HYWorld-1.5

Tencent обновил генератор миров HunyuanWorld

— от первого и от третьего лица

— умеет в 3D-реконструкцию и стилизацию

— запускает события по текстовому запросу

— контролирует действия с высокой точностью

Пробовать на офсайте
Гитхаб
HF

#text2world #image2world #text2panorama #image2panorama #360 #text2scene #image2scene #world #realtime

LongCat-Video-Avatar

Генератор на базе LongCat-Video создаёт реалистичные длительные видеоролики с липсинком и сохранением идентичности персонажа

Генерирует видео на основе аудио и текста или аудио, текста и изображения

Умеет петь, продлять видео, делать мультидиалог, видеоподкасты, продающие видео

Гитхаб
HF
MS

#ati2v #at2v #avatar #longvideo #characteranimation #speech2animation #image2video

DistillPatch LoRA

Восстанавливает истинную 8-шаговую скорость Turbo для любой LoRA, обученной на Z-Image Turbo

решает проблему ухудшения качества изображений (размытие) при использовании стандартной тренировки LoRA в Z-Image Turbo при параметрах steps=8 и cfg=1

HF
Демо
MS
MS Демо
Гитхаб

#lora #zimage #optimization

EgoX: Egocentric Video Generation from a Single Exocentric Video

Еще одна работа на субъективный вид от первого лица (POV), от KAIST

Превращает видео с видом со стороны в видео от лица одного из персонажей

Лора на базе Wan 2.1 14B i2v

Код ждем

#video2pov #pov #video2video #cameracontrol #lora

chatterbox-turbo

Новая версия голосовой модели от Resemble AI, всего 350М параметров

Для естественности можно добавлять паралингвистические теги, например [cough], [laugh], [chuckle]

В аудиофайлы, созданные с помощью Chatterbox, встраиваются незаметные нейронные водяные знаки Perth, которые сохраняются при сжатии MP3, редактировании аудио и других манипуляциях

Ну и главное - есть мультиязычная версия модели на 500М параметров, поддерживающая более 23 языков, в том числе русский

HF
Демо

#voicecloning #tts #russian