Posts of Нейронавт | Нейросети в творчестве

idol-turbo Ускоренная версия Idol 5 шагов вместо 50 Местами картинка мягче чем у полной модели на 50 шагах, на 4 шагах цвета уходят в теплоту, а насыщенные объекты иногда бледнее. Эталон качества по-прежнему базовая Idol, но для черновиков и быстрых прогонов разница в скорости слишком велика, чтобы ее игнорировать. #image2gaussian #gaussian #optimization MAX

No text

Hy4 Флагманская модель Tencent: терминал, интерфейсы, профессиональные программы • Понимает изображения • Управляет компьютером: терминал, графические интерфейсы, мышь и окна • Работает в #Blender и CAD • Улучшены программирование, длинные задачи и следование инструкциям • E-Bench 2.0: 70 баллов против 65,3 у GPT-6.1 Sol • Terminal Bench 4.0: 44,4 против 55,5 у того же Sol • Цифры собственные, от Tencent • Прошлая preview-версия была на 770B / 49B активных, контекст 1M • Точные характеристики новой версии не раскрыты Уже доступна через API, включая OpenRouter. Веса обещают позже, плюс готовится облегченная Hy4 Flash. Расхождение результатов показательное: в задачах на длинную агентную работу модель выигрывает, а в терминале пока отстает, то есть разница между «умеет управлять компьютером» и «надежно работает в консоли» никуда не делась. #multimodal #flagship #coding #agent

Искра Принесли мне на тест ИИ-агента. Браузерными я редко пользуюсь, они у меня быстро тонут во вкладках. А тут в комплекте имеется телеграм-бот, что мне как раз удобно и для оформления постов и для каких-нибудь задач когда нет доступа к десктопу где у меня все удобно настроено. Оформлять же посты в мобильном ТГ - жутко неудобно, я на это уже жаловался. Итак, самая частая задача - оформление поста. Кидаю ссылку, иногда с описанием, иногда голый URL. Искра открывает источник, читает и укладывает в формат канала - я ей задал правила. Тут обнаружил две недоработки 1) Бот физически не может отбивать абзацы пустыми строками и теряет форматирование текста. Модель это делает, но парсер бота отдает сплошной комок текста. Частично это решилось маркдаун-разметкой, какое-то форматирование она сохраняет но сделать промежуток между абзацами - шиш 2) Бот не видит ссылки, зашитые в текст средствами Телеграм. Видит только текст в который они зашиты. Поэтому ссылки приходится кидать боту в сыром виде Но это касается только ТГ. Команде Искры я об этом написал, обещали посмотреть. Помимо ТГ-бота есть WEB-версия, десктоп-клиент на Windows, аппки на iOS и Android. А там приличный воркспейс с проектами, скиллами, памятью. Есть интеграция с 1С, Битрикс24, Почтой, Диском, CRM и т. д. вплоть до кастомной интеграции своей компании. Есть планировщик заданий. Попробую потом наваять какое-нибудь приложение в ней Как бытовой персональный ассистент тоже годится. На выходных гулял с ребенком и решили мы сходить в кино. Раньше можно было открыть приложение киносети, выбрать сеанс и купить билет. Теперь же часть приложений кинопрокатчиков загнулись, остальные работают через пень-колоду. А на афише информация не всегда точная. Ну я надиктовал задание найти детские сеансы в ближайших трех кинотеатрах. Искра потянула инфу с разных источников, сказала куда можно успеть и где билеты подешевле. Ну, вы поняли. Под капотом модели семейства Qwen, сейчас в частности Qwen 3.8 Flash Что приятно, есть реферальная программа Если хотите попробовать, переходите по ссылке - есть бесплатный тариф. Платные тарифы от 690 рублей в месяц, а по моему промокоду NEURONAUT30 - 30 дней тарифа Про бесплатно, до 4 декабря Попробовать Реклама. ООО «Искра», ИНН 1685025044, erid: 2VtzqvBfpWA

BluePixel Редактор изображений от vivo с родным #4K на входе и выходе, без каскадного апскейла. База FLUX.2-klein-9B плюс агентная обвязка поверх • Правка по инструкции на полном разрешении 4K • Агент разбирает запрос на операции и подключает нужные инструменты • Расплывчатые просьбы доводит до конкретики, включая факты из сети • Проверяет каждый вариант своей моделью оценки и повторяет попытку в пределах лимита • Длинный хвост узких навыков: прически, выражения лица, позы, эффекты • 4 шага вместо 50 после дистилляции • Сохранность нетронутых областей 9,06, впереди только GPT Image 2 • ImgEdit-Bench: первое место в Hybrid и Action, деленое первое в Add github.com/vivo/BluePixel hf.co/openvivo/BluePixel-Turbo Демо #t2i #imageediting #agent MAX

