Зумеры изобрели обмен контактами Теплые интро – лучший инструмент B2B продаж, и BNI – не единственный, кто пытается их монетизировать. Американский #стартапдня PartnerHQ делает на этом рынке классический маркетплейс. В роли типичного заказчика компания – поставщик каких-то услуг или продуктов. В объявлении она описывает, к кому хочет попасть и назначает награду за знакомство. “Ищем CIO или его зама в ритейле с выручкой порядка миллиарда долларов в год, платим 500 баксов,” – примерно так это выглядит. Исполнители – потенциальные помогайки с большим количеством знакомых в корпоративном мире. В своем интерфейсе они видят список запросов, фильтруют тех, кому могут помочь – и, как говорится, есть контакт. Сводник зарабатывает комиссию, ParnerHQ комиссию с этой комиссии, поставщик – теплый лид, а CIO – серию бесплатных обедов. Формальная арифметика с запасом сходится у всех. 500 долларов за пару кликов и одно письмо – очень хорошая сделка почти для кого угодно, и одновременно те же 500 долларов – просто ошибка округления в процессе серьезных B2B-продаж. PartnerHQ запустился в 2023 году. В начале 2024 он прошел YC, а осенью того же года закрылся. Видимо, лобовая монетизация записной книжки выгорает слишком быстро. Если вас кто-то начнет слишком часто знакомить с продавцами квартир в Дубае, такие интро тоже быстро перестанут быть “теплыми”. #seed #сша #классифайд #crm

Мускриптор: Audio To MIDI Kyutai(да, те самые, с реалтаймовым голосом) вместе с MireloAI выпустили MuScriptor - открытую модель, которая превращает готовую песню в набор отдельных MIDI-партий. Она умеет «услышать» барабаны, бас, клавиши, вокал и другие инструменты прямо из финального микса, Без Исходных Дорожек. Еще раз - в отдельные MIDI-дорожки для разных инструментов. Причем ей не нужны исходные мультитреки - она работает прямо с финальным сведенным миксом. Демо: https://muscriptor.kyutai.org/ Код: https://github.com/muscriptor/muscriptor Папира: https://arxiv.org/abs/2607.08168 А теперь представим: берем трек из Суны, разбиваем на МИДИ, суваем в Суну. Аранжировщики, чо. Для Гиков:

MuScriptor обучали в три этапа. Главная проблема музыкальной транскрипции в том, что почти не существует больших наборов данных, где готовая песня идеально размечена по нотам и инструментам. Поэтому сначала исследователи использовали около **1,45 млн MIDI-файлов**, в которых вся эта информация уже содержится. Из каждого MIDI во время обучения автоматически создавались десятки вариантов звучания: менялись инструменты, темп, тональность и громкость, после чего композиция **озвучивалась с помощью более 250 различных виртуальных наборов инструментов**. Благодаря этому одна и та же мелодия каждый раз звучала по-новому, а модель училась распознавать музыку в самых разных вариантах исполнения. Но синтетическая музыка слишком отличается от реальных записей. Поэтому второй этап — дообучение на **170 тысячах настоящих треков** (более 11 тысяч часов аудио). Перед этим MIDI автоматически синхронизировали с живым исполнением, чтобы ноты максимально точно совпадали с записью. В основе MuScriptor лежит Transformer, который получает спектрограмму аудио и генерирует последовательность MIDI-событий: определяет, какие ноты звучат, когда они начинаются и заканчиваются, а также каким инструментам принадлежат. Модель также может учитывать заранее известный список инструментов в композиции, что заметно снижает количество ошибок. Финальная настройка выполнялась с помощью **reinforcement learning** на 300 тщательно проверенных композициях. Вместо оценки отдельных нот модель училась максимизировать качество всей транскрипции целиком. Именно сочетание масштабного обучения на синтетической музыке, большого объема реальных записей и RL позволило MuScriptor добиться высокой точности на сложных коммерческих треках.

