DeepSeek добавили в чат Vision в режиме бета - понимание изображений.
Не только текста с изображения, но понимание всего изображения
#vlm #qa
Не только текста с изображения, но понимание всего изображения
#vlm #qa
🔥12❤3
Движок интерактивных миров от Alibaba Happy Oyster теперь можно попробовать без инвайта - сделали доступным для всех
Ежедневно до 17 июля выдают 1000 кредитов на генерацию за логин
Тестим!
#world #interactive #realtime #multimodal #any2world
Ежедневно до 17 июля выдают 1000 кредитов на генерацию за логин
Тестим!
#world #interactive #realtime #multimodal #any2world
❤6
Boogu-Image-Edit_GGUF
Квантизованные веса и low-VRAM воркфлоу генератора-редактора изображений Boogu-Image-Edit
#imageediting #lowvram #gguf #workflow
Квантизованные веса и low-VRAM воркфлоу генератора-редактора изображений Boogu-Image-Edit
#imageediting #lowvram #gguf #workflow
❤4👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Autoresearch for arXiv papers
Инструмент для работы со статьями arXiv от alphaXiv
Помогает решать проблемы с настройкой кода и оценивать стоимость полной репликации исследований.
• проверяет, соответствуют ли первоначальные утверждения статьи результатам
• оценивает стоимость полной репликации
• делает предыдущие исследовательские кодовые базы воспроизводимыми
Чтобы попробовать, поменяйте в URL статьи "arxiv" на "autoarxiv". Также можно тестировать на частной кодовой базе через openresearch.sh
#tools #research #papers
Инструмент для работы со статьями arXiv от alphaXiv
Помогает решать проблемы с настройкой кода и оценивать стоимость полной репликации исследований.
• проверяет, соответствуют ли первоначальные утверждения статьи результатам
• оценивает стоимость полной репликации
• делает предыдущие исследовательские кодовые базы воспроизводимыми
Чтобы попробовать, поменяйте в URL статьи "arxiv" на "autoarxiv". Также можно тестировать на частной кодовой базе через openresearch.sh
#tools #research #papers
🔥10
This media is not supported in your browser
VIEW IN TELEGRAM
Помните, у видеогенераторов открыли способность создавать статичные картинки? (как неожиданно)
Теперь наоборот
Оказалось, Flux.2-klein можно использовать для обработки видео
Алгоритм такой:
1. Берётся первый кадр последовательности длиной не более нескольких секунд
2. Он обрабатывается с помощью обычных инструкций редактирования
3. Для всех последующих кадров:
- вычисляется оптический поток
- обработанный кадр трансформируется с учётом оптического потока
- создаётся маска окклюзии для устранения артефактов дублирования
- трансформированный и текущий кадры передаются в Flux с промптом "Заполни замаскированные серым области" и исходным промптом
Результат пока дёрганый, есть простор для улучшений
#klein #videoediting
Теперь наоборот
Оказалось, Flux.2-klein можно использовать для обработки видео
Алгоритм такой:
1. Берётся первый кадр последовательности длиной не более нескольких секунд
2. Он обрабатывается с помощью обычных инструкций редактирования
3. Для всех последующих кадров:
- вычисляется оптический поток
- обработанный кадр трансформируется с учётом оптического потока
- создаётся маска окклюзии для устранения артефактов дублирования
- трансформированный и текущий кадры передаются в Flux с промптом "Заполни замаскированные серым области" и исходным промптом
Результат пока дёрганый, есть простор для улучшений
#klein #videoediting
👍13🥴5❤1
AudioX-Turbo
Генератор аудио из разных типов данных (текст, видео, аудио) аз 4 шага. Ускоренная версия AudioX, вышедшего 4 месяца назад
Построен по схеме "учитель‑ученик": учитель - AudioX‑Base с модулем MAF (Multimodal Adaptive Fusion), ученик - AudioX‑Turbo
Работает быстрее многошаговых аналогов при том же или лучшем качестве
Гитхаб
HF
#any2audio #text2music #video2music #foley #sfx #audio2audio
Генератор аудио из разных типов данных (текст, видео, аудио) аз 4 шага. Ускоренная версия AudioX, вышедшего 4 месяца назад
Построен по схеме "учитель‑ученик": учитель - AudioX‑Base с модулем MAF (Multimodal Adaptive Fusion), ученик - AudioX‑Turbo
Работает быстрее многошаговых аналогов при том же или лучшем качестве
Гитхаб
HF
#any2audio #text2music #video2music #foley #sfx #audio2audio
👍5🔥2
TSANTSALIZE — IC-LoRA for LTX-2.3
Лора уменьшает голову говорящего
Знаю, это то что вы искали
#lora #ltx23
Лора уменьшает голову говорящего
Знаю, это то что вы искали
#lora #ltx23
😁18❤2
SenseNova‑U1 Infographic‑LoRA‑8step‑V1.0
Лора для быстрой генерации инфографики на базе SenseNova‑U1. Сокращает число шагов с 50 (100 NFE) до 8 (8 NFE).
