Нейросети создали у бывших ссм-щиц, которые бывшие маникюрщицы, что можно ничего не знать и рубить бабло. Открыла Seedance, вбила «красивая девушка идёт по пляжу, кинематографично, 4K», получила пять секунд картинки. Всё, теперь она AI-продакшн. Прайс от 15 тысяч за ролик, в шапке профиля «AI-режиссер», в сторис кейсы, где все красиво и ничего не происходит. Но есть одна проблема. Оживить картинку промтом — это 10% работы. Может, меньше. Это последняя кнопка в длинной цепочке, которую вы даже не видите, потому что никогда ее не проходили. До этой кнопки есть идея. Не «сделаем красиво», а мысль, которая решает задачу бренда и цепляет человека за три секунды, пока он не пролистал. Есть сценарий, где у каждой секунды есть функция. Есть драматургия: завязка, конфликт, поворот, развязка — да, даже в пятнадцатисекундном ролике. Есть раскадровка, где продумано, какой план за каким идёт и почему. Есть монтажная логика, ритм, крупности, направление взгляда, склейки. Есть свет, цвет, звук, музыка, саунд-дизайн. Есть непрерывность персонажа из шота в шот, а не новое лицо в каждом кадре. Есть брифинг с клиентом, правки, согласования, дедлайны и умение объяснить маркетологу, почему его пятая правка убивает ролик. Этому не учат на курсах за выходные: годы уходят на то, чтобы научиться слышать, что клиент на самом деле хочет, а не что он говорит, и держать проект, когда все летит к чертям за день до сдачи. Это опыт, набитый шишками на десятках проектов, и его не сгенерируешь никаким промтом. А потом — да, промт. Который, кстати, тоже пишется не словами «эпично и красиво», а языком камеры, блокинга и действия. Потому что нейросеть не знает, что такое хорошее кино. Это знаете (или не знаете) вы. Именно поэтому рынок завален роликами, которые выглядят как дорогая заставка и не продают ничего. Красивые кадры без истории — это обои. За обои бренды платить перестают очень быстро. Нейросеть — это камера. Очень крутая камера. Но камера никогда не делала из человека режиссера. Раньше купить RED было дорого, и это отсекало случайных людей. Сейчас «камера» стоит 30 долларов в месяц, и порог входа упал до нуля. Порог входа. Не порог качества. Инструмент доступен всем. Насмотренность, драматургия и понимание продакшна — нет. И вот за это клиенты в итоге и платят. Так что люди без знаний и умений — наслаждайтесь, пока можете. Дикий запад заканчивается, рынок уже трезвеет, и за борт вас выкинут без выходного пособия.

