#Нейропрожарка 🎬 Андрей Губин — «Птица» | AI Music Video Автор: Павел Жигарев Режиссёр / AI Gen Artist / Sound Producer Telegram канал: @noizlab 4K Полная версия YOUTUBE 💡 Идея Я очень уважаю творчество Андрея Губина думаю как и многие из вас. Для меня лично он один из немногих артистов российской поп-сцены, чьи мелодии, песни и музыкальный продакшен действительно откликаются в моем сердце. Сегодня попасть на его концерт практически невозможно по разным причинам. Поэтому мне захотелось представить, как современные технологии могли бы помочь ему снова появиться на экране в том образе, каким мы помним его 25 лет назад. Мне интересен ИИ не только как инструмент для развлечений и вирусного контента, но и как возможность решать реальные творческие задачи. Если когда-нибудь подобные технологии помогут музыкантам продолжать заниматься любимым делом и создавать новые работы, я буду рад принять в этом участие. 🎬 Эксперимент Для меня это новый формат — раньше я практически не работал с русскоязычными музыкальными клипами. Основная задача — проверить, как Seedance справляется с русскоязычным липсинком, и попробовать сделать максимально достоверный клип в эстетике конца 90-х — начала 2000-х. Старался внимательно подойти к деталям: внешности, мимике, причёске, одежде, локациям и общей атмосфере. Хотелось, чтобы работа стала своего рода бенчмарком — примером того, какого качества сегодня можно добиться с помощью генеративных инструментов за относительно короткое время. 🛠 Инструменты • Seedance — основная видеогенерация, анимация и липсинк. • GPT Image — работа с изображениями. ⏱️ Время производства: около двух дней. 🔎 Наблюдения Ещё год назад для подобных задач мне приходилось использовать несколько инструментов, обучать LoRA и собирать довольно сложный пайплайн. Сейчас практически всё можно сделать в одном видеогенераторе. Русскоязычный липсинк пока не идеален. Здесь я не пытался довести каждый кадр до абсолютного совершенства. При большем количестве итераций и монтажа результат можно было бы заметно улучшить. 🎵 Музыка: Андрей Губин — «Птица» Музыка и слова: Андрей Губин. Лейбл: Первое музыкальное — @firstmp Неофициальный некоммерческий фанатский проект. Все права на оригинальную композицию и фонограмму принадлежат их законным правообладателям. Проект создан без участия артиста. @cgevent

Погонял Кандинского на своем пальцевом тесте. Что ж, не знаю, что сказать. Иногда он переходит на русский, иногда оттуда лезет китайский след. Это если давать текст ту видео. И если давать на вход картинку, то получается вообще забавно (первые два). Напоминаю, что промпт такой: "One continuous static shot, no cuts. A person looks directly at the camera and counts from one to ten, holding up the corresponding number of fingers as they say each number." Интересно, что все другие генераторы по text2video запросу “person” всегда генерят женщину. И только брутальный Кандинский замахивается на китайских мужчин. Генерил я статьи локально, в Комфи и в Автоматике(Gradio), на наших бесплатных GPU от Google. Думаю, что скоро расскажу как. @cgevent

Используем ChatGPT как апскейлер до полноценных 8к 😌 Не путайте с обычным image gen, если просто закинуть туда картинку она конечно может стать четче, но разрешение останется прежним Тут фишка в другом. Агент разбивает картинку на 9 частей, апскейлит каждую по отдельности с помощью GPT Image 2, и потом сшивает обратно в одно целое Да обычные апскейлеры делают точно так же, но тут у ChatGPT преимущество в виде отличного зрения и огромных знаний о реальном мире. Скилл:

