#krea2 huggingface.co/jimmycarter/krea2-turbo-bbox - файнтюн для макета: панели комиксов, пузыри с текстом, идентичность персонажа. Требует PROMPTING.md civitai.com/models/2942217/krea-2-pixel-art - #LoRA для пиксель-арта github.com/envy-ai/ComfyUI-Krea2-Pixel-Art-Refiner - постпроцессинг пиксель-арта huggingface.co/Cierpliwy/krea2_lineart_edit - LoRA для Krea 2 Raw: перевод лайнарта в полноценное изображение github.com/aoleg/krea-2-merge-tool - GUI-мержер чекпоинтов и лор huggingface.co/lvladikov/Krea2-Turbo-Distill-4step-LoRA - дистилляция Turbo 8→4 шага, ~1.6x быстрее huggingface.co/lvladikov/Krea2-Turbo-Distill-2step-LoRA - дистилляция 8→2 шага github.com/sempersatirica/comfy-workflows - набор #workflow: Krea 2 #charactersheet и composite, H3 детайлеры (SAM3, Yolo) и генераторы промптов, Qwen Image Edit эмплейсмент civitai.red/models/2916843/instafame - #realism под Instagram youtu.be/chhyJ8FgIFk?si=m9oM5EwcXppTA6Sb drive.google.com/drive/u/4/folders/1pnjDEX6DGR-sQjqWFhZBQGgTbRnqZoVI #workflow Character Sheet #t2i для #MiniMaxH3 civitai.com/models/2926098/updated-v2-turn-any-photo-into-a-full-character-sheet-using-krea2-free-workflow - фото → полный #charactersheet в #ComfyUI #i2i

#Нейропрожарка Название: Что если бы Томми Шелби сыграл Джейсон Стэтхем Авторы: Иван Спиридонов Дмитрий Иванов Идея Реализовали экспериментальный эдит по «Острым козырькам»: заменили Киллиана Мёрфи на Джейсона Стэтхема. Суть в том, что сначала Стэтхема хотели взять на роль Мерфи и мы решили посмотреть как бы он выглядел в ней. Взяли популярные сцены разной сложности. Для выполнения разработали собственный воркфлоу на Wan Animate и протестировали Minimax H3. Версия в хорошем качестве Производство 1. Монтаж и отбор Смонтировали сцены из сериала — короткие, динамичные, с блюром и тёмным светом. Осознанно взяли несколько заведомо очень сложных шотов. Спойлер: если бы не своевременный выход Minimax H3, мы бы их удалили 2. Референсы Можно просто закинуть фото Стэтхема, так проще. Но лучше делать замену прямо на референсном кадре из сцены — тогда animate понимает, как персонаж должен выглядеть в этом свете и гриме. С этим справился только GPT Image 2. Для боковых ракурсов собирали character sheet с разными углами головы и эмоциями (для Minimax) 3. Базовый пайплайн — Wan 2.2 Animate V1 (локально, ComfyUI) — Маска: в основном автоматом через SAM3; кадры посложнее размечали в Premiere, самые жёсткие — ротоскоп в After Effects. — Кроп кадра по маске, чтобы отдать генерации максимальное разрешение. — Препроцессоры анализируют позу и мимику. Иногда отдельно записывали себя на видео и переносили эмоции со своего лица — с оригинала мимика часто читается плохо. — Генерация и анкроп обратно в исходное видео. — Опционально — цветокор лица под кадр. Нюансы 4. Где Wan Animate не вывозит — Перекрытия лица: нет контекста, объекты перед лицом ломают генерацию. — Микродвижения лица теряются, а именно они дают естественность. — Иногда уплывает схожесть - лечится генерацией конкретных ключевых рефов. — Динамика с моушн-блюром и плохим светом: неверно определяются движения и состояние глаз. — Изменения на лице (кровь, брызги) не анимируются вообще. Текстовый энкодер староват, модель под такое не обучена. FLF-кадры не помогли. Из-за этого пришлось бы выбросить несколько сцен. 5. Minimax H3 (локальная версия) Прогнали проблемные шоты через него - и они перестали быть проблемными. — Кровь. Точно перенёс кровь с исходного видео на заменённое лицо. Референсы: лицо + свап одного из первых кадров для контроля эстетики. — Динамичная сцена в баре. Нужно было объяснить модели, кого именно свапать из толпы. Сделали маску ротоскопом в AE и подали на вход: исходное видео с белой маской на лице + кроп лица (чтобы модель видела поворот и эмоции) + реф лица. — Мимика. Движения губ и глаз читаются заметно лучше на многих шотах, Wan Animate это просто не считывал. — Углы головы. Как omni-модель ест character sheet целиком. На одном рефе глаза оставались «от Киллиана Мёрфи», на character sheet — уже нет. — Цензуры на суицидальные и жестокие сцены, оружие и авторские права нет. 6. Сравнение с сервисами Kling 3.0 Omni Edit: в сцене с выстрелом ловим NSFW; в сцене с кровью из носа результат чище, но сама кровь выглядит крипово. Ни один другой сервис эти шоты бы не пропустил — пистолеты, актёры, жестокость, кровь. 7. Минусы Minimax H3 — Шаг в 17 кадров против 4 у Wan. Собрали небольшой блюпринт в ComfyUI, который дописывает кадры в конец, чтобы выход точно совпадал с исходником по таймингам, — иначе модель догенерирует и растянет контент. — Нет маскинга. С маскингом нередактируемая часть видео не меняется по качеству и цвету, нет сдвигов по таймингам и объектам, плюс открывается композитинг. Очень ждём нативную поддержку у omni-моделей. — Отсюда же общее ухудшение качества всего кадра даже на прогоне в 1080p. Время выполнения: 2 недели Затраты: 0р. Все выполнялось локально в нашем случае. Железо: 5070ti/4080 16gb + 64gb озу @cgevent

