Le blog Hugging Face fournit des scripts et conteneurs Docker pour fine-tuner TRELLIS.2 avec LoRA sur ses propres assets 3D.
Motif de la recommandation :Le guide détaille quels composants de TRELLIS.2 figer ou entraîner et fournit des scripts et conteneurs exécutables, une méthode transférable à d'autres modèles 3D.
IBM Research a fine-tuné un modèle 20B open-weight, Palette, pour produire des présentations conformes à un langage de design donné.
Motif de la recommandation :L'article détaille la synthèse de données, l'entraînement LoRA et le harnais de vérification-réparation, une méthode transférable aux sorties structurées vérifiables par code.
Black Forest Labs publie FLUX.3 Image Klein, un modèle unique pour la génération texte-image.
Motif de la recommandation :Présente les capacités et le coût d'exécution de FLUX.3 Image Klein, avec des repères concrets pour évaluer son intégration dans les pipelines existants.
Hugging Face présente Workflow1111, un canevas de workflow unique qui reconstruit la plupart des fonctionnalités d'AUTOMATIC1111 sous forme de 11 pipelines multimédias construits avec 73 nœuds. Le canevas couvre la génération texte-image, le hi-resolution fix, l'image-to-image, la matrice de prompts, l'interrogation VLM, la détection vers masque d'inpainting, les annotateurs de style ControlNet, la suppression d'arrière-plan, le stockage PNG Info et l'image-to-video, avec des modèles comme FLUX.1-Kontext, Qwen3-4B, Qwen2.5-VL, DETR, AuraSR ×4, BRIA RMBG-2.0 et Wan 2.2 I2V A14B. Chaque nœud de sortie devient un point d'accès REST, et avec mcp_server=True, ces points d'accès deviennent des outils MCP appelables par des assistants IA comme Claude Code ou Cursor.
Motif de la recommandation :L'article détaille comment reconstruire l'ensemble des fonctionnalités d'AUTOMATIC1111 avec 73 nœuds Gradio Workflow, et comment chaque sortie devient un point d'accès REST et un outil MCP.
OpenAI lance ChatGPT Images 2.5, qui transforme les idées, croquis et photos de référence en images plus personnalisées et plus soignées, reflétant mieux les intentions de l'utilisateur.
Google DeepMind lance Lyria 3.5, son nouveau modèle de génération musicale.
Motif de la recommandation :Lyria 3.5 détaille les améliorations de musicalité, paroles et voix, utile pour suivre l'évolution de la génération musicale.
Diffusers prend désormais en charge nativement les checkpoints Nunchaku Lite : il suffit d'appeler from_pretrained() pour charger un modèle quantifié en 4 bits.
Motif de la recommandation :L'intégration native de Nunchaku Lite dans Diffusers permet de charger des checkpoints 4 bits avec from_pretrained() et de quantifier de nouvelles architectures via diffuse-compressor.
Google DeepMind annonce Nano Banana 2 Lite (gemini-3.1-flash-lite-image), son modèle d'image Gemini le plus rapide et le plus économique.
Motif de la recommandation :Deux modèles génératifs de Google DeepMind précisent latence, coût et limites, ce qui aide à évaluer leur intégration dans des pipelines multimédia.
Un agent de codage a construit une galerie 3D des monuments de Paris en appelant directement deux Hugging Face Spaces.
Motif de la recommandation :L'auteur montre comment un agent enchaîne deux Spaces Hugging Face via agents.md pour produire des splats 3D à partir de simples prompts, une méthode directement réutilisable.
Google DeepMind annonce Gemini Omni, une nouvelle famille de modèles capable de créer du contenu à partir de n'importe quelle entrée.
Motif de la recommandation :Google DeepMind présente Gemini Omni Flash, un modèle multimodal capable de générer et d'éditer des vidéos à partir de plusieurs entrées, avec un déploiement immédiat sur plusieurs produits.
Google Photos intègre Auto frame, une fonctionnalité qui recompose une photo après la prise de vue en modifiant la position et l'orientation de la caméra virtuelle. La méthode combine estimation 3D de la scène et du point map, rendu classique, puis inpainting par un modèle de diffusion latent entraîné sur des paires d'images à paramètres de caméra connus. Elle détecte aussi la position et l'orientation 3D des visages pour choisir le cadrage idéal et corriger la distorsion des selfies grand-angle, la version recomposée apparaissant comme deuxième option dans les candidats Auto frame.
Motif de la recommandation :L'article détaille une méthode en deux étapes qui reconstruit la scène en 3D puis génère les zones manquantes, utile pour comprendre comment l'édition d'image assistée par IA dépasse le simple recadrage.
OpenAI a lancé ChatGPT Images 2.0, avec un rendu de texte, un support multilingue et un raisonnement visuel améliorés. Le texte source renvoie également aux nouveautés d'Images 2.5.
OpenAI annonce une mise à jour de l'application Codex pour macOS et Windows, qui ajoute l'utilisation de l'ordinateur.
Motif de la recommandation :L'original énumère les nouvelles capacités de Codex sur macOS et Windows, ce qui permet de juger comment elles s'intègrent aux flux de travail des développeurs.
Google DeepMind présente Lyria 3 Pro, une version avancée de son modèle de génération musicale capable de créer des morceaux allant jusqu'à 3 minutes avec une meilleure compréhension de la composition, permettant de demander des intros, couplets, refrains et ponts. Le modèle arrive en aperçu public sur Vertex AI et rejoint Google AI Studio, l'API Gemini, Google Vids, l'application Gemini et ProducerAI, avec un déploiement auprès des clients Workspace et des abonnés payants. Toutes les sorties sont marquées par SynthID et le modèle ne reproduit pas les artistes nommés dans les prompts.
Motif de la recommandation :Lyria 3 Pro allonge la génération à 3 minutes avec une conscience structurelle, et son intégration à Vertex AI, AI Studio, Vids et Gemini éclaire les usages professionnels.
Hugging Face présente Modular Diffusers, une nouvelle façon de construire des pipelines de diffusion en composant des blocs réutilisables.
Motif de la recommandation :L'article détaille la composition par blocs des pipelines de diffusion et l'intégration avec Mellon, ce qui permet de juger de la flexibilité offerte pour construire des workflows personnalisés.
Photoroom publie le troisième volet de sa série PRX, consacré à un speedrun d'entraînement d'un modèle text-to-image en 24 heures sur 32 H200.
Motif de la recommandation :L'article détaille la recette complète d'un entraînement text-to-image en 24h sur 32 H200 pour environ 1500 dollars, avec code open source.
Google DeepMind met en beta Lyria 3 dans l'application Gemini, un modèle de génération musicale qui produit des pistes de 30 secondes à partir d'un texte ou d'une photo.
Motif de la recommandation :Lyria 3 est déployé dans l'application Gemini en beta avec génération de pistes de 30 secondes à partir de texte ou d'images, ce qui permet de situer les capacités musicales grand public de Google.
Google DeepMind ouvre l'accès à Project Genie, un prototype de recherche expérimental réservé aux abonnés Google AI Ultra aux États-Unis (18 ans et plus).
Motif de la recommandation :Le prototype détaille trois capacités concrètes et les limites connues du modèle Genie 3, utile pour situer l'état réel des world models.