--- name: flowers-upscale description: Photo to 8K; 2/3-pass contextual AI crop enhancement and registered blending. --- INPUT S=uploaded photo; missing→request. Unspecified→ask "2 passes (recommended) or 3? 8K default; another resolution?" Await choice. N=2|3; L=specified longest edge else8192; preserve aspect. Discover available AI image-editing+raster-processing capabilities; missing→report requirement. Use environment-native tools/paths; create helpers as needed. Preserve S; separate outputs. Execute end-to-end after choice. E(C): inspect; AI-edit inputs=[S=context,C=target], maximum practical supported resolution; retain actual output dimensions. Prompt=Q+only relevant material constraints. Concurrent independent calls where supported; persist outputs+source-coordinate boxes+prompts immediately. P1: S→3×3 cores; pad each side20% core dimension, clip to S→9 overlapping C→E→register/blend→M1; resize assembled M1 to L. P2: M1→4–8 padded salient ROIs(face/hair/hands/objects/textiles as present)→E→register/blend→M2. Exclude low-information regions. N=3: M2→4–8 tighter focal ROIs(individual eyes/lips/nose/fingers/material details as present)→E→register/blend→M3. Keep homologous features consistent. Every E receives S, never crop alone. Q="1=original: identity/anatomy/color/light authority. 2=target: return exact crop/framing/geometry. Reconstruct plausible photographic detail; preserve expression, pose, contours, clothing, genuine imperfections, focus falloff. Optical clarity; natural edge transitions; spatially varied texture. Repair inherited artifacts. Skin: irregular pores/fine creases, quiet intervals. Hair: cohesive groups, selective fibers, natural sparse fringe. Iris: source color, irregular branching fibers, coherent pupil, restrained reflections. Textiles: original weave direction/spacing/motifs. Avoid invented structures/marks, beautification, relighting, halos, ringing, embossed/crosshatched/repeated texture, synthetic grain, blanket sharpening." ASSEMBLE: map recorded boxes→master; global similarity registration first; bounded smooth local correction only with reliable correspondence, never distort rigid geometry/repeating patterns. Unreliable→retain prior pixels. Match broad exposure/color without transferring old fine texture. Normalized overlap/multiband blend; feather15–25% border→alpha0 at interior patch boundaries. Preserve native enhanced crops. Before next pass: inspect full image+100% focal/overlap crops; repair doubling/seams/drift/texture mismatch. ≤2 targeted retries/defect; rejected/failed→retain prior content+disclose. EXPORT: M_N→lossless PNG at L; verify dimensions+decode; deliver file+preview+prompts/settings. Describe detail as reconstructed; distinguish exported resolution from native generated resolution.

И еще важно: запускайте в Codex/Work, а не в обычном чате, и повысьте effort хотя бы до high Из минусов, думает он оооочень долго. У меня на первую картинку ушло 10 минут, а каждая следующая еще больше чем прошлая 😐 Так же можно юзать вместо GPT любого другого агента с генерацией картинок, например Gemini + нанобанана, но итог сильно зависит от мозгов агента Самое качественное у меня получилось в связке Opus 5.5 + codex cli image gen (фотка с молодым Илоном), но это был одновременно и самый долгий прогон 😁 @tips_ai #tools

Создать собственный ИИ так же сложно, как запустить космическую программу — такое сравнение привёл старший вице-президент Сбера Антон Фролов👀 По его словам, разработка фундаментальных нейросетей требует настолько больших ресурсов, что позволить себе это могут лишь немногие страны. При этом Сбер делает ставку на открытые модели: их архитектуру и устройство может изучить любой разработчик. В компании считают, что такой подход помогает не только развивать технологии, но и влиять на мировой рынок ИИ. Из свежих разработок: Kandinsky 6.0, которая генерирует видео сразу со звуком, и GigaChat 3.5 Reasoning, умеющая рассуждать при решении сложных задач😏😏

🙃 Magnific выкатили новую модель для картинок Magnific One Что за модель в основе - не известно Но есть повод потестить: в Desktop до 15 октября будет безлимит Режимы: Draft даёт сетку из 8 или 16 вариантов для поиска идеи. Final генерирует по Brand Kit и показывает, соответствует ли картинка бренду. Правки: шрифт, цвета и текст меняются без перегенерации. Auto Layers раскладывает картинку на слои, Designer даёт полный контроль над векторами. По моим тестам модель показала себя хуже чем GPT 2,5, но все же результаты достойные, плюс низкая цена и возможность бесплатных правок подкупает Пишите, как модель вам, кидайте примеры что получается, интересно посмотреть @creadvice

