🎙 CosyVoice 3 — открытая нейросеть, которая умеет озвучивать текст, клонировать голос по короткому примеру и говорить сразу на нескольких языках — включая русский. Причем всё это можно запускать локально.

Возможности:
🎤 Клонирование голоса по короткому аудиофрагменту (Zero-Shot Voice Cloning).

🌍 Поддержка различных языков, включая русский, английский, немецкий, французский, испанский, японский и другие.

🗣 Генерация речи с управлением:
* эмоциями;
* скоростью;
* громкостью;
* стилем;
* акцентом;
* языком.

⚡️ Потоковая генерация голоса с задержкой около 150 мс, что позволяет использовать модель для голосовых ассистентов и общения в реальном времени.

🧠 Корректно читает:
* числа;
* даты;
* валюты;
* специальные символы;
* сложные текстовые конструкции без дополнительных модулей нормализации текста.

🎧 Поддерживает кросс-языковое клонирование — например, можно использовать образец голоса на одном языке и синтезировать речь на другом.

Где может пригодится:
✅Голосовые боты.
✅Создание подкастов.
✅AI-ассистенты.
✅Игры.
✅Собственные голосовые интерфейсы.
✅Озвучка книг.
✅Дубляж видео.

Установка

Клонируем репозиторий:

git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git
cd CosyVoice
git submodule update --init --recursive

Создаем окружение:

conda create -n cosyvoice python=3.10
conda activate cosyvoice

Устанавливаем зависимости:

pip install -r requirements.txt

Пример запуска:

python example.py

Или сразу поднимаем WebUI:

python webui.py --port 50000

После запуска откроется удобный веб-интерфейс для генерации речи.

♎️ GitHub/Инструкция

😳 Лайф | 📲 Зеркало Max

#python #soft #github

🔥 Создание реалистичных AI-видео постепенно становится доступным каждому.

LongCat-Video — открытая нейросеть с 13,6 млрд параметров, которая умеет не только генерировать видео по тексту, но и создавать говорящих аватаров, анимировать фотографии, продолжать существующие ролики и синхронизировать речь с движением губ. Всё это можно запускать локально.

Возможности:
🔣Text-to-Video — создание видео по текстовому описанию.
🔣Image-to-Video — оживляет обычные изображения.
🔣AI-аватары — создание говорящих персонажей по фотографии и аудио.
🔣Липсинк высокого качества — синхронизация речи и движения губ с использованием Whisper Large в новой версии Avatar 1.5.
🔣Поддержка нескольких персонажей и нескольких аудиодорожек одновременно.
🔣Работает не только с людьми, но и с аниме, животными и стилизованными персонажами.
🔣Генерирует длинные ролики без заметной деградации качества и «дрейфа» цветов — одна из ключевых особенностей проекта.
🔣Генерация видео 720p, 30 FPS с оптимизированной архитектурой и ускоренным инференсом.

Где пригодится?
🟢Создание AI-блогеров.
🟢Виртуальные ведущие.
🟢Озвучка фотографий.
🟢Дубляж видео.
🟢Контент для YouTube, TikTok и Reels.
🟢Игровые NPC.
🟢Маркетинговые ролики.
🟢AI-персонажи для Telegram-ботов и сайтов.

⚙️ Установка

Клонируем проект:

git clone https://github.com/meituan-longcat/LongCat-Video
cd LongCat-Video

Создаем окружение:

conda create -n longcat-video python=3.10
conda activate longcat-video

Устанавливаем зависимости:

pip install -r requirements.txt
pip install -r requirements_avatar.txt

Скачиваем модели:

pip install "huggingface_hub[cli]"
huggingface-cli download meituan-longcat/LongCat-Video --local-dir ./weights/LongCat-Video
huggingface-cli download meituan-longcat/LongCat-Video-Avatar --local-dir ./weights/LongCat-Video-Avatar
huggingface-cli download meituan-longcat/LongCat-Video-Avatar-1.5 --local-dir ./weights/LongCat-Video-Avatar-1.5

▶️ Запуск

Генерация видео:

torchrun run_demo_text_to_video.py

Оживление изображения:

torchrun run_demo_image_to_video.py

Создание говорящего аватара:

torchrun run_demo_avatar_single_audio_to_video.py

Несколько персонажей:

torchrun run_demo_avatar_multi_audio_to_video.py

Веб-интерфейс:

python run_streamlit.py

Один из самых интересных открытых проектов. В одном репозитории объединены генерация видео по тексту, анимация изображений, создание говорящих аватаров и продолжение существующих роликов. При этом разработчики делают упор на длительные видео, стабильность персонажей и качественную синхронизацию речи, что приближает проект к возможностям коммерческих сервисов.

♎️ GitHub/Инструкция

😳 Лайф | 📲 Зеркало Max

#python #soft #github

💬 Scryptian — крутая утилита, которая работает поверх любых приложений и мгновенно переводит текст на понятный вам язык.

Достаточно выделить текст, нажать горячую клавишу — и ИИ мгновенно выполнит нужную задачу прямо там, где вы работаете. Никаких вкладок, браузеров и копирования текста в ChatGPT.

