ARC-Qwen-Video
Версия ARC-Hunyuan-Video-7B с Qwen2.5-VL-7B-Instruct в качестве базовой модели.
Мультимодальная модель для понимания коротких видеороликов из реального мира. Обрабатывает визуальные, аудио- и текстовые сигналы
Синхронизирует визуальные и аудиосигналы, что позволяет отвечать на сложные вопросы, которые невозможно решить, используя только один тип данных
Определяет не только, что происходит в видео, но и когда это происходит, поддерживает детализированную временную разметку и обобщение событий
Знает китайский и английский
На скриншоте транскрибация демонстрационного видео (перевод с китайского)
ARC-Qwen-Video-7B
ARC-Qwen-Video-7B-Narrator - выдает описания видео с таймкодами, определяет личности говорящих в видео, распознаёт и транскрибирует речь
Гитхаб
Демо - вход по китайскому телефону
#vlm #assistant #video2text #asr #speech2text #stt
Версия ARC-Hunyuan-Video-7B с Qwen2.5-VL-7B-Instruct в качестве базовой модели.
Мультимодальная модель для понимания коротких видеороликов из реального мира. Обрабатывает визуальные, аудио- и текстовые сигналы
Синхронизирует визуальные и аудиосигналы, что позволяет отвечать на сложные вопросы, которые невозможно решить, используя только один тип данных
Определяет не только, что происходит в видео, но и когда это происходит, поддерживает детализированную временную разметку и обобщение событий
Знает китайский и английский
На скриншоте транскрибация демонстрационного видео (перевод с китайского)
ARC-Qwen-Video-7B
ARC-Qwen-Video-7B-Narrator - выдает описания видео с таймкодами, определяет личности говорящих в видео, распознаёт и транскрибирует речь
Гитхаб
Демо - вход по китайскому телефону
#vlm #assistant #video2text #asr #speech2text #stt
👍10
Media is too big
VIEW IN TELEGRAM
Vidu Q1 Reference to Image
Давно не заглядывали в Vidu?
Они прокачали генерацию видео по референсам. Чего-то там больше, что-то там лучше
Функция доступна на сайте и в мобильном приложении
#referencing #image2video #text2video
Давно не заглядывали в Vidu?
Они прокачали генерацию видео по референсам. Чего-то там больше, что-то там лучше
Функция доступна на сайте и в мобильном приложении
#referencing #image2video #text2video
👍9🍾1
This media is not supported in your browser
VIEW IN TELEGRAM
Давно не заглядывали в Morphic?
А у них теперь есть генерация видео по аннотациям на картинке
#annotate2video #image2video #sketch2video
А у них теперь есть генерация видео по аннотациям на картинке
#annotate2video #image2video #sketch2video
👍14😁1
Вот куда вы точно давно не заглядывали так это на Artbreeder
Они там конечно наплодили инструментов похожих один на другой для смешивания персонажей
Даже какой-то оживлятор персонажей есть
#referencing #inage2image #characteranimation
Они там конечно наплодили инструментов похожих один на другой для смешивания персонажей
Даже какой-то оживлятор персонажей есть
#referencing #inage2image #characteranimation
👀6❤4
This media is not supported in your browser
VIEW IN TELEGRAM
Кожаные пытаются заставить робота перестать танцевать нижний брейк потому что он слишком невыносимо хорош
#humor #robot
#humor #robot
😁17😱2
This media is not supported in your browser
VIEW IN TELEGRAM
Recraft Chat Mode
Recraft запустил бета-тестирование создания и редактирования картинок в чате.
У Reve есть, у Krea есть, значит у рекрафта тоже должно быть. скоро будет везде.
Записаться в вейтлист
#imageediting
Recraft запустил бета-тестирование создания и редактирования картинок в чате.
У Reve есть, у Krea есть, значит у рекрафта тоже должно быть. скоро будет везде.
Записаться в вейтлист
#imageediting
👍7🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Vivid-VR: Distilling Concepts from Text-to-Video Diffusion Transformer for Photorealistic Video Restoration
Реставратор видео от Alibaba - Taobao, улучшает качество видео, сохраняя реалистичность текстур и временную согласованность
Для согласованности и контроля используют контролнет
Базовая модель CogVideoX1.5-5B
Для реставрации 121 кадра видео требуется примерно 43 ГБ VRAM
Если хотите уменьшить использование VRAM, замените "pipe.enable_model_cpu_offload" на "pipe.enable_sequential_cpu_offload" в ./VRDiT/inference.py - потребление сокращается до 25 ГБ за счет скорости
Код
Спасибо @m_franz
#videorestoration #video2video #upscale
Реставратор видео от Alibaba - Taobao, улучшает качество видео, сохраняя реалистичность текстур и временную согласованность
Для согласованности и контроля используют контролнет
Базовая модель CogVideoX1.5-5B
Для реставрации 121 кадра видео требуется примерно 43 ГБ VRAM
Если хотите уменьшить использование VRAM, замените "pipe.enable_model_cpu_offload" на "pipe.enable_sequential_cpu_offload" в ./VRDiT/inference.py - потребление сокращается до 25 ГБ за счет скорости
Код
Спасибо @m_franz
#videorestoration #video2video #upscale
🔥11👍7
MVSEP
Сервис для разделения музыки на стемы
Разделяет на вокал, бас, ударные, гитару, фортепиано и остальное - 6 стемов.