@cgevent

Учиться и работать быстрее или фокусироваться на главном Третье выступление было на Data Day о том, что же делать, чтобы оставаться востребованным профессионально, когда ИИ развивается сильно быстрее нас. Опять же, если кратко, то: 1) Пробовать переходить в области, являющиеся следующим рубежом для внедрения ИИ. Например, в биотехнологии или робототехнику. Там произошло много всего важного за последнее время: успехи CRISPR, создание с помощью ИИ новых белков, моделирование с помощью ИИ ДНК, VLA модели и доступность роботов - те же гуманоиды unitree стоят как машина, а не как чугунный мост, а для учебных целей есть много всего недорогого. При этом еще куча интересных задач впереди. 2) Брать традиционные способы эффективного обучения и повышения продуктивности (интервальные повторения, вспоминание, рефлексия про что и зачем ботаем, симуляция применения знаний в реальной ситуации, GTD, zettelkasten, ТРИЗ, и так далее) и применять уже с помощью ИИ. ИИ здесь помогает решать главную проблему всех этих методов - сложность поддержания системы и её постоянного использования. Идея в том, что предугадать мир через пять лет или даже через два года довольно сложно, так что нужно уметь быстро изучать и применять новое. Отдельное внимание нужно уделять тому, чтобы измерять эффект, т.к. частая история с ИИ - ощущение «стал на X% быстрее работать” при фактическом замедлении, а не ускорении. 3) Не делать из этого карго-культ и помнить, что многие выдающиеся результаты получены теми людьми, которые не закрыли больше всех задач, а лучше фокусировались на главном и избегали забивания своего рабочего дня нерелевантными вещами. Неожиданным для меня итогом всех трех выступлений стала позитивная обратная связь от слушателей, потому что обычно я веду лекции про конкретные кейсы применения ИИ в бизнесе или про то, как модели работают внутри (даже в научпоп формате), а тут темы такие водянистые, что кто первый халат надел, тот и доктор. Но все прошло удачно в том смысле, что слушатели, которым понравилось, везде нашлись. Так что видимо пока можно продолжить разнообразить репертуар :)

Получены первые ранние человеческие яйцеклетки из стволовых клеток Компания Conception сообщила, что впервые получила ранние человеческие яйцеклетки из стволовых клеток. Началось всё с простого забора крови. Клетки крови перепрограммировали обратно в стволовые, а из них вырастили не отдельную клетку, а целые миниатюрные яичники, трёхмерные шарики из клеток, внутри которых будущие яйцеклетки сами начали вести себя как в настоящем органе, проходя те же стадии развития, вплоть до мейоза. На мышах такой путь уже прошли ещё в 2016 году, и полученные из клеток кожи яйцеклетки дали здоровое потомство. У человека до зрелых яйцеклеток пока далеко. Но если дорастить их удастся, забор крови сможет заменить гормональные уколы и хирургию, через которые сегодня проходят при ЭКО.

Самая большая проблема любого AI видео - речь 😬 Картинка в аи видосах уже почти неотличима от съемки даже для меня, а вот речь - все еще главный индикатор. По возможности я стараюсь генерировать войслес видео, но иногда тестирую концепты с говорящей головой или войсовером. Делюсь лайфхаками, которые я для себя нашла (работает и для text2speech, и для text2video) 1. Эмоция + действие + реплика - вместе 🥰 эмоции делают нас живыми, так что вместо "она говорит: привет", стоит прописать "она устало улыбается, отводит взгляд и тихо говорит: привет". Модель подстраивает мимику, темп и интонацию под описание. Тоновые слова (weary voice, shouts excitedly) пожалуй самый дешевый способ убрать робовойс. Можно прописать акцент, хрипоту, особенности 2. Короткие реплики и правильный синтаксис 😎 В Veo реплика идет после двоеточия, в Seedance - в двойных кавычках, лучше это заранее проверить в документациях разных моделей. Также если задаете длину видео, прикиньте что человек успеет все это сказать - иначе получится голосовое на 4х 3. Акустика и микс прямо в промпте 🚬 "в микрофоне слышен ветер, комната 10 кв метров", "громко говорит в огромном храме со сводами 20м в высоту" - модель может прикинуть пространство вокруг по тому, что видела в обучении. Seedance 2.0 делает видео и звук одним проходом, и ей можно задать приоритет слоев по громкости: dialogue clean and prominent, music low, ambient subtle, чтобы не было каши 4. Липсинк лучше работает на крупном плане 💄 Для говорящего персонажа лучше средний/крупный план, статичная камера, лицо анфас или в три четверти. На общем плане губам не хватает разрешения и они начинают жить своей жизнью 5. Пишите как говорят, а не как пишут 😁 Никаких коротких предложений, можно вставлять слова-паразиты и мычания, вдохи/выдохи, без сложной пунктуации, но вот троеточия и тире - отлично 6. Шепот - читерский прием 😳 В ElevenLabs v3 работают аудиотеги: [whispers], [sighs], [laughs], [clears throat]. "Another long day [sighs]" звучит как живой человек. А на шепоте почти не слышно артефактов синтеза - если голос палится, переведите сцену в шепот. Аудиотэги причем анализируются можно писать кастомные, также есть режим, где модель накидывает их на текст за вас 7. Пост-обработка • срезать 2-4 кГц (тот самый AI-звон) • room reverb 5-10% wet, добавляется акустика помещения • наложить фоновый шум в зависимости от бекгрануда на примерно -50 дБ, чтобы голос не звучал как в студии • войс морферы типа телефонный звонок, плохой микрофон (но с очень маленькой интенсивностью) Я бы сказала, что промпт надо писать как художественный текст с эпитетами, а не сухой алгоритм действий - будет сочнее и натуральнее. Постпроцессинг смотреть по ситуации, но базово - убирать полированность и де-идеализировать 🤣 пару примеров скину в комментарии @neural_prosecco