#Нейропрожарка Название: Что если бы Томми Шелби сыграл Джейсон Стэтхем Авторы: Иван Спиридонов Дмитрий Иванов Идея Реализовали экспериментальный эдит по «Острым козырькам»: заменили Киллиана Мёрфи на Джейсона Стэтхема. Суть в том, что сначала Стэтхема хотели взять на роль Мерфи и мы решили посмотреть как бы он выглядел в ней. Взяли популярные сцены разной сложности. Для выполнения разработали собственный воркфлоу на Wan Animate и протестировали Minimax H3. Версия в хорошем качестве Производство 1. Монтаж и отбор Смонтировали сцены из сериала — короткие, динамичные, с блюром и тёмным светом. Осознанно взяли несколько заведомо очень сложных шотов. Спойлер: если бы не своевременный выход Minimax H3, мы бы их удалили 2. Референсы Можно просто закинуть фото Стэтхема, так проще. Но лучше делать замену прямо на референсном кадре из сцены — тогда animate понимает, как персонаж должен выглядеть в этом свете и гриме. С этим справился только GPT Image 2. Для боковых ракурсов собирали character sheet с разными углами головы и эмоциями (для Minimax) 3. Базовый пайплайн — Wan 2.2 Animate V1 (локально, ComfyUI) — Маска: в основном автоматом через SAM3; кадры посложнее размечали в Premiere, самые жёсткие — ротоскоп в After Effects. — Кроп кадра по маске, чтобы отдать генерации максимальное разрешение. — Препроцессоры анализируют позу и мимику. Иногда отдельно записывали себя на видео и переносили эмоции со своего лица — с оригинала мимика часто читается плохо. — Генерация и анкроп обратно в исходное видео. — Опционально — цветокор лица под кадр. Нюансы 4. Где Wan Animate не вывозит — Перекрытия лица: нет контекста, объекты перед лицом ломают генерацию. — Микродвижения лица теряются, а именно они дают естественность. — Иногда уплывает схожесть - лечится генерацией конкретных ключевых рефов. — Динамика с моушн-блюром и плохим светом: неверно определяются движения и состояние глаз. — Изменения на лице (кровь, брызги) не анимируются вообще. Текстовый энкодер староват, модель под такое не обучена. FLF-кадры не помогли. Из-за этого пришлось бы выбросить несколько сцен. 5. Minimax H3 (локальная версия) Прогнали проблемные шоты через него - и они перестали быть проблемными. — Кровь. Точно перенёс кровь с исходного видео на заменённое лицо. Референсы: лицо + свап одного из первых кадров для контроля эстетики. — Динамичная сцена в баре. Нужно было объяснить модели, кого именно свапать из толпы. Сделали маску ротоскопом в AE и подали на вход: исходное видео с белой маской на лице + кроп лица (чтобы модель видела поворот и эмоции) + реф лица. — Мимика. Движения губ и глаз читаются заметно лучше на многих шотах, Wan Animate это просто не считывал. — Углы головы. Как omni-модель ест character sheet целиком. На одном рефе глаза оставались «от Киллиана Мёрфи», на character sheet — уже нет. — Цензуры на суицидальные и жестокие сцены, оружие и авторские права нет. 6. Сравнение с сервисами Kling 3.0 Omni Edit: в сцене с выстрелом ловим NSFW; в сцене с кровью из носа результат чище, но сама кровь выглядит крипово. Ни один другой сервис эти шоты бы не пропустил — пистолеты, актёры, жестокость, кровь. 7. Минусы Minimax H3 — Шаг в 17 кадров против 4 у Wan. Собрали небольшой блюпринт в ComfyUI, который дописывает кадры в конец, чтобы выход точно совпадал с исходником по таймингам, — иначе модель догенерирует и растянет контент. — Нет маскинга. С маскингом нередактируемая часть видео не меняется по качеству и цвету, нет сдвигов по таймингам и объектам, плюс открывается композитинг. Очень ждём нативную поддержку у omni-моделей. — Отсюда же общее ухудшение качества всего кадра даже на прогоне в 1080p. Время выполнения: 2 недели Затраты: 0р. Все выполнялось локально в нашем случае. Железо: 5070ti/4080 16gb + 64gb озу @cgevent

Meridian Еще одна модель от Viggle AI на базе #MiniMaxH3 Генерирует новые ракурсы уже снятого видео. Возвращается к моменту события и снимает его заново с камеры которую выбирает юзер Возможности: - Камера: орбита, наезд, панорама, подъем — путь из нескольких ключевых кадров - Буллет-тайм - Замедление и ускорение - Работает и от одного изображения VGGT-Omega строит геометрию и позиции камер из исходного видео, рендерится варп-референс вдоль выбранного пути, а Meridian дорисовывает скрытые области Файнтюн трансформера MiniMax-H3 без текст-энкодера на инференсе, 61.7 ГБ bf16 + LoRA 2.5 ГБ, 4 шага. Выход 768p Большие движения камеры дают артефакты, скрытые поверхности не восстанавливаются а генерируются. Пока только на B200 HF Демо #cameracontrol #novelview VK | MAX

Viggle Mine Демоспейс с продвинутой оберткой над Viggle Animate для замен персонажа в сложных сценах. Когда герой отворачивается уходит в толпу или возвращается мелким планом идентичность не теряется. Два режима. Standard — прямая длинная генерация. Smart — полный пайплайн: трекинг точек (TAPNext++), контроль камеры (SAM), динамический зум, Pass A и опциональный Pass B для восстановления личности. Pass B работает так: после потери персонажа из кадра берется кадр где он снова виден, перерисовывается внешность, генерируется обратно-вперед вокруг точки сбоя и встраивается до обратного преобразования зума. Все окна около 5 секунд чтобы уложиться в один GPU allocation на ZeroGPU. #characterswap VK | MAX

Oyama AI Video Studio Desktop-рабочая станция для ИИ-видеопроизводства поверх #ComfyUI. Все локально: #MiniMaxH3 #LTX25 #ZImage #ACEStep — один интерфейс, без копирования моделей - MiniMax H3: T2V/I2V/Ref2VA с FL2VA и Ref2VA, Turbo LoRA (4/8 шагов), Quality/Preview пресеты, A/B сравнение - LTX 2.5 отдельное рабочее пространство с Quality (двухстадийный апскейл) и Turbo пресетами, синхронное аудио - ACE-Step 1.5 музыка: лирика/инструментал, темп/тональность/язык, FLAC - Character Studio: референсы через Z-Image → I2V turntable → Movie Creator - Mobile companion: QR-доступ с телефона для быстрых генераций - Local Ollama: промпт-улучшение, тайминг, переписывание аудио - Модели индексируются на месте, не копируются и не перекладываются - LAN по опции, с токеном #studio #t2v VK | MAX

