DeepEyesV2: Toward Agentic Multimodal Model

Агентная мультимодальная модель на 7B параметров, умеет не только понимать текст и изображения, но и активно использовать внешние инструменты, например, среды выполнения кода и веб-поиск, интегрируя их в процесс рассуждения

Гитхаб
HF

#agent #multimodal #vlm

ChronoEdit-14B-Diffusers-Upscaler-LoRA

NVIDIA опубликовала лору-апскейлер к редактору ChronoEdit

#upscale #lora #restoration #imagerestoration

DEMO: Dense Motion Captioning

Модель для описания действий человека в последовательностях 3D-движений. Генерирует подробные описания действий с привязкой ко времени

Код ждем на этой неделе

#captioning #video2text

Moondream распознает видео в реальном времени

От понимания картинок к пониманию потокового видео

Может работать с веб-камерами, камерами безопасности, дронами и другими источниками видео.

Может запускать оповещения, логировать события и управлять системами.

Применяется в безопасности, контроле качества, мониторинге безопасности и розничной аналитике.

Работает по API

Гитхаб
Демо по ссылке в шапке. Там можно подключить свою вебку или закинуть видеофал

#vlm #captioning #detection #moe #cv #image2text

Опубликован код генератора-реставратора изображений DDCM

Код
Демо

#text2image #imagerestoration #enhance #facerestoration #upscale #image2image

ComfyUI Step Audio EditX TTS

Кастом ноды аудиомодели Step-Audio-EditX

#comfyui #tts #text2speech #audioediting #speechcontrol #speechediting #speech2speech #voicecloning

ElevenLabs Scribe v2 Realtime

У ElevenLabs своя аудиораспознавалка. Рилтаймовая, задержка 150мс.

Распознает и маркирует голоса
Превосходит Gemini 2.5 Flash, GPT 4o MiniTranscribe и Deepgram Nova 3
90+ языков, включая русский.
Бесплатного триала нет

Ну и пусть сидят там со своими жалкими 90 за своим дискриминационным забором

#stt #speech2text #asr #realtime

Аттаркцион неслыханной щедрости от Хиггсфилд

Бесплатный Nano-Banana в твиттере.
Nano-Banana который и так бесплатный в браузере.
Но если вам далеко идти на офсайт гугла, а в твиттер недалеко то просто за скромные пиар-услуги Хиггсфилд БЕЗВАЗДМЕЗДНА сгенерит вам нанобананой картинку

- тэгните @higgsfield_ai в любом месте на X а лучше под постом
- Добавьте #nanobanana + свой промпт
- вам ответят картинкой
- Подпишитесь на @higgsfield_ai, и вам выдадут 250 кредитов за то вы такой красивый котик. Но только примерно до 16ч по МСК сегодня. Проверил. картинку сделали (см комменты). Кредитов - шиш пока что

Ну и похоже они собираются каждый день устраивать аттракционы с разными моделями

#tex2image #giveaway