Ovi: Twin Backbone Cross-Modal Fusion for Audio-Video Generation

И еще один видеогенератор на базе #WAN22

Создает видео со звуком, как VEO3. По тексту, по картинке.
Может создавать звуковые эффекты и музыку, соответствующие визуалу

Хронометраж 5 сек, 24 кадра в секунду, разрешением 720×720, с различными соотношениями сторон (9:16, 16:9, 1:1, и т.д.)

Обещают выпустить модель с повышенным разрешением, повысить хронометраж, дистилл для быстрого инференса и скрипты обучения.

Гитхаб
HF

Спасибо @m_franz

#text2video #image2video #AV #text2Av #image2AV #sfx

Браузер Comet сделали доступным для всех

Для бесплатных пользователей есть лимиты на запросы.

При установке он даже не спрашивает куда установиться, сам выбирает куда прописаться и вам не докладывает куда. А у меня может диск С на последнем издыхании. Видимо, ИИ-браузеры не для тех кто ограничен в дисковом пространстве.

Далее при первом запуске пытается подмять под себя все - хочет стать главным браузером, начальником почты, календаря и т д. И несмотря на мой отказ сделать его царь-браузером на моем компе он умудрился стереть выбор браузера по умолчанию из системы! "Так не достанься же ты никому!" При попытке открыть вебстраницу винда забыла чем открывать.

Зная что есть способы ободрать вас как липу через ИИ-инъекцию в почте, я не рискнул. Из любопытства посмотрю что там удобного-полезного. Но доступы раздавать не собираюсь

Отдаться в руки Perplexity

#search #browser

Qwen-Image-Edit-Pruning

Обрезанная версия #QIE
Вырезали из оригинальной версии 20 слоев, оставили 40, снизив тем самым количество параметров до 13.6B

Есть оригинальная Edit и Edit-2509

Qwen-Image-Pruning - такая же лоботомия #Qwenimage до 12.7B параметров

Qwen-Image-Pruning-for-ComfyUI - версия для экселя. Шучу, для комфи конечно

#optimization #imageediting #text2image

Годнота от подписчика @SashaMelentev — генерилка датасета из одной фотки

Code2Video: Video Generation via Code

Агентный фреймворк для генерации образовательных видео с помощью исполняемого Python-кода. Модель позволяет создавать профессиональные образовательные видео, которые требуют предметных знаний, точной визуальной структуры и согласованных переходов.

Code2Video состоит из трёх сотрудничающих агентов:

Planner: структурирует лекционный контент и подготавливает соответствующие визуальные активы

Coder: преобразует структурированные инструкции в исполняемый Python-код

Critic: использует VLM для уточнения пространственной компоновки и обеспечения ясности

Лучшие результаты в качестве Планировщика и Кодера дает Claude-4-Opus. В качестве Критика - gemini-2.5-pro-preview-05-06

Гитхаб

#text2video #agent

Ловите на прожарку еще одну работу Антона Зимина

Текст автора:

Сегодня у меня премьера — новое видео моего AI-бутика AiZ @aizproduction
(Аплодисменты, фанфары, ну или хотя бы дочитайте до конца).

Раньше, чтобы заставить кота сделать то, что написано в сценарии, нужно было вооружиться терпением Будды и мешком разных таблеток и спреев. Весь съемочный день мог пройти в ожидании — а кот смотрел на дрессировщиков и меня так, будто режиссер на площадке это он.

Теперь же я сижу за компьютером и… щёлк! Кот пошёл по нужной мне траектории. Щёлк! Кот делает именно то, что я задумал. Ни актеров, ни дрессировщиков, ни съемочной группы. Только я и цифровой кот, который никогда не заявит: «Я устал, возьмите дублёра».

Можно ли снимать обычную рекламу в ИИ, чтобы выглядела как настоящая съёмка? Можно!
Но — сюрприз! — легко это не даётся. Иногда я трачу на такой ролик больше времени, чем на реальную съёмку. Дешевле? Да! Бесплатно? Ох, милый мой друг, нет.

Коллеги говорят, что моя профессия уже никогда не будет прежней.
И это правда.
Грустно? Немного.
Интересно? Безумно.

IG: https://www.instagram.com/dp_director_azimin

ТГ: @antonzim

Vimeo: https://vimeo.com/antonzimin

Это что началось-то?