Viggle Mine Демоспейс с продвинутой оберткой над Viggle Animate для замен персонажа в сложных сценах. Когда герой отворачивается уходит в толпу или возвращается мелким планом идентичность не теряется. Два режима. Standard — прямая длинная генерация. Smart — полный пайплайн: трекинг точек (TAPNext++), контроль камеры (SAM), динамический зум, Pass A и опциональный Pass B для восстановления личности. Pass B работает так: после потери персонажа из кадра берется кадр где он снова виден, перерисовывается внешность, генерируется обратно-вперед вокруг точки сбоя и встраивается до обратного преобразования зума. Все окна около 5 секунд чтобы уложиться в один GPU allocation на ZeroGPU. #characterswap VK | MAX

Oyama AI Video Studio Desktop-рабочая станция для ИИ-видеопроизводства поверх #ComfyUI. Все локально: #MiniMaxH3 #LTX25 #ZImage #ACEStep — один интерфейс, без копирования моделей - MiniMax H3: T2V/I2V/Ref2VA с FL2VA и Ref2VA, Turbo LoRA (4/8 шагов), Quality/Preview пресеты, A/B сравнение - LTX 2.5 отдельное рабочее пространство с Quality (двухстадийный апскейл) и Turbo пресетами, синхронное аудио - ACE-Step 1.5 музыка: лирика/инструментал, темп/тональность/язык, FLAC - Character Studio: референсы через Z-Image → I2V turntable → Movie Creator - Mobile companion: QR-доступ с телефона для быстрых генераций - Local Ollama: промпт-улучшение, тайминг, переписывание аудио - Модели индексируются на месте, не копируются и не перекладываются - LAN по опции, с токеном #studio #t2v VK | MAX

