Looped-DiT Генератор картинок, трансформер от SenseNova. Заявлен как первый looped-transformer-подход. Одна группа общих блоков прогоняется несколько раз внутри каждого шага денойзинга — модель становится глубже без роста размера. • Генерация изображений из текста • Loop-механизм: общие блоки повторяются, глубина растёт без увеличения параметров • Глубина регулируется на инференсе — другие числа петель работают без дообучения • Deep supervision обучает предсказание после каждой петли • B/32: 512×512, петля из 5 блоков × 4 повтора • Веса ~1 ГБ • Модель меньше и легче за счет общего блока • База — pixel-space MMDiT MiniT2I + FLAN-T5-Large github.com/OpenSenseNova/Looped-DiT huggingface.co/sensenova/Looped-DiT-B32 huggingface.co/sensenova/Looped-DiT-B16 #compact #t2i MAX

Вайбкодить сайты легко. А вы попробуйте вайбкодить обложки для видео 😄 Я вот пробую. Пока херня получается. Мне надо пересобрать обложки для видео на моем ютуб-канале и идея такая: Claude собирает мне конструктор этих обложек в HTML, чтобы каждый раз не генерировать целые картинки. А на самих обложках будет вставлять меня в разных позах. И вот щас он нагенерировал меня, но вырезал из фона меня супер херово. Щас перебираю варианты, как это лучше сделать. Должно получиться так: 1. Заголовки текстом через HTML 2. Меня в разных позах сгенерирует один раз Chat GPT 3. Всякие 3D объекты для видео тоже сгенерирует Chat GPT 4. Claude будет собирать обложки через HTML, и уже из него будет сохранять картинку всей обложки целиком.

Nanosaur 2 Компактная модель генерации изображений без цензуры с фокусом на аниме Неофициальный релиз модели на 670M параметров, обученной на датасете из 14 миллионов изображений по тегам (аниме-стиль, обширный набор персонажей и стилей). Принимает и естественный язык, и теги Похоже, в отличие от нескольких недавних бесполезных компактных поделок, способных только на 256х256, способен и на полное 1024х1024. Прямо выходное разрешение не указано • родной VAE и текстовый энкодер на 270M в комплекте • понимает натуральный язык и теги - что удобнее • большое покрытие персонажей, арт-стилей и концептов • часто выигрывает у SDXL, несмотря на меньший размер • модель 1.3 ГБ, с энкодером и VAE - 2 ГБ • int8 и w4a8 квантизации уменьшают DiT до 388 МБ • запускается на слабом железе Проект ищет финансирование на версию побольше Есть #int8 и #w4a8 (not recommended #compact #t2i MAX

Ming Image Prompt Builder Визуальный редактор структурированных промптов для Ming-Image-0.1-Design в #ComfyUI. Рисуешь прямоугольники на холсте, описываешь объекты и точный текст - на выходе готовый Ming JSON • прямоугольники для семантических групп - объекты, точный текст, цвета #RRGGBB • превью раскладки прямо в ноде • импорт и экспорт JSON с валидацией • region-редактор: resize, копирование, переключатель слоев фронт/бэк • работает с официальным текстовым энкодером Ming и с comfyui_ming_native Схема промпта: canvas_settings + layers с координатами, иерархией и цветами. Геометрия - подсказка для модели, не детерминированный контроль. Без инференса и загрузки моделей - только сборка JSON *Пишут что Ming очень хорош в изображении тиекста #prompting #mingimage MAX

Zen Image Edit

Qwen-Image-2.1 есть у нас дома

на легком текстовом энкодере. Вместо родного Qwen3-VL-8B (17.5 ГБ) - Qwen3.5-0.8B и 158M адаптер внутри DiT. Целая папка diffusers без тяжелого энкодера, экономия почти 16 ГБ • text-to-image, редактирование сцен и персонажей, прозрачный RGBA в одном пайплайне • до нескольких референсов - первая картинка цель правки, остальные доноры • подмена персонажа с сохранением позы и одежды цели • работает в ComfyUI без 17.5 ГБ энкодера • 1024 по умолчанию, 30 шагов • ~17.5 ГБ пиковый VRAM, меньше с cpu offload Ограничения: только английский, цифры на вывесках пишет с ошибками, не-фото референсы переносятся хуже. Демо и workflow для ComfyUI прилагаются HF Текстовый энкодер 0.6B ComfyUI #t2i #i2i #compact MAX

⚡️ inclusionAI открыла две модели для генерации и редактирования дизайна Ming-Image-0.1-Design создаёт интерфейсы, дашборды, инфографику и постеры с разрешением до 2048×2048. Модель хорошо работает с текстом и умеет сразу генерировать изображения с прозрачным RGBA-фоном. Ming-Image-0.1-Design-Layer решает обратную задачу: разбирает готовую картинку на отдельные редактируемые RGBA-слои, сохраняя исходные пропорции. Обе модели имеют 6 млрд параметров и опубликованы под лицензией MIT. Design лидирует среди моделей с открытыми весами в рейтинге UI/UX от Artificial Analysis, а Layer показала лучший результат во всех 12 тестах Crello. https://modelscope.ai/models/inclusionAI/Ming-Image-0.1-Design https://modelscope.ai/models/inclusionAI/Ming-Image-0.1-Design-Layer

