Накопилось по #minimaxH3 - часть 19 github.com/cicalooo/ComfyUI-H3-PowerLoraStack - стек-лоадер нескольких LoRAs для H3, в духе Power Lora Loader. Заточен под три проблемы, ломающие лоры H3 github.com/Saganaki22/ComfyUI-Viggle-Animate-H3 - ноды Viggle-Animate github.com/oodate-lab/comfyui-h3-anime-batch-runner - батч-контроллер под Windows: ИИ генерит промпты из сюжета и 1–9 референсов, гонит клипы в #ComfyUI huggingface.co/HardGravy2/Minimax_H3_FLF_HardGravy_6_Step_Turbo_Merge - 6-шаговый флэт-мерж скоростных лор, плюс вариант от JonXL для фотореализма nvlabs.github.io/Sana/Sol-Engine/Sol-H3 - ускорение от NVIDIA: 4 шага против 50 у базы, ускорение до 15.5x #optimization github.com/PullMyBoots/ComfyUI-H3-FaceRefine-Accelerated - исправление мелких лиц для групповых сцен huggingface.co/spaces/malcolmrey/browser - RefMods: вместо лор - референсы, запеченные в latent как safetensors. Библиотека, #workflow

🖥 NVIDIA показала TwoTower - способ заметно ускорить LLM без сильной потери качества. Обычные autoregressive-модели генерируют токены по одному - качественно, но медленно. Diffusion-подходы могут генерировать целые блоки параллельно, но обычно теряют в качестве. TwoTower разделяет эти две задачи. Первая башня - замороженная context-модель, которая читает уже существующий текст и сохраняет возможности исходной autoregressive-модели. Вторая - trainable denoiser, который параллельно восстанавливает следующий блок токенов и на каждом слое обращается к соответствующему слою context tower через cross-attention. По данным авторов: - до 2,42× выше throughput генерации - сохраняется 98,7% качества исходной модели - основа - 30B hybrid Mamba-Transformer MoE - адаптация обучалась примерно на 2,1T токенов против 25T токенов исходного pretraining При этом модель не обучали с нуля - TwoTower строится поверх уже существующей autoregressive-модели. То есть можно сохранить сильную базовую модель, но заменить медленную генерацию по одному токену на параллельную генерацию блоками. Код и веса открыты. https://arxiv.org/pdf/2606.26493

Puffin-World Мультимодальная модель мира Видит, симулирует и строит 3D-мир в одном фреймворке. По одной картинке + траектории камеры генерирует новые кадры с глубиной и собирает их в 3D-реконструкцию. Физика, геометрия и внешний вид моделируются вместе а не по отдельности - Одно фото → понимание камеры и мира: ролл, питч, поле зрения, направление гравитации - Камера-контролируемая генерация: задаtшь траекторию — получаешь новые ракурсы - RGB-D генерация по траектории и прямая сборка в 3D облако точек - Физика как часть модели: гравитация и широта привязывают сгенерированные виды к реальному миру - кадры не плавают за горизонт - модель может исследовать сцену и самокалиброваться - Пока только статичные сцены Гитхаб HF #world #multimodal #simulation

Trellis.2 + Pixal3D нативно в ComfyUI Две лучшие открытые 3D-модели теперь в ядре ComfyUI 0.34.0+ — без кастомных нод, без адской установки CUDA-расширений, без даунгрейда PyTorch и без некоммерческих лицензионных ловушек. Одна картинка → готовая 3D-модель с PBR-материалами Trellis.2 (Microsoft) — 4B модель, генерирует геометрию и материалы из одного изображения, разрешение до 1536³, любые топологии, свои PBR-карты Pixal3D (Tsinghua + Tencent ARC) — построена на бэкбоне Trellis.2, но с pixel-aligned генерацией: 3D-модель строго повторяет то, что на входной картинке, почти как реконструкция - Обе работают как родные ноды ComfyUI, бесплатно и для коммерции - Новые ноды нагрузка/превью/сохранение 3D + постобработка меша: ремеш, декация, сглаживание, заливка дыр, покраска, слияние - Полный PBR набор: base color, roughness, metallic + UV-развертка + запечённые normal и ambient occlusion карты #3d #textto3d #imageto3d #pbr #comfyui

Накопилось по #minimaxH3 - часть 15 github.com/Comfy-Org/ComfyUI/pull/15975 - поддержка Fun #ControlNet Union вмержена в Comfy. Понадобится Nightly + конверсия Kijai github.com/irenerachel/fight-prompt-director - #skill для Codex/Claude Code: текст, кадры, раскадровки → промпты для боевых сцен H3 #prompting huggingface.co/vpakarinen/better-human-motion-h3-lora - #LoRA на улучшение движений человека huggingface.co/vpakarinen/insta-tiktok-aesthetics-h3-lora - LoRA под эстетику Instagram и TikTok github.com/ethanfel/ComfyUI-H3-Prompt-IDE - редактор промптов в духе VS Code. Секции H3, автодополнение токенов, превью референсов, интеграция с H3 Edit huggingface.co/lightx2v/Minimax-h3-Turbo/blob/main/minimax_h3_ref2v_turbo_8step_v1.0_768p_comfyui_bf16.safetensors - наконец вышла #r2v 8-шаговая турболора #optimization Спасибо @DracoLockhard VK | MAX

