#Нейропрожарка Эксперимент: рекламный ролик «ПЕРЕКЛЮЧИ СЕБЯ» для Gorilla Energy в стиле рваного MTV-монтажа Автор: Режиссер-оператор @Aktas_k Срок: 2 дня. Как всё началось: Принимаю участие в челендже. Одним из заданий было создать рекламный ролик в стиле эпохи MTV - клиповый монтаж. Самому стало интересно проверить как справится нейронка с клиповым MTV-монтажом. Взял реальный продукт — банку Gorilla Energy Green Boost, написал жёсткий посекундный сценарий на 30 секунд — концепция «старый кинескопный телевизор, по которому щёлкают каналы». При написании сценария ставил задачу нейросети в каждом шоте сохранять стиль. Пайплайн: Сценарий и концепция - Fable5, Референсы (фото) Fable5, доработка в Nano Banana. Промты - Fable5. Весь видеоряд — Seedance 2.0. Придерживался правила: одно движение камеры на план (crash zoom ИЛИ whip pan ИЛИ орбита). Главный производственный вывод: просить у модели Seedance 2.0 CRT-эффекты, static и datamosh — лотерея. На каждый шот приходилось делать несколько генераций. Больше 3–4 планов в одной генерации — качество заметно падает. Мелкий текст и логотипы плывут — лечится только референс-листом и повторами формулировок. Технические детали: Видеоряд: Seedance 2.0 Референс-лист банки: Fable5 Промпты: Fable5 писались от сценария, на английском, по формуле «стиль → референс → таймкоды планов → аудио → запреты» Музыка: Suno Монтаж: CapCut Итог: MTV-монтаж генерацией сделать можно, только необходимо прописывать жесткий тайм код и профессиональные операторские термины для камеры. @cgevent

Вышла обновленная модель Opus 5.0, я сразу же затестила ее в клодике. Модель замечательная — умнее и быстрее предшественников. Но вот, блядь, незадача: она намеренно делает опечатки в своих же текстах. Даже если речь идет про создание лендингов на копоративный сайт, где опечатки точно не могут быть частью ред. политики. Типа где-нибудь в предложении специально не поставит запятую, пропустит букву, накосячит с падежом. Это не одна случайная ошибка на 50 страниц. У меня стабильно где-то одна опечаточка на абзац. Нейросеть, обученная на огромном количестве человеческих текстов, такая: «Кожаные мешки тупые и регулярно делают опечатки... значит, и мне надо». Я никогда в жизни вообще такого не видела. И че это такое, Дарио Амодеи? Чтобы в понедельник у меня на почте был отчет. А если нет, то я эксалирую сразу до Лукашенки.

Меня уже начали копировать😅 Сегодня скинули ссылку на видео девушки, эксперта по ИИ, которая показала что создала свой SEO портал. И он 1 в 1 как мой) Это такой угар) Мне просто лень было делать нормальную шапку, и я оставил ее такой конченной, с перечислением просто подразделов что есть внутри. И она ее скопировала. Даже кнопку такуюже сделала. Про карточки и статьи внутри я вообще молчу) Как я к этому отношусь? Да мне впринципе глубоко похуй на нее. Скопировать фронтенд, это еще не значит что все полетит. Я проделал большую подготовительную работу по семантике и SEO подготовке. Это и дало такие результаты. А такого seo движка у нее нет. И кстати это не первый случай в моей жизни. И даже не первый случай с нейросетями. В прошлом году близкая знакомая месяц работала со мной, а потом за моей спиной просто скопировала мой курс 1 в 1, и запустила его с другим крупным блогером который на тот момент вообще ничего не понимал в ИИ ) Ну им с этим жить. А я сегодня уже 400 визитов пробил за сутки!

#Нейропрожарка Название: Cypher Автор: Rahma Inst: "@Rahma 3.14" Вчера Рахма сорвал овации и аншлаг. Наградим его второй прожаркой подряд. Тем более, что он предоставил очень много годноты в коментах. Идея: Это история о том, как человек не может принять боль утраты и пытается сбежать от реальности при помощи современных технологий. Детали производства: Весь проект был создан за 2 недели. Пайплайн по этапам: Пре-продакшн: Написание полного сценария, а затем составление подробной сценарной таблицы с чётким прописанием планов, ракурсов и крупностей для каждого кадра. Персонажи и Локации: На основе референсов создавались ключевые изображения в Banana 2. Типажи персонажей подбирались с опорой на референсы из компьютерных игр. Генерация видео: Финальная анимация строилась полностью в Kling 3.0. Использовался метод генерации по первому либо по первому и последнему кадру (First/Last frame) на базе ранее сгенерированной раскадровки. Постпродакшн: Сборка, монтаж и финальная доработка проекта в After Effects. Время и деньги: Время: 2 недели . Бюджет: ~$70 (максимум до $100). Инструменты:Nano Banana 2, Kling 3.0, After Effects. @cgevent