✔️ OpenAI готова замедлить разработку, если на это пойдут остальные Сэм Альтман заявил сотрудникам, что компания готова притормозить работу над моделями следующего поколения - но только если то же сделают другие лаборатории. По данным Bloomberg, часть циклов предобучения OpenAI уже приостановила из соображений безопасности. Идею контролируемого темпа Альтман обсуждал и раньше, в том числе в Белом доме. Инициатива родилась на фоне ухода ведущих специалистов по безопасности из OpenAI, Anthropic и Google DeepMind. На этой неделе главный научный сотрудник OpenAI Якуб Пахоцкий публично призвал отрасль к координации и добровольным паузам в релизах. bloomberg.com ✔️ Cognition выпустила кодинг-модель SWE-2 Разработчик Devin обучил SWE-2 на базе открытой Kimi K3 с её 2,8 трлн параметров. По словам авторов, обучение с подкреплением впервые масштабировали на исходную модель такого размера. Вместо дистилляции экспертов использовали линейные штрафы за стоимость вычислений, привязанные к наклону границы Парето. На FrontierCode 1.1 Main модель набрала 50,0%. Инференс, по замерам Cognition, обходится на 60-75% дешевле, чем у Fable 5.1 и GPT-6 Astra. Сократили и время на изучение репозитория - на среднем уровне рассуждений агент начинает править код на 18-м шаге вместо 48-го у SWE-1.7. Модель доступна в Devin CLI, десктопе и веб-версии. cognition.com ✔️ Cursor открыл бету системы координации агентов Новая возможность Projects рассчитана на задачи, которые живут дольше одного чата: рефакторинг, миграции, крупные фичи. Координатору ставят задачу, он составляет план и раздаёт подзадачи субагентам - по заявлению Cursor, их может быть тысячи. Сам код он не пишет, поэтому никогда не занят, но умеет реагировать на события - следит за ветками Git, ловит падения CI и триггеры из Slack. Бета раскатывается на всех, о тарификации в анонсе не сообщается. cursor.com ✔️ Black Forest Labs представила модель редактирования видео FLUX Video Edit правит готовые ролики по текстовому запросу в режиме video-to-video - сохраняет композицию, траекторию камеры, тайминги и звук, меняя только указанное. Модель также умеет подгонять липсинк под новый дубляж, не меняя хронометраж. На вход идут MP4 до 15 секунд и 50 МБ, на выходе 720p при 24 кадрах в секунду. Секунда обработанного видео стоит 3 цента. Black Forest Labs в X ✔️ Филдсовский лауреат основал институт формальной верификации ИИ Канадский математик Джейкоб Цимерман создаёт центр Mathematical A.I. Safety Institute со штатом в несколько десятков специалистов, запуск которого запланирован на январь 2027 года. Параллельно Цимерман присоединится к команде безопасности OpenAI, то есть будет верифицировать в том числе собственного работодателя. Идея - перевести оценку рисков с эмпирического тестирования на строгую теоретическую верификацию и наделить модели доказуемыми свойствами надёжности, как у криптографических алгоритмов. Механизмом аудита предлагают сделать доказательства с нулевым разглашением - лаборатория подтверждает соблюдение ограничений, не раскрывая ни архитектуру, ни веса.  nytimes.com @ai_machinelearning_big_data #news #ai #ml

Object Concepts Emerge from Motion Метод учит нейросеть видеть объекты на картинке без ручной разметки просто наблюдая за движением Идея из детской психологии: младенец понимает, что части двигаются вместе, значит это один объект. Авторы применили то же к ИИ: если кусок видео движется как единое целое, считаем его объектом. Разметка не нужна, видео в интернете полно. Результат: на готовом фото модель сама разделяет машины, людей, тротуары. Сравнима с конкурентами, которых учили на дорогой размеченной разметке. Главное применение - автономное вождение: глубина, 3D-детекция, планирование пути Гитхаб HF #segmentation #video2feature VK | MAX

The Attention Triangle Исследование о том почему в аудио-видео моделях звук прилипает не к тому объекту. Пират молчит, а говорит попугай — модель все равно заставляет говорить пирата. Авторы разобрали механизм утечки и научились его чинить - Нашли треугольник внимания: три связи между текстом, аудио и видео. Главный источник утечки — двунаправленная связь аудио ↔️ видео - Интервенция на инференсе: управляют треугольником внимания, чтобы звук прикреплялся к правильному источнику — без переобучения Проверено на LTX-2. Получили практически бесплатный обходной фикс для уже обученных моделей Код ждем #research #attention #t2v #i2v VK | MAX