🧠 ИИ, который сразу выбирает ответ K2-Type-0.9B от IFM получает контекст в виде текста или JSON, вопросы и варианты ответа. За один проход возвращает вероятности, без генерации текста. Три режима: • да / нет; • выбор из заданных вариантов; • оценка по шкале. Можно представить такой компонент внутри агента: определить категорию обращения, выбрать инструмент или оценить приоритет задачи. По замерам авторов, на публичной части JevBench модель решила 176 из 231 задания, около 76%. Медианная задержка на H200 составила 27 мс. Веса доступны под Apache 2.0. Есть важное ограничение: модель выбирает только из предложенных ответов. Если нужен вариант «ничего не подходит», его придётся добавить самостоятельно. Многошаговые вычисления тоже остаются слабым местом. https://huggingface.co/spaces/IFM/k2-type-0-9b

Ну за Лост Филм Сейчас по сети гуляет видео, где Бен Аффлек демонстрирует чудовищную осведомленность в вопросах машинного обучения и написания Python-скриптов. Я нашел этот кусочек, но чтобы сделать его более доступным для широкой публики, я просто бросил его в ChatGPT Work и сказал: брат, пожалуйста, переозвучь его на русском. И всё. Никаких больше ухищрений с транскрибацией, с привлечением каких-то тулов. Просто бросил видео и сказал переозвучь. Он сожрал это видео, сказал, что у меня в интерфейсе HeyGen сейчас недоступен, и робко задал только один вопрос: можно мне использовать бесплатный Microsoft для озвучки? И всё, и выдал мне ролик. Там вначале немножко криво с ударениями, но потом выглядит просто как озвучка какого-нибудь кубик в кубе. Я немного в шоке. Просто кидаешь видео на английском и получаешь озвучку на русском. Ps. Вначале он мне сделал чисто русскую озвучку. Вторым промптом я его попросил сохранить английскую на 25% громкости и наложить русскую. Он сделал это примерно за 13 секунд. @cgevent

С нейронками невероятно эффективно и удивительно тяжело создавать новое знание Я развиваю несколько продуктовых методологий, так что моя работа — создавать новое знание. Я занимаюсь этим почти каждый день уже 8 лет. До нейронок, один инсайт рождался за несколько часов. Это было медленно, мучительно, захватывающе и невероятно увлекательно. Каждый инсайт ощущался одновременно как подарок на день рождения когда мне было восемь лет и как большое достижение. У меня были рабочие рутины: блокнот A4, я много думал пока рисовал схемы и логические переходы, искал информацию, читал научные статьи, книги по бизнесу, экономике и психологии. Рождение нового инсайта или новой области знания происходило постепенно. Теперь, когда у меня в параллель в нескольких вкладках крутится Claude Code, я могу генерировать ОГРОМНОЕ количество инсайтов в день. В мае я запланировал месячный отпуск, который неожиданно превратился в безумный рабочий спринт. Я подробно расписал около 200 тезисов о своих методологиях, которые раньше были на уровне плохо описанных идей, и нашёл ещё 100+. Это ОЧЕНЬ много. В хороший год я мог найти или описать около 100 тезисов. Спринт начался с идеи: «А что, если валидировать или открывать тезисы методологии с помощью нейронки?». На следующий день я уже работал по 14 часов в сутки. Я был в диком восторге. Но при этом перевозбуждён и фрустрирован. При обычном процессе, инсайты рождались межденно и они рождались в моём мозге и психике. С Claude Code развитие идеи часто происходит мгновенно, а инсайт часто рождается внутри клодика. Я лишь валидирую и дорабатываю его. Объём информации, проходящей через мой мозг во время генерации и валидации с Claude Code, огромен. В итоге я ощущаю себя так: • за день я создаю много инсайтов • я перевозбуждён от объёма мыслей и эмоций • я не чувствую, что они результат МОЕЙ интеллектуальной работы • через неделю я забываю 2/3 этих инсайтов, чего НИКОГДА не случалось, когда инсайты приходили ко мне по-старому Это очень странные ощущения. Но всё равно безумно эффективно. 10/10, хайли рекомендасьён. Думаю, отчасти проблема была в Opus 4.8, тогдашней SOTA-модели, которая выдавала ужасный текст, от которого плавились мозги. Но я также думаю, что нам нужно переосмыслить рутины и психологию творческой работы в эпоху нейронок. [на мой взгляд, модели Anthropic гораздо лучше подходят для творческой работы]

