Time Freeze в Seedance 2.0

Сейчас идет некий флешмоб Bullet Time и Time Freeze, вижу много такого добра.

Интересно, что промпт может быть как короткий, так и очень замысловатый.

Держите пару примеров.

Use image as the starting frame for a single, continuous shot in freeze time. The camera dramatically weaves through the completely frozen scene.

@Image1 is the lead character - maintain identical facial features, proportions, and identity throughout. He is wearing round clear glasses, a black hoodie and brown cargo pants. Create a 15-second ultra-photorealistic cinematic time-freeze sequence with an ARRI Alexa Mini look, 50mm lens, natural daylight, strong shadows, shallow depth of field, and subtle film grain. The scene opens on a busy city sidewalk in full motion, captured in a front-facing steadicam shot tracking backward as he walks calmly toward camera through a natural flow of pedestrians while pigeons cross the bright sky above; without breaking stride, he casually raises his hand and snaps his fingers. Instantly, a bright spherical shockwave erupts from his hand, with visible air distortion and refracted light, expanding rapidly across the environment, freezing dust and debris mid-air, locking pedestrians in place mid-motion, and suspending pigeons mid-flight as reflections ripple across surrounding glass buildings before everything falls into complete stillness and silence, with fine particles hanging in the sunlight. The camera continues gliding backward as he walks through the frozen world, his footsteps the only sound, subtly observing his surroundings before approaching a frozen woman with striking red hair in a flowing green dress, her hair suspended mid-motion as she holds a takeaway coffee. He steps in, briefly studies the moment, removes the cup from her hand, takes a síp, then carefully places it back exactly as it was. He then turns his attention to the camera, raises his hand again, and snaps his fingers, releasing a more powerful shockwave that rapidly spreads outward, reversing the effect as motion instantly resumés - pedestrians continue walking, pigeons scatter into flight, the woman carries on unaware still holding her coffee, and debris drops naturally to the ground as full city sound returns. He pauses for a brief moment, then continues walking forward, gradually blending into the crowd while the camera keeps tracking backward, maintaining distance as he disappears into the flow, ending in a smooth fade out. Sound design follows the sequence: city ambience, sharp snap, deep expanding shockwave rumble, complete silence, isolated footsteps, subtle ambient echo, sip, second snap, stronger reverse shockwave, city noise returning, brief pause, then footsteps continuing.

@cgevent

Попробовал Ernie Image 8B

1. Ну такое.

2. Нет редактирования

3. Нет image2image

4. Пережигает цвета и контраст

5. Если включить улучшатор промпта, то объекты на картинке начинают жить своей жизнью (перебарщивает с креативностью). Смотрите как Белку развернуло (один и тот же сид).

6. В NSFW умеет примерно также как и все опенсорсы из коробки. Немного знает про сиськи и на этом все.

7. Кожа - пластик.

Как у вас?

Пробовал тут. Но там только модель Турбо. Логин гуглом. Есть поддержка Комфи.

@cgevent

Nucleus Image

Вы будете смеяцца, но у нас новый генератор картинок. Опенсорсный притом.

И довольно интересный.

Спойлер: веса есть, отличный техрепорт есть, сайт есть, а вот код еще не залит, хотя они все из себя “truly open” и отдельно отмечают “Day 0 support in Hugging Face diffusers library.”

Протестировать не могу, надергал картинок пока. Лица на картинках не очень пока.

Из интересного.
Nucleus AI - очень ранняя AI-компания из San Francisco, основанная в 2023 году. По публичному профилю LinkedIn она выглядит как маленькая команда размером 2–10 человек. Выпускали LLM nucleus-22B-token-500B в 2023.

Два часа назад бахнули Nucleus-Image, text-to-image модель на базе sparse Mixture-of-Experts diffusion transformer. На сайте они называют ее “the 1st Sparse MoE Diffusion Transformer”, а в model card пишут, что у модели 17B total parameters, из которых на один проход активируется только около 2B, и что в архитектуре используется 64 routed experts. Отдельно они подчеркивают, что это base model without post-training: без DPO, RL и human preference tuning.

Из model card и блога вырисовывается вот такой стек. Это 32-layer diffusion transformer, где 29 из 32 блоков используют sparse MoE вместо dense FFN; первые 3 dense-слоя оставлены ради стабильности обучения. В attention у них Grouped-Query Attention.

Текстовый энкодер — Qwen3-VL-8B-Instruct, а image tokenizer/VAE — Qwen-Image VAE (16ch).

У них реально очень большой датасет, и это одна из причин, почему модель выглядит интересной.

По их официальному paper:
~1.5 миллиарда training пар (image + caption)
~700 миллионов уникальных изображений

Судя по размеру весов, должно влезть со скрипом в 16GB.

Судя по замыслу, должно считать быстро.

Будем тестировать, как только появится код.

https://withnucleus.ai/image
Статья: https://huggingface.co/blog/NucleusAI/nucleus-image
Веса: https://huggingface.co/NucleusAI/NucleusMoE-Image
Техрепорт: https://arxiv.org/html/2604.12163v1
Гитхабло: https://github.com/WithNucleusAI/Nucleus-Image

@cgevent