Возможности
💬 Перевод текста прямо в Telegram, Discord, Word, PDF, браузере и любых других приложениях.
💬 Исправление орфографии, пунктуации и грамматики.
💬 Улучшение стиля текста и повышение читаемости.
💬 Мгновенное создание краткого саммари длинных документов.
💬 Изменение тона текста — дружелюбный, официальный, деловой и другие.
💬 «Очеловечивание» текста, написанного нейросетью.

Где пригодится?
🟢Переписка с иностранными заказчиками.
🟢Работа с технической документацией.
🟢Перевод PDF любого объема.
🟢Написание писем.
🟢Проверка английского текста.
🟢Учеба и работа с большими статьями.
🟢Любые задачи, где приходится постоянно переключаться между приложениями.

👍 Сохраняем и пробуем бесплатно!

😳 Лайф | 📲 Зеркало Max

#python #soft #github

⚡️ CyberScraper 2077 — веб-скрапер, который словно веб-разведчик на стероидах, агрегирующий в себе последние достижения ИИ от таких гигантов, как OpenAI, Gemini и Ollama.

Зачем оно вам? — чтобы ловко обходить капчи, защиту и глубже понимать контент, который вы собираетесь парсить.

Среди приятных особенностей:

💬 Кроссплатформенный, работает под Windows/Linux, можно запустить через Docker(инструкции по запуску на GitHub);
💬 Интуитивно понятный интерфейс;
💬 Возможность экспорта данных в форматах JSON, CSV, HTML, SQL или Excel;
💬 Точное структурирование извлеченной информации, где ИИ проявляет себя на все сто;
💬 Режим скрытности, чтобы оставаться незамеченным.

И это далеко не все мелочи, которыми может похвастаться этот продвинутый инструмент.

⚙️ GitHub/Инструкция

😳 Лайф | 📲 Зеркало Max

#python #github #soft

⚡️ HunyuanOCR — это не обычный OCR, который путает буквы и плачет от плохого качества.

Распознаёт текст на фото, сканах и даже кривых телефонных снимках с точностью, что ставит Google Vision в неловкое положение.

Что умеет:
📸 Считывает текст на любых изображениях — документы, фото, меню, вывески, рукописные заметки.
🧠 Мощная модель от Tencent — понимает структуру, расположение блоков, выделяет зоны текста.
🌚 Работает даже на плохих фото — шум, тени, наклон, бликующий экран — распознаёт всё.
😰 Есть Python-интерфейс — можно встроить в бота, сервис или свою автоматизацию.
🗂 Разбирает сложные макеты — таблицы, колонки, многостраничные файлы.
🆓 Полностью бесплатно и open-source.

▶️ Пример использования:

from vllm import LLM, SamplingParams
from PIL import Image
from transformers import AutoProcessor

def clean_repeated_substrings(text):
    """Clean repeated substrings in text"""
    n = len(text)
    if n<8000:
        return text
    for length in range(2, n // 10 + 1):
        candidate = text[-length:] 
        count = 0
        i = n - length
        
        while i >= 0 and text[i:i + length] == candidate:
            count += 1
            i -= length

        if count >= 10:
            return text[:n - length * (count - 1)]  

    return text

model_path = "tencent/HunyuanOCR"
llm = LLM(model=model_path, trust_remote_code=True)
processor = AutoProcessor.from_pretrained(model_path)
sampling_params = SamplingParams(temperature=0, max_tokens=16384)

img_path = "/path/to/image.jpg"
img = Image.open(img_path)
messages = [
    {"role": "system", "content": ""},
    {"role": "user", "content": [
        {"type": "image", "image": img_path},
        {"type": "text", "text": "检测并识别图片中的文字，将文本坐标格式化输出。"}
    ]}
]
prompt = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = {"prompt": prompt, "multi_modal_data": {"image": [img]}}
output = llm.generate([inputs], sampling_params)[0]
print(clean_repeated_substrings(output.outputs[0].text))

♎️ GitHub/Инструкция

Где будет полезно:
🟢делай сервис распознавания чеков и документов;
🟢автоматизируй ввод данных для бизнеса;
🟢продавай обработку сканов на фрилансе;
🟢собирай «умного» Telegram-бота для OCR;
🟢создавай SaaS под маркетплейсы и бухгалтерию.

😳 Лайф | 📲 Зеркало Max

#python #soft #github

😰 5 AI-проектов, которые ты можешь собрать за выходные на Python

💬 Голосовой AI-ассистент (Whisper + GPT) – ассистент, который понимает речь и отвечает голосом.
💬 Чат-бот для документов (LangChain + LLM) – бот, отвечающий на вопросы по вашим PDF/ текстам.
💬 Генератор изображений (Stable Diffusion) – приложение для генерации картинок по текстовому запросу.
💬 Автоописание изображений (BLIP Captioning) – модель, которая сама подписывает/ описывает загруженное изображение.
💬 Суммаризация текста (BART/GPT) – инструмент, автоматически составляющий краткое резюме статьи или видео.

👆 Статья на русском + код в PDF

😳 Лайф | 📲 Зеркало Max

#python #soft #code