Ming-3.0-audio Понимание аудио напрямую, без текста посередине • Нна выход текст или голос • Две версии: flash на 126 млрд с 6,5 активными и tiny на 9,3 млрд с 2,7 активными • Распознавание речи в шуме, с диалектами и акцентами, для нескольких говорящих • Ответы на вопросы по содержимому аудио, рассуждения над звуком • Понимает длинные записи, речь, шумы, музыку, обстановку • Голосовой ответ с клонированием по референсу • Основные языки - китайский и английский • tiny живет на одной видеокарте • У flash контекст на 128 тысяч токенов, нужны восемь H800 • Лицензия MIT • Поднимается через vLLM-Omni и SGLang, OpenAI-совместимые эндпоинты huggingface.co/inclusionAI/Ming-3.0-audio-flash huggingface.co/inclusionAI/Ming-3.0-audio-tiny github.com/inclusionAI/Ming-3.0-audio-flash #alm #stt #tts #voicecloning MAX

#Нейропрожарка Реклама энергетического напитка, концепт. Автор: @Garr_ai Фото: gpt-image 2, nano banana, seedream 5.0 pro (оказалась крутой моделью для генерации окружения, дает очень реальные, чистые фото, без гпт-мазни); Видео: Seedance 2.0/2.5 в 720p. На момент выхода 2.5 у меня уже было отснято 3/4 сцен, поэтому 2.0 тут гораздо больше. Кое-что я переделал из 2.0 в 2.5, но разные версии сиданса с одним и тем же промтом работают довольно-таки по-разному, поэтому почти все готовое я оставил в 2.0; Аудио: звуки, sfx, некоторое муз. оформление и часть речи - нативно сам сиданс, основная музыка и речь - Seedaudio 1.0, которая также оказалась отличной омни моделью для аудио. Говорит она по-русски гораздо лучше сиданса, принимает аудио референсы, а выдает все что хочешь: фоновые звуки, эффекты, песни и пляски. Можно написать пьесу с диалогами, музыкой, всеми звуками и передавать по радио. Поэтому здесь без суны и без элевен лабс. Апскейл: Topaz Монтаж: DaVinci Resolve По времени и деньгам: 1,5 мес. подписки ранвей анлимитед. @cgevent