Недавно добавили в парк моделей BS-RoFormer, модели уже 2 года, но недавно была обновка. А вообще ее спонсировали Stability AI и HuggingFace, и на изоляции вокала там #SOTA (не знаю удержалил ли трон к настоящему времени)
Есть бесплатный тариф
#audioseparation #demix #unmix
Сервис для разделения музыки на стемы
Разделяет на вокал, бас, ударные, гитару, фортепиано и остальное - 6 стемов.
Недавно добавили в парк моделей BS-RoFormer, модели уже 2 года, но недавно была обновка. А вообще ее спонсировали Stability AI и HuggingFace, и на изоляции вокала там #SOTA (не знаю удержалил ли трон к настоящему времени)
Есть бесплатный тариф
#audioseparation #demix #unmix
👍8🔥3👎1
MiMo-Audio
Универсальная генеративная аудио-языковая модель, которая работает с текстовыми и аудиоданными.
Бьет Gemini-2.5-Flash на понимании аудио
Бьет GPT-4o-Audio на комплексном рассуждении
Всего 7B параметров, опенсорс
— понимает аудио и рассуждает
— ведёт диалоги и распознаёт эмоции
— описывает аудиоконтент
— работает с разными языками и диалектами - упоминается английский, есть пирмер приветствия на трех языках. Вангую что с русским у него пока неважно.
— продолжает речь в разных стилях
— обучается на основе инструкций
Гитхаб
HF - есть MiMo-Audio-Tokenizer, MiMo-Audio-7B-Base и MiMo-Audio-7B-Instruct
Демо - сейчас какие-то проблемы с соединением
#audio #audio2audio #reasoning #assistant #voicemode #speech2peech #audio2text #captioning
Универсальная генеративная аудио-языковая модель, которая работает с текстовыми и аудиоданными.
Бьет Gemini-2.5-Flash на понимании аудио
Бьет GPT-4o-Audio на комплексном рассуждении
Всего 7B параметров, опенсорс
— понимает аудио и рассуждает
— ведёт диалоги и распознаёт эмоции
— описывает аудиоконтент
— работает с разными языками и диалектами - упоминается английский, есть пирмер приветствия на трех языках. Вангую что с русским у него пока неважно.
— продолжает речь в разных стилях
— обучается на основе инструкций
Гитхаб
HF - есть MiMo-Audio-Tokenizer, MiMo-Audio-7B-Base и MiMo-Audio-7B-Instruct
Демо - сейчас какие-то проблемы с соединением
#audio #audio2audio #reasoning #assistant #voicemode #speech2peech #audio2text #captioning
👍7🔥2👀1
QuantStack Wan2.2-Animate-14B-GGUF
Полный зоопарк ггуфов Wan2_2_Animate
————————————————
Wan2_2_Animate_14B_Q4_K_M.gguf
У Kijai добавился GGUF Q4 Wan2_2_Animate ~12.6 ГБ
#image2video #video2video #characteranimation #chracterswap #faceswap #gguf
Полный зоопарк ггуфов Wan2_2_Animate
————————————————
Wan2_2_Animate_14B_Q4_K_M.gguf
У Kijai добавился GGUF Q4 Wan2_2_Animate ~12.6 ГБ
#image2video #video2video #characteranimation #chracterswap #faceswap #gguf
huggingface.co
Wan22Animate/Wan2_2_Animate_14B_Q4_K_M.gguf · Kijai/WanVideo_comfy_GGUF at main
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
👍9
ComfyAudio: ComfyUI for Audio
Форк #ComfyUI для работы со звуком
Не совсем понимаю зачем, не пробовал работать со звуком в комфи, там же есть ноды для звука
#audio
Форк #ComfyUI для работы со звуком
Не совсем понимаю зачем, не пробовал работать со звуком в комфи, там же есть ноды для звука
#audio
GitHub
GitHub - comfyuiAudio/ComfyAudio: ComfyUI for Audio
ComfyUI for Audio. Contribute to comfyuiAudio/ComfyAudio development by creating an account on GitHub.
👍4❤1🥴1
AIO Mega v3
Обновился мердж все-в-одном WAN2.2-14B-Rapid-AllInOne
На сей раз в базе взят SkyReels 2.133%
И сверху WAN 2.2 66%
Подробнее на реддите
HF ~24 ГБ
GGUF
#text2video #image2video #controlnet #gguf #wan22
Обновился мердж все-в-одном WAN2.2-14B-Rapid-AllInOne
На сей раз в базе взят SkyReels 2.133%
И сверху WAN 2.2 66%
Подробнее на реддите
HF ~24 ГБ
GGUF
#text2video #image2video #controlnet #gguf #wan22
huggingface.co
Phr00t/WAN2.2-14B-Rapid-AllInOne · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
👍6🤔4😱1💯1
DreamCube: 3D Panorama Generation via Multi-plane Synchronization
Генератор 3D-панорам. Использует технологию Multi-plane Synchronization.
На выходе - куб с натянутыми текстурами, глубиной
Рработает с разными 2D моделями (SDXL, Marigold, VideoCrafter2)
Код
HF
Инструкция по установке (реддит)
#text2image #text2panorama #panorama #rgbd
Генератор 3D-панорам. Использует технологию Multi-plane Synchronization.
На выходе - куб с натянутыми текстурами, глубиной
Рработает с разными 2D моделями (SDXL, Marigold, VideoCrafter2)
Код
HF
Инструкция по установке (реддит)
#text2image #text2panorama #panorama #rgbd
🔥5👍2