На фоне недавней новости из Anthropic вспомнилась история про то, как в 17-18 веках в Европе было принято отучать дворянских детей от жестокого обращения с животными, но не потому им, животным, больно, а потому что it's bad for your soul в том смысле, что вырастет черствый жестокий человек уже по отношению к людям. Например, об этом писал Джон Локк. Вообще мысль о том, что у животных есть сознание и даже чувства, кажущаяся нам (я надеюсь) сегодня очевидной, тогда была дикой. В ходу была концепция животных как автоматов (Animal Machine). Показательный случай с картинки произошел в 1822 году когда некто Ричард Мартин привел осла в суд, чтобы показать его травмы. Мартина осмеяли СМИ, но в историю он вошел, и окно овертона подрасшатал, за что ему спасибо. Так вот, к чему это я. Некоторое время назад я стал замечать, что самый эффективный тон общения с нейронками, императивный и effortless (писать с ошибками, не утруждаться развернуть мысль и проч.), негативно афектит и тон общения с людьми.

#Нейропрожарка Реклама энергетического напитка, концепт. Автор: @Garr_ai Фото: gpt-image 2, nano banana, seedream 5.0 pro (оказалась крутой моделью для генерации окружения, дает очень реальные, чистые фото, без гпт-мазни); Видео: Seedance 2.0/2.5 в 720p. На момент выхода 2.5 у меня уже было отснято 3/4 сцен, поэтому 2.0 тут гораздо больше. Кое-что я переделал из 2.0 в 2.5, но разные версии сиданса с одним и тем же промтом работают довольно-таки по-разному, поэтому почти все готовое я оставил в 2.0; Аудио: звуки, sfx, некоторое муз. оформление и часть речи - нативно сам сиданс, основная музыка и речь - Seedaudio 1.0, которая также оказалась отличной омни моделью для аудио. Говорит она по-русски гораздо лучше сиданса, принимает аудио референсы, а выдает все что хочешь: фоновые звуки, эффекты, песни и пляски. Можно написать пьесу с диалогами, музыкой, всеми звуками и передавать по радио. Поэтому здесь без суны и без элевен лабс. Апскейл: Topaz Монтаж: DaVinci Resolve По времени и деньгам: 1,5 мес. подписки ранвей анлимитед. @cgevent

GRACE Метод сжатия латентов от KAIST AI и Kakao Corp: сжимает видео-автоэнкодер так, что DiT работает на 8× меньшем числе токенов. Ускорение 11.1× при том же качестве по VBench. • Сжимает предобученный автоэнкодер #Wan21 без потери совместимости с DiT • Генерация видео с 8× меньшим числом латент-токенов • Качество на уровне полного пайплайна по VBench • Без переобучения DiT с нуля — легкая адаптация LoRA • Wan2.1-I2V-14B: 32.8k → 4.3k токенов • Ускорение 11.1× при 480×832, 15.5× при 736×1280 • Инференс 78 с против 863 с на A100 80GB • Асимметричный денойзинг: база чистится раньше остатка github.com/cvlab-kaist/GRACE huggingface.co/chimaharicox/GRACE #optimiozation #t2v #i2v MAX

Роботы, нейросети и экономика: репортаж с Московского стартап‑саммита Робот может отлично работать на демонстрации, но бизнесу ещё предстоит понять, окупится ли его внедрение. В медицине нейросети уже помогают обрабатывать данные пациентов, однако окончательное решение остаётся за врачом. А в строительстве цифровые модели зданий пока упираются в проблемы с данными и готовностью компаний менять процессы. Такие вопросы обсуждали на Московском стартап-саммите, где за два дня успели поговорить о робототехнике, агротехе, медицине, образовании и строительстве. Причём рядом с футурологическими прогнозами на 10 лет шли вполне приземлённые разговоры о стоимости оборудования, инвестициях и запуске пилотных проектов. Получился репортаж о технологиях на разных стадиях развития — от прогнозов и прототипов до решений, которые уже пытаются встроить в повседневную работу.