Обычное t2i тоже в принципе может
• чёткие тексты без размытия
• структурированные макеты (двухколонные, сетчатые, многослойные)
• точные подписи данных на графиках (верные числовые метки)
• поддержка китайского и английского языков в инфографике
• работа на потребительских GPU (8B параметров)
• известная проблема: иногда повторяется текст в выходных данных
• известная проблема: изредка белый фон вместо цветных заливок
Комфи
#design #lora #t2i #optimization
Лора для быстрой генерации инфографики на базе SenseNova‑U1. Сокращает число шагов с 50 (100 NFE) до 8 (8 NFE).
Обычное t2i тоже в принципе может
• чёткие тексты без размытия
• структурированные макеты (двухколонные, сетчатые, многослойные)
• точные подписи данных на графиках (верные числовые метки)
• поддержка китайского и английского языков в инфографике
• работа на потребительских GPU (8B параметров)
• известная проблема: иногда повторяется текст в выходных данных
• известная проблема: изредка белый фон вместо цветных заливок
Комфи
#design #lora #t2i #optimization
👍4
30–50% инженеров ключевых продуктовых команд Meta (запрещено в РФ) теперь занимаются разметкой данных
Экспертов перевели в отдел ADO (Agent Data Optimisation) для анализа ИИ-репозиториев и обратной связи по RLHF
Под удар попали специалисты по кибербезопасности, инфраструктуре и продуктам. 15–20% всех инженеров компании работают над разметкой на полной ставке
#news
Экспертов перевели в отдел ADO (Agent Data Optimisation) для анализа ИИ-репозиториев и обратной связи по RLHF
Под удар попали специалисты по кибербезопасности, инфраструктуре и продуктам. 15–20% всех инженеров компании работают над разметкой на полной ставке
#news
😭7🍾5🥴4😁2
👍7🤔5😱1
Ling-2.6 и Ring-2.6
Триллион‑параметровые агентные модели от Ant Group (inclusionAI) для глубокого рассуждения и быстрых ответов в агентных рабочих процессах.
• Ling-2.6: мгновенные ответы, работа с контекстом до 262 K токенов, максимальный вывод - 33 K токенов
• Ring-2.6: глубокие рассуждения, адаптивные режимы («high» и «xhigh»), контекст до 128 K (расширяемо до 256 K), вывод до 66 K токенов
• агентные задачи, кодинг, использование инструментов
• обработка длинных документов и кода
• архитектура #MoE с гибридным линейным вниманием
• обучение через Evo‑CoT и RL
• лицензия MIT
• дополняют друг друга: Ling для длинного контекста, Ring для глубокого рассуждения
Доступны на ZenMux (рекомендовано) и OpenRouter
#agent #coding #api
Триллион‑параметровые агентные модели от Ant Group (inclusionAI) для глубокого рассуждения и быстрых ответов в агентных рабочих процессах.
• Ling-2.6: мгновенные ответы, работа с контекстом до 262 K токенов, максимальный вывод - 33 K токенов
• Ring-2.6: глубокие рассуждения, адаптивные режимы («high» и «xhigh»), контекст до 128 K (расширяемо до 256 K), вывод до 66 K токенов
• агентные задачи, кодинг, использование инструментов
• обработка длинных документов и кода
• архитектура #MoE с гибридным линейным вниманием
• обучение через Evo‑CoT и RL
• лицензия MIT
• дополняют друг друга: Ling для длинного контекста, Ring для глубокого рассуждения
Доступны на ZenMux (рекомендовано) и OpenRouter
#agent #coding #api
👍5❤1