#дайджест Дайджест AI/ML за неделю 7–13 сентября 2026 OpenAI: уравнения Навье-Стокса Драма недели. Внутренняя модель сильно сильнее Astra в виде роя из ~10к агентов за 88 часов доказала, что 3D Навье-Стокс с гладкой внешней силой взрывается за конечное время. Вариант без внешней силы, за который дают миллион, все еще открыт, так что на приз OpenAI не претендует. Теперь к скандалу. Тристан Бакмастер (NYU) и Левент Альпеге (Anthropic) год копали ровно этот подход с Claude и Codex и за две недели до запуска роя получили важный промежуточный результат. OpenAI признает, что не может исключить попадание переписок математиков в обучение. Deep Blue против Каспарова, только если бы Каспаров делал свои ходы с подсказками Deep Blue, а Deep Blue подсматривала стратегию Каспарова из своих подсказок. Блогпост, заявление Бакмастера DeepSeek: V4.1-Flash 552B MoE, активных 8B на prefill и 16B на decode, новая Causal Encoder-Decoder архитектура, нативное зрение, контекст 1М. На DeepSWE 74.2 против 74.0 у Opus 5 и 73.0 у Sol, зато на Terminal-Bench 4.0 всего 31.2 против 51.8 у Opus. KV-кэш ужали в 4 раза. Цена $0.30/$1.20, в непиковые часы вдвое дешевле, кэш в непик $0.003 за миллион. С 14 сентября все запросы к V4-Pro роутятся во Flash по цене Flash, пока не выйдет V4.1-Pro. Блогпост, HF OpenAI: ChatGPT Images 2.5 До 50% быстрее 2.0, более тонкое редактирование, например может в стоп-моушен анимацию без дерганой картинки, чего не могла ни одна text to image модель. Еще можно накалякать скетч прямо в чате и использовать как референс, плюс шаблоны и комментарии на самой картинке для точечных правок. В API две модели: gpt-image-2.5-flare (быстрая, дефолт) и gpt-image-2.5-sunburst (побольше). Цена за токен как у gpt-image-2. Раскатано всем, включая Free. Блогпост Suno: v6, v6-wild и v6-mini Вышла новая серия в виде трех моделей: v6 точная и предсказуемая, v6-wild та же, но при температуре 39' для экспериментов, v6-mini быстрая и для бесплатных. Все умеют править отдельные секции трека текстом, мэшапы, семплы и генерацию по картинке, видео или аудио. Старые модели уберут. Бенчмарков нет, но их услужливо посчитали конкуренты, см. ниже. Блогпост m-a-p: YuE2 Открытая 3.6B модель для генерации песен. Из лирики и стиля сначала пишет партитуру в ABC-нотации, которую можно править руками или агентом, потом рендерит стерео 48 кГц. Умеет zero-shot каверы. На их WildSongBench набирает 6.96 против 6.87 у Suno v5 и 6.56 у свежей Suno v6. То есть по чужому бенчмарку v6 хуже v5, но это чужой бенчмарк. Код Apache 2.0, веса CC BY-NC(!), нужно 24 GB VRAM. GitHub, HF, демо Tencent: AuK Nano Banana для аудио, как они сами говорят. Открытая 1.5B модель: zero-shot TTS, замена слов в готовой речи, смена эмоции и тембра, шепот, удаление акцента, денойз и разделение речи/музыки, все текстовыми инструкциями плюс референс. 1.95М часов супервизии. AuK-Flash дистиллирована до 4 шагов и в 4.5 раза быстрее. MIT, есть ComfyUI-ноды и демо. Теперь легендарные RYTP с прямой линии можно превратить в недерганную речь. GitHub, HF, Статья BFL: FLUX Video Edit Редактирование готового видео промптом: добавить или убрать объекты, поменять текст в кадре, перекрасить, перевести реплики с липсинком. Длительность, пропорции и звук исходника сохраняются, вход даунскейлится до 720p, до 15 секунд, цена $0.03 за секунду. Документация Blackmagic: DaVinci Resolve 21.1 В Resolve Studio встроили MCP-сервер: CC и Codex могут работать с проектами. Заодно Python-скриптинг вынесли из бесплатной версии, так что автоматизация теперь стоит $295 Обзор Google+NASA: MAPL-EMIT Модель которая из данных со спектрометра на МКС (EMIT) резмечает области выделения метана, чтобы потом глобально не теплеть База данных, визуализация, Kaggle, GitHub Lightx2v: MiniMax H3 Turbo Ref2VA - дистилляция reference-to-video ветки открытого MiniMax H3 до 8 шагов и 768p Новость Krea: Agents - агент, который по брифу сам выбирает из 60+ моделей, генерирует и правит картинки, видео и звук. Доступен в бесплатном тарифе. Agent

