ComfyUI-Copilot: Your Intelligent Assistant for ComfyUI

В названии все сказано. Ассистент для #ComfyUI от Alibaba
Умеет дебажить-фиксить ошибки, переделывать воркфлоу. А и с нуля создавать воркфлоу тоже умеет. Опишет какая нода что делает, порекомендует ноду, модель.

Работает по API с LLM провайдерами.
Есть интеграция LMStudio для локальных LLM

Ура, товарищи!

Гитхаб

InfiniteTalk: Audio-driven Video Generation for Sparse-Frame Video Dubbing

Бесконечная болталка на основе Wan2.1. Ну и там еще kokoro под капотом.

Модель для дублирования видео с редкими ключевыми кадрами. Создает новые видео на основе исходного видео и аудиодорожки, синхронизируя не только губы, но и движения головы, позу тела и выражение лица с аудио.
Умеет оживлять картинку по звуку и без входного звука - так написано в гитхабе.

Более точная синхронизация губ и меньше искажений рук и тела по сравнению с MultiTalk.

Ребята поленились сделать сайт проекта с примерами, но похоже проект стоящий. На видео пример с реддита

Гитхаб
HF
Kijai
ComfyUI wrapper nodes for InfiniteTalk

#imageanimation #speech2video #chracteranimation #video2video #lipsync #dubbing #image2video

Qwen-Image-DiffSynth-ControlNets

Контролнеты от DyffSynth под #qwenimage лежат в репозитории Comfy-Org

Поддержка контролнетов под Qwen в #ComfyUI же, да?

О нативной поддержке самого Qwen-Image написали вчера:

Qwen-Image-Edit ComfyUI Native Support

#news #controlnet

Qoder

Агентная платформа для вайбкодинга от Alibaba

Понимает архитектуру проекта.

Есть два режима
Chat Mode - быстрые задачи в чате
Quest Mode - расписываем ТЗ и делегируем агенту

Есть бесплатный ограниченный тариф с двухнедельной триалкой Pro тарифа

Устанавливается локально #macos / #windows

#vibecoding #agent #coding #desktop

DeepSeek-V3.1 уже в официальном чате.

21 августа опубликовали релиз.

- гибридный вывод: два режима — Think (с мышлением) и Non-Think;

- ускоренное получение ответов в режиме Think по сравнению с DeepSeek-R1-0528;

- улучшенные навыки агента: после обучения модель лучше использует инструменты и справляется с многошаговыми задачами;

- API-обновления: поддерживаются формат Anthropic API и строгий вызов функций в бета-API;

- контекст до 128K для режимов deepseek-chat (Non-Think) и deepseek-reasoner (Think); 1

- обновления в области инструментов и агентов: улучшены результаты в тестах SWE и Terminal-Bench, повышена эффективность многошагового рассуждения и мышления;

Попробовать в чате

#news #assistant

Streaming Sortformer

Модель от NVIDIA для диаризации в реальном времени, которая позволяет определять, кто говорит в многоголосных аудиозаписях.

Возможности модели:

- диаризация на уровне кадров с тегами (например, spk_0, spk_1);

- точные временные метки для каждого помеченного высказывания;

- отслеживание 2–4+ говорящих с минимальной задержкой;

- оптимизация для английского языка, но успешное тестирование на мандаринском и других языках.

Пример на видео конечно дурацкий, все друг друга ждут чтобы сказать свою реплику, в жизни оно не так работает

HF

#ASR #speech2text #stt