В японской подборке генеративных новостей — кастомная нода Krea 2 Spatial Composition 3x3 для ComfyUI. Она делит кадр на 9 областей и собирает из размещения объектов текстовый промпт. Так проще задать композицию заранее, без бесконечных просьб к модели «сдвинуть персонажа левее».
Нода собирает текстовое описание сцены. Например: «облако слева сверху, человек в центре, море справа, камни внизу». В интерфейсе можно менять границы областей и двигать метки объектов. Нода рассчитана на вертикальные изображения Krea 2, а результат подходит моделям, которые понимают пространственные указания в промпте.
Krea 2 задаёт композицию через девять зон
Можно наметить постер с героем в конкретной точке, обложку с местом под заголовок или кадр с несколькими предметами. Вы описываете расположение, двигаете зоны и отправляете собранный текст в модель.
Это всё ещё промптинг, а не точная разметка холста: модель может трактовать «справа» по-своему. Края, перспективу и типографику придётся проверять и, возможно, править вручную. Нода помогает поставить задачу, контроль остаётся за вами.
- Разбейте кадр на зоны и отметьте место для персонажа или объекта.
- Оставьте отдельную область под текст, фон или важную деталь.
- Соберите промпт и проверьте, как модель понимает указания о положении.
- Если композиция съехала, измените размеры зон и повторите генерацию.
В той же подборке — LayerShop 0.17, бесплатный редактор слоёв на базе PhotoCraft. Он подключается к генерации через ComfyUI. Новая функция Regions позволяет обвести на холсте прямоугольные области и отдельно описать содержимое каждой: например, замок справа, закат слева, озеро на переднем плане. Границы можно передвигать и перегенерировать.
Здесь композицию задают прямо на изображении, а Spatial Composition собирает текст из расположения объектов по зонам. Для сложной сцены оба способа могут сократить возню с общим промптом. Точное исполнение всё равно зависит от модели, особенно если объекты должны перекрываться.
Прозрачность и правка лица в ComfyUI
Anima RGBA — набор VAE и LoRA для генерации прозрачного PNG в Anima. VAE весит около 508 МБ, LoRA — около 184 МБ. Их используют вместе: VAE отвечает за прозрачность, а LoRA помогает модели корректно работать с этим VAE. По описанию авторов, сочетание должно уменьшить проблему, когда прозрачными становятся части персонажа или белая одежда, а не только пустые области.
В ComfyUI нужно заменить VAE в существующем workflow, подключить LoRA с силой 1.0 и добавить в промпт «transparent background». По описанию, дополнительные custom nodes не нужны, а PNG сохраняется обычным способом. Для стикеров, персонажей и предметов под монтаж — полезная штука. Края и тонкие детали всё равно лучше проверить.
Impact Pack FaceDetailer Cycle Denoise добавляет отдельное значение Denoise для каждого цикла. В обычном FaceDetailer оно одно для всех повторных проходов. Например, можно поставить 0.65 на первом проходе, чтобы исправить явные искажения, а на втором — 0.25 для мягкой доводки. Результат первого цикла переходит в следующий.
Это пригодится, когда первый проход заметно перерисовал лицо, а второй должен лишь пригладить детали. Расширение работает вместе с Impact Pack. Значения из японского описания — пример, а не универсальный пресет для любой модели и любого лица.
Для многослойных изображений есть psd-layer-vae. Модель сжимает и восстанавливает отдельные PSD-слои, сохраняя прозрачность. В описании авторы отмечают тонкие линии, полупрозрачные мазки и работу с HDR-светом. Версия h3 точнее восстанавливает исходник, g3 даёт более резкий вид. Это строительный блок для редакторов и генеративных систем, а не готовый инструмент для обычного workflow.
Видеоинструменты собирают серии, расходы остаются
AI Video Factory собирает YouTube-видео из одной темы. Claude-агент готовит структуру, сценарий, планы, иллюстрации и ревью, а Remotion превращает материалы в ролик. Можно выбрать программную анимацию иллюстраций, движение по статичным изображениям, сочетание с AI-видео или генерацию всех сцен видеомоделями.
В браузерной Studio можно следить за процессом, править сценарий, подтверждать изображения и оставлять замечания. Проект повторно использует утверждённых персонажей, чтобы сохранить героев и визуальный стиль серии. На выходе получаются видео и файл субтитров; многоязычная версия зависит от доступных сервисов озвучки. Код распространяется по лицензии MIT, а выпуск роликов может требовать оплаты Claude и внешних генеративных сервисов.
Для видео на MiniMax H3 появились инструменты под разные этапы. ComfyUI Soda H3 Tools помогают управлять сегментами ролика: хранить части по названию проекта и номеру, передавать данные предыдущего фрагмента, восстанавливать видео и звук, соединять результат. Удобно, если вы собираете длинный ролик из последовательных генераций.
MiniMax H3 VBVR — LoRA для согласованности объектов и движений. Она помогает предметам оставаться на месте, не проходить сквозь друг друга, а действиям — выглядеть последовательнее. Для обучения использовали набор VBVR-Pro-SFT-Video, адаптированный под H3.
