MoDA: Multi-modal Diffusion Architecture for Talking Head Generation

Оживлятор портретов по звуку с контролем эмоций от Alibaba

Умеет делать длинные видео, в примерах есть 4 минуты
Шевелит только голову.
Зубы шакалит, в остальном сойдет

Код
HF
Демо 1
Демо 2
Демо 3

#talkinghead #portraitanimation #speech2video

Оказывается у Qwen-Image-Edit чтото сломалось. Вчера разработчики починили и просят попробовать все заново.

Ну я и попробовал.
А заодно сравнил с nano-banana и Flux Kontext на арене.
Qwen понимает и слушается лучше контекста. Но похоже что банан еще круче

Промпт:

Give him an alike-looking sister wearing the same outfit, standing next to him, standing straight, hands in pockets, serious face. Keep the man unchanged, maintain his original pose, maintain original framing

Попробовать в чате - раньше он у меня даже не прогружался, сегодня даже выдает картинки

#imageediting #QWENIMAGE #shootout #comparison

Context as Memory: Scene-Consistent Interactive Long Video Generation with Memory Retrieval

Генератор интерактивных длинных видео с сохранением согласованности сцены. Иначе говоря, генератор игровых миров с хорошей памятью что где стояло. Про интерактивное управление речь не идет, но видимо предполагается использование в интерактивных системах (умничаю. В играх). Траектория камеры задается прямо координатами, а не размытыми направо-налево.

Умеет генерировать сцены по одной картинке

Код ждем

#text2world #image2world #image2video

MagicTryOn: Harnessing Diffusion Transformer for Garment-Preserving Video Virtual Try-on

Видеопримерочная на VideoX-Fun / Wan2.1-I2V-14B
Для описания одежды используют Qwen2.5-VL-7B-Instruct.
Ну и еще там под капотом openpose, densepose и прочее.

Короче если ктото хотел затюнить WAN 2.1 под примерку то вот оно

Код

#tryon #image2video