No text

No text

No text

No text

No text

#Krea2 #optimization huggingface.co/lvladikov/Krea2-Turbo-Distill-3step-LoRA - третий адаптер линейки, между 4- и 2-шаговым, и детальнее обоих, обычный LoRA rank 64 на стоковом Euler, diffusers/ComfyUI/MLX; бонусом встаёт на Krea 2 Raw с его CFG 3.5 и добавляет деталь, но режим неподдерживаемый; проект ещё в работе #lora civitai.com/models/2999833/rawsnap-krea2 - обновлённый RawSnap под Krea 2: фотография как со смартфона, живая текстура кожи, вспышка, зерно, кривая композиция civitai.com/models/3034125/wall-street-journal-style - иллюстрации Wall Street #controlnet s-adhit.github.io/blog/training-a-pose-control-lora-for-krea-2/ - контроль позы #pose hf.co/adhit-420/Krea-2-PoseControl-LoRA-checkpoints #plugin krea.ai/plugins/after-effects - официальный плагин Krea для #AfterEffects : картинки и промт дают моушн-дизайн, кроп видео под нужный формат, сортировка слоёв в композиции; отдельно агента можно попросить воссоздать референс послойно в проекте и навесить анимацию на секвенцию #ComfyUI github.com/Erosi11/comfyui-krea-prompt-generator - генератор промтов для Krea2 на текстовом энкодере #Workflow github.com/H2logs/Fix-plastic-skin-improve-realism - связка Krea2 Turbo + Z-Image Turbo против пластиковой кожи #zimage civitai.red/models/2730143/krea2-workflows-t2i-inpaint-edit-with-5-references-upscale-adetailer-seedvr2 - от @stefanfalkok - t2i, инпейнт и эдит на пяти референсах, с апскейлом, ADetailer и SeedVR2 civitai.red/models/2761113/krea-2-identity-edit - эдит идентичности, LoRA под эдит в комплекте

No text

LLMs can natively read & write neural network weights MIT CSAIL: GPT-6 Astra смотрит на веса нейросети как на числа, понимает, что они делают, и правит сама, без обучения и градиентов По весам находит чему обучена сеть, и пишет новые с нуля Главное — маленькая модель для математики все время зацикливалась и не доходила до ответа. Astra нашла в весах направление что ее клинит, вычла из 131 тысячи чисел из 800 миллионов, точность с 7.9% выросла до 48.1% Оговорка авторов: не добавленное умение, а убранная поломка — на модели без заклинок правка не дала ничего. Нужно 50 пробных прогонов, на меньшем толку нет. Не проверяли, не испортилось ли что другое Шмидхубер высказался: идея старая, мы, мол, такое еще в 90-х делали Но новое то, что веса правит обычная языковая модель через текст @Endorpheen в чате показывает успешные эксперименты по "быстрой правке весов" #news

P-H3-Image Генератор картинок от Pruna AI, собранный из #MiniMaxH3 H3 перебрали по частям, от энкодера и расписания до декодера, и оставили качество при меньшем весе • Правка с одним входным изображением или сразу с восемью: остальные идут референсами • В комплекте усиление промпта, одна строка разворачивается в подробный запрос • Сильна в фотореализме, редакционной и документальной съемке, кадрах из фильма, графике с коротким текстом • 8 шагов, негативный промпт не нужен • До 8 MP для генерации, 4 или 8 для правок • В bf16 около 100 ГБ, считается на H200 или B200 • В #ComfyUI есть int8 и 4-битные файлы, влезают в 21 ГБ hf.co/PrunaAI/P-H3-Image hf.co/PrunaAI/P-H3-Image-Comfy P-H3-Image: Image Edit P-H3-Image: Text to Image #t2i #imageediting #workflow

Опубликован код генератора 3D-звука по тексту AMBIT github.com/WJM-George/AMBIT #text2audio MAX

MOSS-Live Голосовая система реального времени от MOSI Intelligence, полная дуплексность: слушает и говорит одновременно, а не по очереди как рация. Та же ниша, что у Gemini Live и GPT Realtime - отличает «угу» от настоящего перебивания, ждет пока подбираешь слово, игнорирует чужие разговоры - после перебивания продолжает с того же места, не с начала - видеозвонок, показ экрана, звуки вокруг, синхронный перевод на лету - задача уходит в бэкграунд, разговор идёт, результат прилетает в подходящий момент Две модели: фронт слушает, смотрит и говорит, бэк думает и дёргает инструменты, память общая. Первая по шести full-duplex метрикам Весов нет, только API по WebSocket. Бета бесплатна, дальше тариф по времени соединения в демках англ и китайский platform.mosi.cn/docs/reference/moss-live #dialog #duplex #voicemode #realtime MAX