Накопилось по #krea2 huggingface.co/thedeoxen/Krea-2-pose-controlnet - #ControlNet LoRA позы от подписчика @thedeoxen huggingface.co/DreamFast/Qwen3-VL-4b-Heretic-ComfyUI - обесцензуренный тект-энкодер для #ComfyUI huggingface.co/yijunwang2/krea2-reid - ReID адаптер: одно референсное изображение держит личность при смене одежды, позы, фона civitai.com/models/2799984/jib-mix-krea-2 - Jib Mix Krea 2 Habanero: файнтюн с реалистичными деталями и гибкостью #realism https://huggingface.co/F16/krea2-turbo-sda - LoRA: фикс вариативности Krea 2 Turbo - разные сиды дают разные картинки по одному промпту Две полезности от @stefanfalkok : civitai.red/models/2730143/krea2-workflows-t2i-inpaint-edit-upscale-adetailer-seedvr2 - набор воркфлоу Krea 2: T2I, inpainting, edit, upscale, ADetailer, SeedVR2 civitai.red/models/2764727/tripleview - #LoRA на лист персонажа #charactersheet VK | MAX

Если вы давно в этом канале, то знаете, что я люблю делать диванные прогнозы на будущее. Один из новых прогнозов:

Скоро у openai появится модель с нативным audio инпутом как у gemini (ставлю на до конца года)

Что это будет значить для нас: Для всех, кто работает с генераторами музыки, диалоговыми аудио ботами, монтажем подкастов и т.д. – это огромное подспорье. Как нативное понимание image когда-то позволило сильно прокачать возможности агентов во фронтенде, дизайне и любом другом визуале – если агент "видит" результат работы, он сразу может найти косяки и исправить их. Тот самый feedback loop, где feedback – это сам результат работы Так же будет и с аудио. Сейчас я работаю с локальными генераторами аудио и voice cloning, и этого прям жестко не хватает. Поэтому приходится использовать самодельную версию агента с модельками gemini по API. Из альтернатив есть Antigravity – они добавили это к себе буквально через пару недель после моего эксперимента, причем сразу и с поддержкой видео (это, кстати, единственная причина использовать Antigravity, которую я знаю) Если кому интересно, на чем основывается предсказание про появление омни модельки от openai: Примерно месяц назад я расковырял новый коммит в codex-cli, который добавляет audio как валидный тип результата для tool_calls (наравне с text и image). Так же они добавляют это в поддержку MCP. И даже в dynamic_tools (это тулы, которые можно инжектить в codex-cli извне. Например, codex desktop, который под капотом запускает codex-cli инжектит туда тулы для управления встроенным браузером и соседними чатами. Короче, раз поддержка добавлена в харнес, то и модели должны быть на подходе Ваш диванный предсказатель, @ai_grably

От генерации 3д-обектов к генерации сцен DeemosTech, ⁣авторы генератора Rodin ⁣банули ⁣WorldGen ⁣- ⁣систему, ⁣которая ⁣из ⁣одной ⁣2D-картинки ⁣собирает ⁣не ⁣просто ⁣красивую ⁣3D-реконструкцию, ⁣а ⁣редактируемую ⁣сцену. ⁣ ⁣ ⁣Ключевые ⁣объекты ⁣превращаются ⁣в ⁣независимые ⁣3D-меши, ⁣которые ⁣можно ⁣двигать ⁣и ⁣использовать ⁣для ⁣взаимодействия, ⁣а ⁣окружение ⁣восстанавливается ⁣через ⁣3D ⁣Gaussian ⁣Splatting. ⁣ ⁣ ⁣В ⁣основе ⁣лежит ⁣CAST ⁣- ⁣работа ⁣Hyper3D, ⁣получившая ⁣Best ⁣Paper ⁣на ⁣SIGGRAPH ⁣2025: ⁣она ⁣разбирает ⁣изображение ⁣на ⁣объекты, ⁣достраивает ⁣невидимую ⁣геометрию ⁣и ⁣пытается ⁣правильно ⁣расположить ⁣все ⁣это ⁣в ⁣пространстве. Самое ⁣интересное ⁣здесь ⁣- ⁣переход ⁣от ⁣«AI ⁣генерирует ⁣картинку ⁣мира» ⁣к ⁣«AI ⁣генерирует ⁣структуру ⁣мира». ⁣Такая ⁣сцена ⁣потенциально ⁣пригодна ⁣для ⁣игр, ⁣кино, ⁣XR ⁣и ⁣симуляций ⁣роботов: ⁣стол ⁣остается ⁣столом, ⁣чашка ⁣- ⁣отдельной ⁣чашкой, ⁣а ⁣не ⁣частью ⁣общей ⁣3DGS-декорации. ⁣ ⁣ ⁣Хотя в твитторе авторы пишут, ⁣что для игр пока масштаб маловат. ⁣ ⁣https://hyper3d.ai/ ⁣ ⁣@cgevent