Hunyuan-A13B

Новая LLM от Hunyuan / Tencent
Архитектура совет экспертов (#MoE)

Оптимизирована на агентские задачи
Контекст 256K

13 B активных параметров из общего числа в 80 B

Поддержка гибридного рассуждения: позволяет выбирать между быстрым и медленным режимами мышления

Попробовать где-то здесь
API
HF
Гитхаб

#assistant #agent #reasoning

relighting kontext dev lora v3

#Kontext #lora для релайтинга

Спасибо @iNevestenko

#relighting

А вот и продолжение

Забавно что уже сегодня ИИ лучше ставит диагнозы чем в среднем человеки-врачи.
*Без негатива к врачам

#humor #news

EX-4D: EXtreme Viewpoint 4D Video Synthesis via Depth Watertight Mesh

Генератор видео от ByteDance с возможностью управления камерой из одноглазого (монокулярного) входного сигнала. Модель особенно эффективна при работе с экстремальными точками зрения.

Представляет собой LoRa на 1% параметров😏

Код
Демо ждем

#cameracontrol #novelview

Describe Anything: Detailed Localized Image and Video Captioning (DAM)

Модель от NVIDIA генерирует подробные описания для заданных областей на изображениях и видео

Код
Демо

#captioning #image2text #video2text

inference.sh

Самый простой способ запускать опенсорсные нейросети локально или на удаленной машине

Еще одна попытка сделать простой доступ пользователям к ИИ-инструментам, подобная Pinokio, Stability Matrix и иже с ними.

Есть презентационное видео
и пост на Реддите

#tools #gui

ThinkSound

Модель от Tongyi Lab (авторов InspireMusic и много чего еще) создаёт реалистичный звук для видео. Архитектура - цепочка рассуждений (#CoT). Необычно для генерилки звука, да? Скоро достижения языковых моделей будут везде, к этому все идет.

Модель сначала генерирует общий звуковой фон, затем улучшает качество звука конкретных объектов на экране и, наконец, редактирует всё это по текстовым указаниям пользователя

Код
Демо

Спасибо @p0lygon

#Video2sfx #foley #sfx #audioediting #video2audio #text2sfx