ComfyUI-InpaintCanvas Нода, которая засовывает весь цикл инпейнтинга в один редактор: маска, генерация, сшивание и сравнение в одном месте. Кроп и маску отдаете в любую вашу цепочку - Flux, Klein, Kontext, Qwen Image Edit, SDXL - результат возвращается слоем поверх картинки • слои с прозрачностью, блендами, локом, перетаскиванием • color match - сгенерированный участок подгоняется под фон, не выглядит наклейкой • выделение: прямоугольник, лассо, magic wand, быстрая маска, feather, SAM3 по тексту, RMBG • ретушь - штамп, healing brush, размытие, кисть • фильтры - кривые, уровни, цветовой баланс, HSL, зерно с пресетами, LUT • текстовые слои с открытыми шрифтами, правка на канвасе • сравнение двух результатов с разделителем, before/after по клавише • экспорт PNG, JPG, WebP, PSD и OpenRaster со всеми слоями • helper-модели выгружаются из VRAM перед генерацией #inpainting #comfyui MAX

Ну, за Hy. Новый генератор картинок подоспел. Tencent бахнула Hy Image 3.5 Preview. И самое интересное здесь вовсе не их рекламные «+30% качества». Главная фишка версии 3.5 - следование (очень хорошему) тренду делать редактирующую модель и зашивать все это под один капот. Модель умеет text-to-image и image-to-image, принимает несколько reference images и поддерживает последовательное редактирование в несколько ходов. Переодеватор, переосвещатор, переракусатор - и вот это вот все. Tencent отдельно заявляет улучшения в typography, layout, product photography, реализьме материалов и света и, главное, consistency при редактировании (надо тестить). Цена при этом очень агрессивная: $0.024 за 2K output через Tencent Cloud API. Reference images отдельно не тарифицируются - платишь за сгенерированный результат. В принципе можно ожидать кода и весов, 3.0 опенсорснут, правда там конские размеры весов и никакого редактирования. Есть любопытный нюанс с разрешением. В официальном анонсе Tencent пишет «до 2K», однако свежая API-документация допускает запросы вплоть до 4096x4096. При этом опубликованная цена $0.024 относится именно к 2K. Теперь про обещанные «две недели бесплатно». Miora даёт доступ к Hy Image 3.5 Preview в своём интерфейсе. В анонсе указана бесплатная акция примерно на две недели после релиза. Это самый простой вариант для тех, кто просто хочет попробовать модель без возни с API. https://miora.design/ OnSolo тоже участвует в акции, но здесь условия сложнее. Бесплатные поколения завязаны на membership и лимиты конкретного тарифа. То есть фраза Tencent «Two weeks free» не означает полностью бесплатный безлимитный доступ для любого нового пользователя. https://onsolo.ai/ Xy 3.5 довольно хорошо сохраняет надписи и структуру. Модель меняет фон и свет, при этом удерживает сам продукт, упаковку, цвет и текст на этикетке. Реализьм достойный. Ещё один важный момент - ComfyUI уже объявил Day-0 support. Но это не означает, что веса Hy Image 3.5 можно скачать и запускать локально. Сейчас речь идёт об API/Partner Node интеграции. На итоге: multi-reference editing + многошаговое редактирование + сохранение контекста + хороший текст и product photography + цена $0.024 за 2K. И я бы рассчитывал на веса. Сцылки: https://x.com/TencentHunyuan/status/2102226552310419473 https://console.tencentcloud.com/tokenhub/models/detail?modelId=hy-image-v3.5-preview https://cloud.tencent.com/document/product/1823/135745 https://miora.design/ https://onsolo.ai/ @cgevent

#QI21 QI2.1 int8 convrot ComfyOrg выложил ——— QI2.1 Prompt Enhancer два дообученных Qwen3.5-VL 9B Переписывают промпты под генерацию. Определяет режим по входу • t2i - усиливает запрос, угадывает соотношение сторон и разрешение, отдает в JSON • i2i - держит свет, тон, фон и неупомянутые детали как в оригинале • несколько картинок на вход - референс, предмет, сцена Авторы зашили жесткие правила: не менять язык, не трогать неупомянутое huggingface.co/Qwen/Qwen-Image-2.1-PE-I2I huggingface.co/Qwen/Qwen-Image-2.1-PE-T2I huggingface.co/Comfy-Org/Qwen-Image-2.1/blob/main/text_encoders/qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot.safetensors ——— QI2.1 креативный апскейл - имейте ввиду, автор пишет что квен убивает реализм #workflow в комплекте #upscake #int8 #comfyui #prompting