Virtual Try On (Seedream V4)

Вот здесь можете попробовать Seedream 4 в переодевании если у вас есть кредиты на glif.app

Заходить через 3 буквы

#tryon

K2 Think

самая быстрая в мире модель искусственного интеллекта с открытым исходным кодом и самая продвинутая система ИИ-рассуждений

Передовая производительность при всего 32B параметров, конкурирует с моделями Open AI и DeepSeek с сотнями миллиардов параметров.

Русский знает, на вопрос ответил моментально

Гитхаб
HF
Демо на HF
Чат на офсайте

#reasoning #assistant #chat

IndexTTS2: A Breakthrough in Emotionally Expressive and Duration-Controlled Auto-Regressive Zero-Shot Text-to-Speech

Вторая версия голосовой модели от Qwen, с контролем длительности, тембра и эмоциональной окраски синтезируемой речи.

На сайте много примеров.

поддерживает два режима генерации: с точным указанием количества токенов для контроля длительности и свободный авторегрессионный режим без указания количества токенов

Поддерживает английский и китайский

HF
Демо

Спасибо @m_franz

#voicecloning #text2speech #tts

HuMo: Human-Centric Video Generation via Collaborative Multi-Modal Conditioning

Видеогенератор при участии Bytedance

— генерирует видео на основе текста, изображений и аудио

— удерживает идентичность и характеристики изображаемого субъекта

— синхронизирует видео с аудио

— позволяет варьировать результат с помощью текстовых промптов

В качестве вдохновения/основы указаны Phantom, SeedVR, MEMO, Hallo3, OpenHumanVid, Whisper

выпущена модель на 17B параметров, обещают выпустить 1.7B
Для работы нужен VAE & Text encoder Wan-2.1

Код
HF

#referencing #text2video #image2video #audio2video

SRPO: Directly Aligning the Full Diffusion Trajectory with Fine-Grained Human Preference

Файнтюн Flux-dev от Tencent-Hunyuan с улучшенным реализмом и эстетикой

Народ уже пилит кванты и выжимает лоры

Гитхаб
HF - 48Гб
bf16 и fp8

#text2image #fluxc