Накопилось по #minimaxH3 - часть 24

github.com/MiniMax-AI/MiniMax-H3/tree/main/skills - #Skill папка в официальном репозитории H3. 8 стилевых скиллов

huggingface.co/Asirus/TaoMate_H3_3_Step_LoRA - ещe 2 ComfyUI-версии TaoMate

github.com/Code2Collapse/ComfyUI-CustomNodePacks - нода для стабилизации видео #stabilize

huggingface.co/Comfy-Org/MiniMax-H3/tree/main/vae - #VAE INT8 перезалили, обновленная версия

Замена #ControlNet-pose — расширение кадра через аутпейнт дает стабильное движение даже при несовместимых пропорциях тела pastebin.com/BUBUJpwK #workflow #pose2video

huggingface.co/spaces/multimodalart/h3-acceleration-arena - лидерборд пополнился VDN-H3, TaoMate H3, LightX2V 1.2

huggingface.co/FastVideo/FastVideo-FastH3-8-Step-V2 - обновился ускоритель. Воркфлоу:

t2v
github.com/Comfy-Org/workflow_templates/blob/main/templates/video_fastvideo_fasth3_t2v.json

i2v
github.com/Comfy-Org/workflow_templates/blob/main/templates/video_fastvideo_fasth3_i2v.json

github.com/spacesimeco-hue/Chain-Motion-AI-Video-Editor - видеоредактор поверх #ComfyUI в браузере: таймлайн, библиотека ассетов, регенерирование сегментов

github.com/aa335615543-ux/BUNNY_H3_Conditioning_Bridge и huggingface.co/JOKER141/BUNNY_H3_Conditioning_Bridge - адаптер кондиционирования для H3, который чинит кто что делает в видео

github.com/vizart-vj/ComfyUI-MiniMax-H3-LongMedia - обновился кастом пак для генерации длинных видео от @vj_vizart

Odyssey-3

Модели мира выруливают в прикладную нишу где есть потенциал для монетизации - #embodied AI, то бишь роботы

Odyssey-3 - фундаментальная мировая модель общего назначения. Одна обученная нейросеть управляет роботами, человекоподобными, дронами, автомобилями и видеоиграми. Претрейн дает понимание физики и причинно-следственных связей, а для новой задачи нужно всего несколько часов попутных данных

- Роборуки
- Человекоподобные роботы
- Автономное вождение
- Дроны
- Видеоигры: GTA V, перенос навыков в RDR 2 и Sleeping Dogs без дополнительного обучения
- Ну и собственно создавать интерактивные миры тоже умеет

- Публичный релиз ждем в ближайшие недели

Спасибо @Endorpheen

#world #interactive #agent

VK | MAX

Meridian

Еще одна модель от Viggle AI на базе #MiniMaxH3

Генерирует новые ракурсы уже снятого видео. Возвращается к моменту события и снимает его заново с камеры которую выбирает юзер

Возможности:
- Камера: орбита, наезд, панорама, подъем — путь из нескольких ключевых кадров
- Буллет-тайм
- Замедление и ускорение
- Работает и от одного изображения

VGGT-Omega строит геометрию и позиции камер из исходного видео, рендерится варп-референс вдоль выбранного пути, а Meridian дорисовывает скрытые области

Файнтюн трансформера MiniMax-H3 без текст-энкодера на инференсе, 61.7 ГБ bf16 + LoRA 2.5 ГБ, 4 шага. Выход 768p

Большие движения камеры дают артефакты, скрытые поверхности не восстанавливаются а генерируются. Пока только на B200

HF
Демо

#cameracontrol #novelview

VK | MAX

StepAudio 3

Новые модели от Степана

StepAudio 3 Realtime

Полнодуплексная аудио-языковая модель. Говорит и слушает одновременно, размышляет вслух не замолкая

китайский и английский

StepAudio 3 Music

Генерация песен: планирует структуру (куплеты, припев, бридж, аранжировку), создает 48-kHz стерео до 5м 30с

язык задается описанием песни

Помимо этого в семейство вошли говорилка с дизайном голоса Gen, TTS и ASR

китайский, английский, японский, корейский, французский, испанский

Voice Studio - пока только разговорная, музыка анонсирована

#musicediting #dialog #asr #tts #voicedesign

Hypit

скилл превращает ролик в редактируемый шаблон для новых видео

агент через команду /hypit получает язык разметки SVML и систему для создания видео

Собирает повторно запускаемый workflow. Кадры, субтитры, перебивки и эффекты привязаны к словам, а не к секундам на таймлайне.

Дальше можно поменять ведущего, тему или часть материалов и собрать новую версию в той же структуре. В примерах - рейтинг, подкаст и уличное интервью. Для одного шаблона показаны варианты с другими персонажами и сюжетами.

#skill #videoediting

VK | MAX

Jev - System One

TypeSafe AI переизобрели классификацию и подают это как превосходящую альтернативу LLM (на задачах классификации и скоринга)

Обычные LLM пишут ответ токен за токеном и отдают строку. Ее надо парсить и валидировать, а модель в любой момент может сойти с рельсов и выдать галлюцинацию. У Jev структура ответа задана схемой заранее, варианты просчитываются параллельно одним запросом, на выходе типизированные данные с калиброванными вероятностями.

Классификация и скоринг: до 200 раз быстрее и в 450 раз дешевле классических LLM. Вход стоит $0,042 за миллион токенов, выход бесплатный.

Для бэкенда и автоматизации это готовое решение с уровнем уверенности, а не текст для разбора. Софт получает вероятности напрямую - как вызов функции с интеллектом.

Автор - выходеw из OpenAI, участвовавший в работе над методами, которые легли в основу ChatGPT

#classification #automation