умеют ли ллм слушать аудиодорожки? 🎧 я, конечно, не просто распознавание речи в текст, но и про то как понять интонации и разные акустические события С видео все давно понятно - почти любая модель режет его на кадры с требуемой частотой кадров и разбирает как картинки. Со звуком - большинство агентов запускают скил на распознавание речи, но есть и исключения классический пайплайн выглядит так: перевести в текст/токены - ллм анализирует вход и выдает текст - текст генерируется в речь, то есть модель получает расшифровку, а не звук, так работает например voice mode у клода. Быстро и дешево, но по дороге теряется тон, ирония, эмоции, кто говорит, неречевые события 😳 Впрочем есть и нативные аудио-модели, у которых звук подается прямо в контекст как токены, наравне с текстом. Технически это делается двумя способами: либо аудио-энкодер переводит сырой звук или спектрограмму в эмбеддинги, либо нейрокодек сжимает звук в дискретные токены - и во втором случае модель умеет не только слушать, но и говорить сама, без стороннего синтеза речи. Проще говоря, для одних ллмок для работы со звуком нужны внешние тулы (будь то простое распознавание речи или комплексный анализ эмоций и тональностей), а другие при обучении видели не только картинки и текст, но и аудио (а точнее все вместе), а это значит, что умеют с ним работать 🤑 вот пара примеров таких моделей: • Gemini - самый универсальный вариант, разбирает музыку и не-речевые звуки (жанр, эмоция трека, шумы на фоне), различает спикеров, понимает таймстемпы. Правда, пока не настолько хорошо, чтобы стабильно разобрать любой трек на аккорды • OpenAI - в июле выкатили апдейт, где модель слушает и говорит одновременно, поддакивает «mhmm» и перебивается как живой человек и умеет понимать простые речевые события и интонации • Qwen3-Omni - лучший опенсорс по результатам замеров на бенчмарках - анализ музыки по стилю и ритму, 19 языков. И единственная модель, которую я все еще не попробовала в контексте музыки и звука 🤨 Предполагаю, что это активно используется в ai кол-центрах (например анализ эмоций клиента), вся работа с генерацией музыки, разметка звуковых событий, и из менее очевидного что мне запомнилось - мониторинг различных инструментов на предмет поломок на заводе (например станков) или даже подсчет птиц в лесу. "Зачем я прочитал этот пост, если я не работаю в аудио стартапе" - могли подумать вы 😑 Мое личное предположение - использовать для поиска и генерации трендовой музыки в маркетинге, как сейчас многие уже делают с видео креативами. Ну и просто потому что 7 лет моего опыта в аудио процессинге никуда не делись и мне все равно интересно поглядывать, что там происходит 🐵 @neural_prosecco

Что происходит с мозгом, когда за него думает бот В психологии есть понятие «когнитивная разгрузка» — cognitive offloading. Суть простая: мы перекладываем умственную работу на внешние инструменты. Память — на записную книжку. Устный счёт — на калькулятор. Ориентирование в городе уже на навигатор. Явление изучено давно и хорошо задокументировано, и само по себе оно не приговор: человечество так живёт веками. Вопрос в том, что происходит, когда внешний инструмент берёт на себя почти любую умственную задачу сразу. В издательстве The Verge вышла интересная статья. Нам показалось, что её будет любопытно обсудить. Исследования на эту тему пока в младенческом возрасте, но первые сигналы есть. Ранние работы указывают, что регулярное использование ИИ ослабляет ровно те навыки, которые оно заменяет. В одном исследовании у пользователей чат-ботов при выполнении определённой задачи зафиксировали заметно меньшую активность мозга. Другие работы связывают общение с ботами со снижением навыков критического мышления. Важная оговорка: ничего из этого не доказано. Данных мало, методики разные, причинно-следственную связь никто не установил. Утверждать «нейросети делают вас глупее» на таком основании нельзя. Зато есть исторический ориентир. Понадобились годы, чтобы разобраться, как поисковики изменили механизмы запоминания информации, и ещё больше времени — чтобы понять влияние соцсетей на внимание и самочувствие. Причём разбирались постфактум, когда технология давно вошла в быт. Кстати, у соцсетей и чат-ботов есть общая родовая черта: и те, и другие спроектированы удерживать пользователя как можно дольше. С соцсетями это в итоге вылилось в государственные ограничения, вплоть до запретов для детей и подростков в ряде стран. С ИИ, похоже, будет та же история, только на большем масштабе: у одной OpenAI больше 900 миллионов активных пользователей в неделю, а надёжные данные о влиянии на сознание наука соберёт в лучшем случае через несколько лет. Будет очень интересно почитать эти исследования. А вы на себе замечаете отпечатки общения с чат-ботами? @vselennayaplus