Apriel Voice 27B Preview Голосовая модель от ServiceNow для ИИ-ассистентов: понимает речь на входе, рассуждает, отвечает текстом и генерит tool calls. Ротация Gemma 4 26B-A4B + Whisper large-v3-turbo, двухэтапное обучение - транскрибация, перевод, ответы на вопросы голосом - инструкция, многошаговые задачи, function calling прямо из аудио - один контекст для звука, текста, картинок и результатов инструментов - принимает запись до ~30 минут - синтез речи и очередь реплик — на стороне приложения, сама модель отдаёт текст и вызовы Лучшая среди открытых двух- и трехэтапных систем на EVA-A, EVA-X и τ-Voice, обходит Parakeet+Gemma и связки на Flux. Закрытые GPT Realtime 2.1 и Gemini 3 Live все еще впереди. huggingface.co/ServiceNow-AI/Apriel-Voice-27B-preview servicenow-ai-apriel.hf.space/home #dialog #tts #agent MAX

#humor MAX

#humor MAX

#Yue2 #ComfyUI github.com/jeankassio/ComfyUI_YuE2 - переносит официальный YuE2 пайплайн в ComfyUI: стили, текст песни, генерация, ABC-планирование, семантические токены, синтез, декодинг; либо все одной нодой, либо отдельными этапами. Заявлено сильное превосходство над официальными моделями/нодами github.com/whitedragon0000/ComfyUI-YuE2-Auto-Vocal-PRO-v2 - озвучивает инструментал: переносит мелодию из ABC-партитуры в вокальную дорожку, на твои слова; различает куплет/припев/соло и не поет на инструментальных проигрышах github.com/pytraveler/YuE2-ComfyUI/releases/tag/v0.15.0 - обновление нод от @Aleks_101 : выбор чекпойнта в Options под файнтюны включая RS-FW, нода Generation Info отдает текст, seed, стиль и шаги отдельными выходами, метроном в редакторе партитуры #LoRA huggingface.co/jamespetts/yue2-1980s-eurodisco-lora - NAR LoRA, евро-диско 80-х huggingface.co/jamespetts/yue2-1980s-italo-disco-lora - NAR LoRA, итало-диско 80-х huggingface.co/monsterovich/yue2-keygen-music-lora - пара адаптеров под demoscene-чиптюн: 8- и 16-бит, трекерные square/pulse/triangle, FM и wavetable арпеджио, чип-барабаны MAX

No text

No text

No text

Kandinsky Avatar 1.0 Сбер открыл веса Kandinsky S2V — это #speech2video модель: на входе голос и одна фотография, на выходе говорящий аватар. Анимируется вся фигура, не только голова: артикуляция, мимика, наклон головы, жесты - Pro на 21B — HD, Lite на 2B — SD и домашняя видеокарта - 16 шагов pi-Flow дистилляции, генерится чанками по 5 секунд, между ними память FramePack - звук модель не создает, она оживляет человека с референса под готовую запись - обучение на более чем миллионе видеофрагментов на 95 языках Коммерческое использование разрешено: MIT на код и веса. Тяжелая часть: Pro не влезает целиком даже на 80 ГБ, нужен CPU-offload, пик около 50 ГБ github.com/kandinskylab/kandinsky-s2v hf.co/collections/kandinskylab/kandinsky-s2v-10 hf.co/spaces/kandinskylab/Kandinsky-S2V-1.0-Demo #avatar #characteranimation #i2v MAX

Mago Studio опубликовали код, как и обещали В отличие от НЕКОТОРЫХ github.com/MagoStudio/MagoStudio #desktop #directing MAX

PhysAg3D Одно фото -> интерактивный 3D-ассет с рабочими механизмами. VLM-агент и 3D-генератор работают в паре, без совместного обучения - агент выводит из картинки семантические части, варианты взаимодействий и физические априоры, TRELLIS.2 параллельно даёт текстурированный меш - иерархическое interaction representation связывает намерение, механизм и поверхность - агент сам собирает parts, joints и деформируемые зоны инструментами геометрии и симуляции, сохраняя готовые грани - рендер и замеры показывают провал, дальше точечные правки в пределах бюджета На выходе GLB, Blender-файл, MuJoCo-сцена Нужны Blender, Codex CLI и Linux-хост с TRELLIS.2: от 28 GB VRAM github.com/Supra-3D/PhysAg3D #imageto3d #agent MAX

No text

No text

No text

No text