Live Avatar: Streaming Real-time Audio-Driven Avatar Generation with Infinite Length

Интерактивный видеоаватар в реальном времени (железо см ниже) от Alibaba

— поддерживает потоковую генерацию видео длиной более 10 000 секунд

— позволяет пользователям общаться с аватаром через микрофон и камеру, получая мгновенную визуальную обратную связь

— интегрируется с Qwen3-Omni для создания полностью интерактивных диалоговых агентов

— достигает 20 кадров в секунду на 5 видеокартах H800 при 4-шаговом сэмплинге

— решает проблемы деградации качества при длительной генерации (дрейф идентичности, сдвиг цветов, накопление ошибок)

Код ждем на днях
HF - там уже что-то есть но тоже ждем, ибо основная модель на 14B параметров

спасибо @m_franz

#avatar #characteranimation #realtime #streaming #humanavatar

Они даже уже не скрываются

Китайская компания EngineAI (Zhòngqíng) выпустила полноразмерного робота T800

Вас слово "выпустила" не пугает? Хотя думаю, он сам вышел

В доказательство того что это не графика сняли ролик где робот избивает CEO EngineAI Чжао Тонъяна, а кругом стоят роботы, замаскированные под человеков и весело смеются

#robot #яниначтгоненамекаю

Qwen3-TTS (version 2025-11-27)

Новая версия флагманской говорилки от Qwen

Добавили 49 голосов, поддержку 10 языков, в том числе русский

Улучшили способность адаптировать скорость речи и просодию в зависимости от текстового ввода, что делает речь более естественной и близкой к человеческой.

Демо HF
Демо MS
Qwen Chat - в ответе нажмите три точки, "Читать вслух"
Realtime API
Offline API

#tts #text2speech #voicecloning #realtime

LongCat-Image

Генератор-редактор картинок от авторов LongCat-Video

Билингвальный китайско-английский. 6B параметров
Хорошо изображает китайский текст. Тут они мимо нашей аудитории совсем. Но в остальном - мал да удал. Такое оживление ниши работы с картинками не может не радовать

LongCat-Image - генерилка
LongCat-Image-Dev - пластичная модель для файнтюна
LongCat-Image-Edit - редактор. Принимает на вход референсы. Под капотом Qwen2.5-VL

Чат: longcat.chat

Гитхаб:
https://github.com/meituan-longcat/LongCat-Image

HF:
https://huggingface.co/meituan-longcat/LongCat-Image
https://huggingface.co/meituan-longcat/LongCat-Image-Dev
https://huggingface.co/meituan-longcat/LongCat-Image-Edit

спасибо @m_franz

#imageediting #text2image #assistant

Очередной инструмент от @SashaMelentev

Далее его текст

Refiner

Сдружил  Photoshop и ComfyUI, что вообще-то, уже не новость. Собрал два workflow для "разгона" скетча рендера в полноценную заливку.

Первый - со шкатулкой - работает на Illustrious, это SDXL, заполняет не очень детально, но можно настроить рисование реал-тайм, а второй - с рукоятью - на Nano Banana Pro, и от него фляжка брызнет, возьмись за стул, когда будешь смотреть. Он еще и референсы утилизирует в работу.

Оба json'a здесь в комментариях. #Tools

Когда general, простые концепты делает нейросеть, работу руками нужно посвятить деланию уникальных, штучных задач.

Это приводит нас к странному парадоксу, с одной стороны нужно знать базу и техническую сторону работы, для штучной работы без этого никак, с другой - большую ценность приобретают гуманитарные знания, чтобы знать, что писать в промпте, какое желание у ИИ загадывать.

И далее. Когда всю работу будут делать роботы, то труд человека перестанет быть универсальным товаром, то есть станет штучным... роскошью то бишь.

источник

#workflow #tools #sketch2image #texturing

Cервис для генерации/редактирования музыки Mozart AI тизерит какую-то обновку, назначенную на завтра.

записаться в вейтлист неизвестно чего

Предлагают скачать ваши проекты до завтра чтобы потом работать с ними на обновленной платформе.

Звучит пугающе на фоне слива Suno и Udio

#news #text2music #text2audio #music2music #audio2music #sfx #musicediting #midi #text2midi #audio2midi