidia Motion Bricks

15 000фпс!

Ну за аниматоров и геймдев-анимации.

Полез разбирацца с Motion Bricks и понял, что chatGPT гораздо лучший объяснятор, чем я, если дело идет о не о продукте, а о технологии.

Поэтому процитирую с правками:

NVIDIA MotionBricks — это не генератор обычного видео типа Kling/Runway. Это AI-фреймворк для генерации движений персонажей и робатов в реальном времени.

Проще: вместо того чтобы аниматор вручную собирал огромную систему из сотен/тысяч анимаций — ходьба, бег, прыжок, поднять меч, сесть, упасть, обойти объект — MotionBricks использует одну нейросетевую “motion-модель”, которая на лету синтезирует нужное движение.

Главная идея:
“Движения как LEGO-кирпичики”
Ты задаёшь высокоуровневую команду: персонаж должен идти, повернуть, перепрыгнуть лавку, поднять предмет, сесть, изменить стиль походки — а система сама генерирует плавное движение тела, переходы, позы и взаимодействие с объектами.

Что важно:
Это проект NVIDIA Research, принятый/представленный как работа для SIGGRAPH 2026. (NV Labs)
MotionBricks работает и для анимации в UE5, и для робатотехники — NVIDIA показывает применение на гуманоидном роботе Unitree G1. (arXiv)

Система включает\обучена на более 350 000 motion clips / motion skills одной нейросетевой основой. (NV Labs)
NVIDIA заявляет очень высокую скорость: около 15 000 FPS и 2 ms latency на RTX 5090 в их тестах. (NV Labs)

В UE5-демо они подчёркивают, что движения генерируются нейросетью без классического foot-locking, blending, collision detection и ручных transition-графов. (NV Labs)
Код уже частично открыт как часть репозитория GR00T Whole-Body Control / motionbricks. (GitHub)

То есть это ближе к:
AI-анимации персонажей в играх;
motion matching нового поколения;
замене сложных animation graphs;
управлению гуманоидными роботами;
procedural animation + generative AI.

Почему это может быть важно для игр
Сейчас в AAA-играх поведение персонажа часто собирается через огромные animation state machines: состояния, переходы, blending, специальные клипы под каждую ситуацию. В статье MotionBricks как раз описывает проблему: такие системы становятся гигантскими и трудными в поддержке. (arXiv)

MotionBricks предлагает другой подход: не хранить и руками соединять тысячи анимаций, а иметь универсальную модель движения, которой можно давать команды в реальном времени.

Итого:
MotionBricks — это “AI-движок движений” от NVIDIA для игр, анимации и робатов. Не делает финальное видео, а генерирует реалистичные движения тел/персонажей/робатов в реальном времени.

@cgevent

Довольная устрица релизнулась.

На https://www.happyoyster.com/ больше не нужны приглашения.

Более того, если залогиниться (гуглом, например), то каждый день наваливают 1000 кредитов (до 17 июля так).
Как расходуются кредиты смотрите на скрине.
За 30 секунд в Adventure - 30 кредитов
За 30 секунд в Directing - 50 кредитов за 480р и 80 кредитов за 720р.

Выглядит, как обычно прельстиво.

Го тестировать без инвайтов!

@cgevent

LTX: обновили LTX Trainer для тренировки лор/файнтюна на основе видеогенератора LTXV.

Фреймворк сочетает в себе 10+ режимов для создания лор по видео и аудио: t2v, i2v, расширение длительности видео и аудио, инпейтинг и аутпейнтинг, audio-to-video, video-to-audio (Foley), text-to-audio, и IC-лоры. Базовые лоры выложены на хаггинге.

Есть документация с инструкциями по созданию датасетов, оптимизиции пайплана для эффективного использования памяти, и примеры конфигов. Также в наличии скилл для агентов вроде Hermes или Claude Code, которым можно описать задачу, а дальше они сами.

Единственно, в рекомендациях по трене пишется, что лучше бы иметь 80+ ГБ VRAM (привет RTX 6000 PRO). Хотя INT8 кванты могут запуститься и на 4090/5090. Также есть возможность распределённого файнтюна на кластере из GPU.

Твит
Документация
Гитхаб
Хаггинг

LTX Loras от самих LTX

Это в принципе здорово, что команда LTX сама делает LTX Trainer, оставаясь в одной экосистеме.
Это также немного снижает порог вхождения в процесс тренировки (хотя кого я обманываю, где Комфи и где порог вхождения).
Но поглядите, каких лор они сами быстро наваяли.

Water, Ingredients, Inpaint-Outpaint, колоризация, день-ночь.

Мне особенно зашел барбер-шоп - побривочная лора.

Косоглазие выглядит максимально кринжово и явно в духе снапчата (проброс в соцмедия).

Деблюр и особенно де-mpeg надо тестировать.

Кстати, для полу-гиков есть вот такой софт Just LTX Trainer, полностью убирающий требование к знанию терминалов и линуксов.
С нормальным интерфейсом, причем он умеет арендовать нужное вам железо, настроит на нем окружение, нарежет видео-контент, напишет промпты через ИИ, запустит обучение и будет присылать вам результаты каждые 250 шагов.

@cgevent

В Deepseek завезли Vision

Теперь там есть справа кнопка "Распознавание изображений".

Работает даже без промпта.

Ниже описание картинки:

На изображении представлена обложка музыкального альбома (или сингла) в стиле комиксов или ретро-поп-арта.

Вот основные детали того, что здесь изображено:

* **Текст:** В верхней части крупными синими буквами с белой обводкой написано название группы **TORPEDO BOYZ**. Чуть ниже, более мелким шрифтом, расположена надпись **HEADACHE MUSIC**.
* **Центральный объект:** Занимает большую часть композиции — это классический синий спортивный автомобиль (похожий на японское купе 70-х годов, например, Nissan Skyline). У машины есть характерные детали: желтая полоса по боку, большие фары, бампер и на номерном знаке написано по-японски (иероглифы «丸山賢»). От автомобиля отходят черные линии, имитирующие движение или скорость.
* **Фон:** Фон состоит из расходящихся от центра красно-желтых лучей, что создает эффект «взрыва» или динамики, очень популярный в ретро-дизайне.
* **Вставка в верхнем правом углу:** Там изображены два лица мужчин в гоночных шлемах (похожих на японских автогонщиков). Шлем слева — черный с белыми звездами и текстом «Arai», шлем справа — белый с надписью «Kentastic». У них довольно суровые выражения лиц.

В целом, обложка имеет очень яркий, динамичный и немного агрессивный стиль, что отлично сочетается с названием альбома (Headache Music — «Музыка для головной боли»).

По поводу картинки. Вчера делал пост про музыку, которую я слушаю, привел пример трека. Контекст поста был про генерацию музыки. Народ в коментах немного приподпорвало на тему "ии-слоп, слушать невозможно".
Хотя трек был кожаный, ему уже 16 лет).

https://chat.deepseek.com/

@cgevent