Голосовую модель MegaTTS 3 можно запустить в колабе

Jupiter / Colab

#tts #text2speech #voicecloning

WAN 2.2

Опубликовали 6 моделей
t2v и i2v
5B и 14B

Внедрили совет экспертов (#MoE). А я ванговал что ЛЛМные фишки будут везде.
Это увеличивает общую производительность модели при сохранении тех же вычислительных затрат.

Из пока понятного мне умеет

- генерировать видео в кинематографическом стиле — с учётом освещения, композиции и других деталей;

- создавать сложные движения в видео;

- работать на обычных RTX 4090;

- выдавать видео в разрешении 720p с частотой 24 кадра в секунду.

#text2video #image2video

Wan2.2-I2V-A14B-GGUF

Там и воркфлоу лежит среди файлов

#text2video #image2video #gguf

Ускоряющая четырехшаговая лора WAN2.1-lightx2v работает с WAN2.2!

воркфлоу
лора

#text2video #lora #image2video #optimization #workflow

Пока одни изобретают браузеры нового поколения, другие прикручивают ИИ-свистоперделки к старым

В Edge появился режим Copilot.
нейросеть группирует вкладки, пересказывает статьи, выполняет голосовые команды и подсказывает в нужный момент. Бесплатново. Но придется притвориться что вы не в России

#news #browser #agent

JAM: A Tiny Flow-based Song Generator with Fine-grained Controllability and Aesthetic Alignment

Компактная модель для генерации песен из готовых текстов.

Основная фишка - позволяет точно контролировать, когда и как долго звучат слова и слоги в песне — можно подгонять вокал под нужный ритм. А также полный контроль над структурой песни - ну там когда куплеты когда припевы

На примерах да, контроль заметен, слова и акценты расставляет как человек

Код
Веса - 2 Гб

#music #text2music

Music Arena

Арена / лидерборд генераторов музыки.
Можно поиграть с генерацией коротких кусочков. Мне сгенерил 11с и 30с
Лидерборд пока пуст

#text2music #leaderboard

Wan 2.2 понимает указания, нарисованные на первом кадре, как и VEO 3

Автор

#image2video #news