YuE2-ComfyUI v0.4.0 Адаптация YuE2-3B для ComfyUI от @Aleks_101 Генерация полноценных песен из описания стиля и текста. Веса сами находятся, дополнительная нода-писатель пишет и слова, и стиль из одной строки идеи v0.2.0: добавился редактор песни. Стиль собирается из частей (язык, темп, голоса, звучание), текст правится по секциям, клик по букве показывает, где токенизатор режет слово. Все в окне поверх канвы, до Apply ничего не записывается v0.4.0: Редактор партитуры - Отдельная оптимизация VRAM: у модели две половины весов, ни одной стадии не нужны обе — на карте держится только нужная - 40 секунд песни: ~4.9 GiB, 4 минуты: ~11.5 GiB (с offload) - 75 секунд песни на RTX 5090 — 40.2 секунды генерации - Встроенный writer (YuE2 Write Song): одна строка идеи → готовый стиль + лирика с тегами. Использует любой GGUF на диске, если нет — скачивает 2.55 ГБ - Поддержка INT8 ConvRot (3.69 ГБ) #yue2 #musicediting #comfyui

SceneMosaic (HKU + UESTC) Из одной фотки — серия готовых к симуляции 3D-сцен с разными вариантами расстановки. Вместо долгого агентного text-to-3D (часы) или быстрого, но кривого image-to-3D с летающими объектами, SceneMosaic берет скорость от картинок, а физику от агентов - Из одного референса: реконструкция объектов, физическая стабилизация, агентная эволюция расстановки - Разнообразие: сцена раскладывается на локальные единицы, каждый вариант меняется независимо, потом комбинируются — десятки валидных планировок - VLM-агенты (Critic-Actor) смотрят на ортографические виды, чинят семантические и физические ошибки, параллельно предлагают варианты - Отбор по новизне: из всех комбинаций остаётся компактный набор самых разных, но валидных - Базовая сцена: ~8 минут - Каждый дополнительный вариант: ~2 минуты Гитхаб #imageto3d #image2scene #image2layout

Кажется, я только что нашёл новый способ делать объекты для своей игры. И для меня это натуральный взрыв мозга. Вместо того чтобы самому моделировать всё в Blender или заставлять ИИ долго собирать объект из деталей, мы придумали каменного идола, нарисовали его через ImageGen и передали картинку в Pixal3D через ComfyUI. Примерно за минуту на моей RTX 3070 с 8 ГБ памяти получили настоящую 3D-модель с текстурами, которую уже можно открыть и доработать в Blender🤯🤯 🤯 То есть: ИИ больше не нужно тратить токены на построение всей геометрии в 3д самому, он получает заготовку и занимается исправлениями🤔 Этот проект я начал ещё в мае с GPT-5.5: задумывал текстовую RPG-песочницу с ИИ, исследованием мира и кучей механик. На 3D даже не рассчитывал, а сейчас мне кажется нет предела в его развитии, только время и токены а впереди ещё столько релизов🌈 а ещё нейронку сегодня затестил которая может любые звуки локально генерить Stable Audio 3 Small SFX, тоже отдельный разговор🍿

Foundation-1 Семейство моделей для генерации семплов и инструментов из текста, заточенное под музыкантов. Главная находка — разделение инструмента и тембра - Лупы — BPM, тональность, структура - Одношоты — отдельные ноты для сэмплеров - Кейбеды — полноценные инструменты, генерирующиеся по всему регистру с сохранением тембра - Трехслойные инструменты: три отдельных промпта → три независимых слоя → экспорт в DecentSampler/SFZ - Слои: инструмент → тембр → FX → нотная структура → тональность/BPM Foundation-1 (лупы) Foundation-1.2 Samples Foundation-1.2 Keybeds (инструменты) - 7 ГБ VRAM, ~7-8 секунд на семпл - Свой Gradio-интерфейс (RC Stable Audio Tools — форк) видео Демо RC Stable Audio Tools #musicediting