Wan 2.5-Preview
Мульитмодальный, сочетает в себе не только генерацию, но и понимание видео
генерирует синхронизированный аудио-видео контент
1080p, 10 секунд
Умеет создавать и редактировать изображения и видео, упомянут диалоговый режим - привет банан, реве и компания.
Попробовать на офсайте
PS прощай опенсорс???
#text2video #image2video #text2image #imageediting #text2speech
Мульитмодальный, сочетает в себе не только генерацию, но и понимание видео
генерирует синхронизированный аудио-видео контент
1080p, 10 секунд
Умеет создавать и редактировать изображения и видео, упомянут диалоговый режим - привет банан, реве и компания.
Попробовать на офсайте
PS прощай опенсорс???
#text2video #image2video #text2image #imageediting #text2speech
🔥12🤔3❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Rodin Gen-2
Rodin разродился Gen-2
- качество сетки улучшено вчетверо
- рекурсивная генерация частей
- запекание тяжелых мешей в лоуполи с нормалями
- HD текстуры (Бета)
Ну и никуда не делись PBR, 3D контролнеты, T/A позы
#3d #imageyo3d #textto3d #3dediting
Rodin разродился Gen-2
- качество сетки улучшено вчетверо
- рекурсивная генерация частей
- запекание тяжелых мешей в лоуполи с нормалями
- HD текстуры (Бета)
Ну и никуда не делись PBR, 3D контролнеты, T/A позы
#3d #imageyo3d #textto3d #3dediting
❤3👍2😁1
Media is too big
VIEW IN TELEGRAM
VideoFrom3D: 3D Scene Video Generation via Complementary Image and Video Diffusion Models
Создает видео 3D сцен по грубой геометрии, траектории камеры и референсной картинке. Этакий ИИ-рендер 3D.
Под капотом зафантюненный CogVideoX и для начального кадра Flux ControlNet и еще набор каких-то методов.
Код
#3d2video #rendering
Создает видео 3D сцен по грубой геометрии, траектории камеры и референсной картинке. Этакий ИИ-рендер 3D.
Под капотом зафантюненный CogVideoX и для начального кадра Flux ControlNet и еще набор каких-то методов.
Код
#3d2video #rendering
🤷♂3👍3🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
А вот и официальный метод файнтюна говорилки VibeVoice
При файнтюне на один голос можно отключить возможность клонирования голоса, тогда результаты для этого голоса будут лучше. Но клонирование уже не будет работать на инференсе
#podcast #voicecloning #tts #text2speech #text2podcast #finetuning #lora
При файнтюне на один голос можно отключить возможность клонирования голоса, тогда результаты для этого голоса будут лучше. Но клонирование уже не будет работать на инференсе
#podcast #voicecloning #tts #text2speech #text2podcast #finetuning #lora
❤5
WAN2.2 Animate & Qwen-Image-Edit 2509 Native Support in ComfyUI
Поддержка последних новинок.
Wan 2.5 поддерживается по API
Всякие воркфлоу по ссылке в заголовке
#workflow #referencing #imageediting #image2video
Поддержка последних новинок.
Wan 2.5 поддерживается по API
Всякие воркфлоу по ссылке в заголовке
#workflow #referencing #imageediting #image2video
🔥8
Moving by Looking: Towards Vision-Driven Avatar Motion Generation (CLOPS)
Позволяет аватару двигаться в 3D сцене, ориентируясь на визуальные наблюдения от первого лица.
Система создаёт цикл визуального восприятия и человекоподобного движения.
Вероятно, применимо в играх и роботах
Код ждем
#animation #humananimation
Позволяет аватару двигаться в 3D сцене, ориентируясь на визуальные наблюдения от первого лица.
Система создаёт цикл визуального восприятия и человекоподобного движения.
Вероятно, применимо в играх и роботах
Код ждем
#animation #humananimation
👍7
Чекните Hunyuan 3D Studio если вписывались в вейтлист
Мне выдали доступ, может и вам тоже
https://3d.hunyuan.tencent.com/studio/creation/prop/concept
#3d #3dediting #texture #pbr #uvmpping #characteranimation #animation
Мне выдали доступ, может и вам тоже
https://3d.hunyuan.tencent.com/studio/creation/prop/concept
#3d #3dediting #texture #pbr #uvmpping #characteranimation #animation
👍4
Hyper-Bagel: A Unified Acceleration Framework for Multimodal Understanding and Generation
Метод ускорения мультимодального понимания, генерации и редактирования от ByteDance.
— ускоряет понимание контента более чем в 2 раза
— ускоряет генерирацию по тексту в 16,67 раз
— ускоряет редактирование изображения в 22 раза с сохранением качества
Прикручивали видимо к BAGEL
Кода нет, есть надежда что применят в будущих моделях или что метод реализуют энтузиасты.
#optimization #news #research
Метод ускорения мультимодального понимания, генерации и редактирования от ByteDance.
— ускоряет понимание контента более чем в 2 раза
— ускоряет генерирацию по тексту в 16,67 раз
— ускоряет редактирование изображения в 22 раза с сохранением качества
Прикручивали видимо к BAGEL
Кода нет, есть надежда что применят в будущих моделях или что метод реализуют энтузиасты.
#optimization #news #research
🔥9❤1
Qwen3‑LiveTranslate-Flash
И еще одна новинка от Qwen
Модель для перевода аудио и видео контента на разные языки в реальном времени
Знает 18 языков, в том числе русский (и текст и аудио)
Использует визуальные подсказки для улучшения качества перевода и справляется с трудными условиями, например, с шумом или неоднозначными словами.
Демо
API
#translation #dubbing #realtime #assistant
И еще одна новинка от Qwen
Модель для перевода аудио и видео контента на разные языки в реальном времени
Знает 18 языков, в том числе русский (и текст и аудио)
Использует визуальные подсказки для улучшения качества перевода и справляется с трудными условиями, например, с шумом или неоднозначными словами.
Демо
API
#translation #dubbing #realtime #assistant
👍12❤1
🔥14👀5⚡1