VLM Image Captioning Tool

Инструмент для автоматизации описания большого количества изображений. Главная фича - позволяет настроить серию промптов (а не один промпт) для пошагового процесса.

Поддерживает большинство VLM провайдеров, в том числе локальные VLM

Видео

#captioning #image2text #vlm

В четверг в 6 утра по Москве релиз Grok 4

Твит

#news

Moonvalley Marey

Новый видеогенератор

1. Натренирован не на ворованных видео (важно бизнесам, юзер больше пофик)
2. Много контроля: поза, перенос движения, траектории движения, образцы объектов, контроль камеры в 3D
3. Качество t2v на данный момент объективно похуже конкурентов
4. Нативная поддержка в CumfyUI

Бесплатного тарифа нет, приветственных кредитов не насыпают

Marey Realism v1.5 in ComfyUI

Спасибо @p0lygon

#text2video #comfyUI

Sara - AI Interviewer for hiring

Трепещите, кожаные. Теперь вас будет отвергать железяка.

ИИ-собеседователь.
Я попытался получить у нее позицию коммерческого директора. Мои знания о том как быть коммерческим директором равны нулю. Но она высоко оценила мою уверенность.

Дают 10-дневную триалку.

А поболтать можно бесплатно

#assistant #hr #interviewer

DLoRAL: One-Step Diffusion for Detail-Rich and Temporally Consistent Video Super-Resolution

Новый апскейлер с фокусом на точность, а не креатив. По капотом SD2.1

Код
Бонус: список диффузных видео апскейлеров

#upscale #Upscalevideo #superresolution

HumanOmniV2: From Understanding to Omni-Modal Reasoning with Context

Ресерч.
Если встретите название HumanOmniV2, не путайте его с OmniHuman

Проект HumanOmniV2 от Alibaba направлен на улучшение способности больших языковых моделей (LLM) понимать и интерпретировать человеческие намерения и эмоции через мультимодальные данные.

Если кому нужен код, вот

Код

#llm #research

Проактивного ИИ-агента Proactor уже можно потестить

На бесплатном тарифе дают 30 минут транскрибации и 100 кредитов на прочие ИИ-ничтяки

Попробовать

#agent #realtime

4DSloMo: 4D Reconstruction for High Speed Scene with Asynchronous Capture

Работа с участием NVIDIA.
Реконструкция #4D слоумошен сцены из видео с нескольких ракурсов, снятого обычными камерами в 25 fps. Эффективная частота кадров получается 100-200 fps
Под капотом 4D модель на гауссианах

Код ждем

#videoto4d #gaussian #4d

Perplexity Comet

Новый ИИ-браузер от Perplexity

Умный поиск Perplexity
Агентный поИСк
Умные вкладки
Блокировщик рекламы

Сейчас доступ дают только подписчикам MAX. Обещают в будущем бесплатный функционал.

Записаться в вейтлист

#search #browser

Higgsfield Soul ID

Тут были наезды на Higgsfield Soul, что у них лица слегка одинаковые и вообще похоже не на генерацию, а на вытаскивание максимально похожих из датасета.

На что разрабы ответили с помощью Higgsfield Soul ID

Это типа быстрая тренировка (внутренняя) лор под ВАШИ фотачки.

Теперь вы можете загрузить 10+ своих фотографий, и Soul создаст вашу версию, которая будет выглядеть, двигаться и вести себя как вы:

- остается неизменной независимо от угла, выражения лица или освещения
- почти никаких подсказок не требуется

Дальше резвитесь промптами.

https://higgsfield.ai/

@cgevent

Код и демо фоторедактора Jarvis Art опубликованы

Код
Демо

#imageediting