Ещё вышел MiniMax H3 Prompt Rewriter Qwen3.8-27B Ref2VA. Он превращает короткое указание в более подробный промпт для видео с референсами. Например, описывает героя, композицию, движение, камеру, реплики, окружение и музыку. В приложенном руководстве советуют писать основное описание на английском, а реплики и текст в кадре оставлять на исходном языке.
Среди остальных моделей — MOSS-Image-IDM-2-Steps. Она генерирует изображения из MOSS-Image-SFT за два вычислительных шага вместо обычных 50, без дополнительного CFG-расчёта. Авторы также показывают экспериментальную v2 для правки выражения лица и цвета. Меньшее число шагов само по себе не гарантирует такого же сокращения времени ожидания.
Для статичной генерации появился chroma-h3 — дообученный MiniMax H3, который трактует изображение как один кадр видео. Ориентир стандартного режима — около миллиона пикселей, 30 шагов и CFG около 3. Есть дистиллированные варианты на 4 или 8 шагов с CFG 1. Для ComfyUI доступны LoRA примерно на 2,86 ГБ и объединённый вариант с ускорением около 6,63 ГБ. Если использовать LoRA отдельно, нужен базовый H3.
Тем, кому интересны другие режимы H3, стоит посмотреть на Sulphur-3 — дообученную видеомодель с усиленной поддержкой взрослого контента. Обычные веса занимают около 40,2 ГБ, INT8 — 20,9 ГБ, W4A8 — 11,4 ГБ. На Hugging Face доступ ограничен согласием с условиями. MiniMax H3 M3.1 Flash abliterated GGUF — текстовая языковая модель примерно на 426 млрд параметров с ослабленными отказами. Она не обязана отвечать на любой запрос; визуальный модуль в эту сборку не входит.
Агенты выходят за пределы чата
В подборке есть инструменты, которые не генерируют картинки, но меняют работу с приложениями. Google представила Android AppFunctions: они дают Gemini и другим агентам доступ к функциям Android-приложений. Google for Developers India описывает это как возможность «без лишних швов делиться возможностями вашего приложения со своим агентом или системными агентами» через Android MCP.
Например, агент может найти рецепт в почте и добавить ингредиенты в список покупок. Для этого он вызывает поиск в одном приложении, затем действие в другом. По документации Android, AppFunctions доступны на Android 16 и выше. Приложения публикуют функции, которые система может обнаружить и вызвать. Статусы запуска пока расходились: документация от 22 октября называла API экспериментальным preview, а обновление Jetpack от 21 октября указывало beta01. В публикации Google от 31 октября API назван beta. Для производственного размещения через Connected Apps Platform разработчикам нужно отдельно попасть в preview. Бета API сама по себе не открывает всем приложениям доступ к агентам.
Для разработчиков это новая точка интеграции, а не готовая функция для креатора. Приложение объявляет конкретные действия, агент связывает их по запросу пользователя. Тут важны разрешения и точные описания функций — иначе агенту будет сложнее выбрать нужное действие.
agent-desktop решает похожую задачу на компьютере. Он читает accessibility tree — структуру кнопок и полей, которую приложение передаёт операционной системе, — возвращает элементы с идентификаторами и позволяет агенту нажимать и вводить текст. Инструмент работает на Windows, macOS и Linux. По документации проекта, сам он агентом не служит: модель и цикл «посмотреть — выполнить — проверить» должны работать снаружи. Сайты он не обрабатывает и не видит интерфейс, который не предоставляет accessibility tree.
Browser Use выпустила BU Ultrafast для браузерных задач. Компания утверждает, что задачи выполняются менее чем за 3 секунды, медианное время — 14,4 секунды, а 25 задач из показанного видео стоили $0.126. Это данные из публикации Browser Use, а не независимый замер. Утверждение «самый быстрый и дешёвый веб-агент» тоже принадлежит компании.
Остальные новости выходят за пределы привычного пайплайна изображений. SculptForge — бесплатный open-source скульптор для Windows, macOS и Linux с экспортом в Blender и Unreal Engine. AI-генерация опирается на внешний публичный сервис с лимитом. PoseWear объединяет поиск поз, одежды и референсов с виртуальной примеркой, но для генерации нужны собственный API-ключ и оплата выбранного сервиса.
Для креатора важны точная сцена и проверка результата
Из этой подборки я бы взял для ближайшего рабочего пайплайна пространственные ноды для композиции, прозрачный вывод Anima для сборки ассетов и отдельные значения Denoise для многошаговой правки лица. Если делаете серийное видео, присмотритесь к передаче данных между сегментами H3 и повторному использованию персонажей в AI Video Factory.
Агентам пока лучше давать узкие задачи с понятным результатом: найти, заполнить, сохранить или проверить. У каждого инструмента есть ограничения — внешний API, платная генерация, закрытый доступ, отсутствие нужных данных интерфейса. Результат тоже приходится перепроверять. Автоматизация ускоряет рутину, если вы можете заметить ошибку.
Собирать генерации изображений и видео нодами можно в Workflow
Источники
Android AppFunctions Beta Does Not Mean Open Agent Access
agent-desktop | Desktop Automation for AI
Источникnote.com
