#Креатив

Kuken Industries ищет чертёж запчасти за 4,5 минуты вместо часа через OpenAI API

Claude Opus 5.5 через MCP собрал VFX-сцену в Blender и Nuke без единого AI-кадра

Zyphra выпустила Zonos3-Mini: клонирование голоса на 43 языках прямо в браузере

Креатив·X: @ArtificialAnlys

Google снизила стоимость видео Gemini Omni Flash 1.2 до $6,26 за минуту 1080p

Если ваш сервис генерирует видео, пересчитайте расходы: минута 1080p у Gemini Omni Flash 1.2 стоит $6,26 — на 31% дешевле предыдущей версии. Но бюджет решает ещё и…

Креатив·TG: @cgevent (Метаверсище и ИИще)

Новичок снял кино-перестрелку в Seedance 2.5 за 4 часа и $40

Автор за пару недель в ИИ-видео собрал гангстерский сериал, а финальную перестрелку сделал в Seedance 2.5 через Hedra. Какие приёмы сработали и сколько это стоило.

Креатив·TG: @cgevent (Метаверсище и ИИще)

Nuance Labs запустила аватар Emma, который кивает и реагирует прямо во время вашей речи

Стартап бывших исследователей Apple показал Nuplex — одну нейросеть вместо цепочки STT→LLM→TTS. Аватар Emma слушает, кивает и реагирует на ходу, и её можно открыть…

Креатив·Хабр: Машинное обучение

Отец сделал бесплатный счётчик ХЕ по фото: 3000 человек за 17 дней

У сына диабет 1 типа, а в кафе нет ни весов, ни таблиц. Отец собрал вместе с ИИ-ассистентом бесплатное приложение, которое считает хлебные единицы по фото тарелки.

01Для MOSS-Image-SFT вышли ControlNet-адаптеры под Apache 2.0: поза, глубина, контуры12 нояб. 2026 г.·2 мин 02LTX AlphaGen вырезает фон из видео за $0,10 в секунду, Meshy делает риги за $0,2012 нояб. 2026 г.·3 мин 03Постоянный герой в Gemini API: замер на 18 кадрах показал, что голый промпт уводит одежду12 нояб. 2026 г.·3 мин 04Google запускает Gemini Decision 1: решения по видео за $0,10 на миллион токенов12 нояб. 2026 г.·3 мин 05NVIDIA открыла Open-H3-Regenerate-2K-IC: апскейл видео до 4K без дрейфа лиц12 нояб. 2026 г.·2 мин

Топ темы

Креатив·Habr AI

Fish Audio Drama 3 научила локальный TTS шептать и срываться голосом в одном абзаце

Креатив·Хабр: Машинное обучение

Veo Omni Flash 1.2 поднялась с 7 до 8,5 балла в тесте, но путает референсы

Google выпустила Veo Omni Flash 1.2: ролики до 15 секунд и до 7 референсов. Для черновиков по тексту модель стала лучше, а рекламу с жидкостью лучше проверять кадр…

Креатив·AWS Machine Learning Blog

Nemotron 3.5 Super VL в SageMaker: 120B-модель для документов и GUI-агентов за 10 минут

AWS добавил в JumpStart мультимодальную Nemotron 3.5 Super VL: она читает сканы, графики и видео, а в NVFP4-версии помещается на четыре GPU Blackwell вместо восьми…

Креатив·TG: @ai_machinelearning_big_data (Machinelearning)

Zyphra запустила синтез речи в браузере с задержкой менее 570 мс на Pixel 9

Голосовому интерфейсу необязательно отправлять каждую реплику в облако. ZONOS3-Mini синтезирует речь прямо на устройстве, а актуальная карточка модели уже указывает поддержку русского.

Креатив·Habr AI

RWB не заменила OCR-пайплайн одной VLM: 400 млн картинок в день и семь этапов

Креатив·TG: @neurogen_news (Neurogen)

MiniMax выложила открытую модель H3-Image: 16 МП без апскейла за 6 шагов

Креатив·Google AI Blog

Google запускает Gemini Decisions API: до 1000 проверок за один запрос

Креатив·TG: @ai_newz (эйай ньюз)

MiniMax H3-Image рисует нативный 4K за 16 секунд и открывает веса

Креатив·Artificial Analysis

Claude Fable 5.2 лидирует в бенчмарке MKA с 57%, но задача стоит $31,97

ByteDance представила Seedream 5.5 с поддержкой 100 последовательных правок

Meituan выложила веса LongCat-2.5: 1,6T параметров, MIT и мультимодальность

WorldParticle от MIT заменяет набор симуляторов одной нейросетью и считает белки в 100 раз быстрее

Креатив·TG: @neuraldvig (Нейродвиж)

VoxCPM2 синтезирует речь на 30 языках и позволяет запускать озвучку локально

Перезаписывать диктора после каждой правки текста неудобно. VoxCPM2 позволяет синтезировать новые реплики по образцу голоса. Разбираемся, что проверить перед…

9 нояб. 2026 г.·3 мин

Креатив·Selectel

Tencent научила Hy4 управлять компьютером через два интерфейса: GUI и CLI

Hy4 умеет понимать изображения и работать с графическим интерфейсом и командной строкой. Для разработчика это повод проверить, справится ли агент с задачей целиком…