Хуанг, верни хотспот! С выходом RTX 50 NVIDIA программно отключила мониторинг температуры Hotspot — самой горячей точки кристалла. Afterburner и HWiNFO теперь показывают только среднюю температуру GPU, которая может быть в пределах нормы даже при наличии прроблем. Бразильские ремонтники Гомес и Синдельсон взяли NVIDIA MODS, которая недоступна простым пользователям, и увидел на RTX 5070 Ti от Gigabyte 68 °C по среднему и хотспот 107 °C — карта пять раз подряд сбрасывала частоты, упираясь в тепловой лимит. После замены термопасты Hotspot упал до 100 °C, троттлинг прекратился. Без скрытого датчика владелец просто не узнал бы о причине проблемы, хотя замена термопасты ее в любом случае решила бы. MODS (Modular Diagnostics Software) — это закрытый диагностический инструмент NVIDIA на базе GNU/Linux с низкоуровневым доступом к GPU, предназначенный для внутреннего тестирования GPU на заводе и при гарантийном ремонте (RMA). На Windows ничего подобного нет.

💀 Половина интернета теперь пишут нейронки... умирает пацан Если мы читаем длинный пост в LinkedIn или X или ТГ или без разницы где — мы уже не уверены, человек это написал или ИИ. Хотя судя по комментариям специалистов — все всегда уверены (ведь в тексте есть ДЛИННОЕ ТИРЕ, КАВЫЧКИ и ДРУГИЕ НЕТИПИЧНЫЕ ЗНАКИ), что любой текст пишет нейронка. И в целом если делать такие предположения 100 раз, то примерно раз 50 — это будет правда... Ребята из Pangram (детектор AI-текста,который сканит ленту в X, Medium, Reddit и других ) прогнали через модель больше миллиона постов. Разбирали отдельно длинные посты (от 250 слов). Взяли калькулятор, бусы, счёты и ручки с листочками, чтобы считать в столбик. Потом всё посчитали и получились след выводы: 1. В среднем по всем площадкам — четверть длинных постов написана AI от начала до конца. Не "с помощью", а буквально без участия человека. Преславутые контент-бл.дь-заводы... 2. LinkedIn — безусловный чемпион слопа. 41% длинных постов там чистый AI, живых людей у клавиатуры — 55.2%. И что забавно: там либо чисто человек, либо чисто нейронка, гибридов почти нет (4.3%). Даже короткие посты (50-250 слов) — треть машина. 3. На Твиттере тоже четверть постов полностью AI, плюс еще 23% с его помощью. Люди пишут чуть больше половины ленты... 4. Medium — треть контента с примесью нейронки. Substack держится лучше всех, но и там почти каждый пятый пост не от человека. 5. Reddit неожиданно последний оплот человечности — постов-слопа всего 11.6%, комментарии на 98% человеческие... CEO Pangram сказал правильную штуку, что эти ваши интернеты, залитые неразмеченным AI-контентом — это грустно, но не приговор, если людям честно показывать, что сгенерено. Подобные "исследования" от компаний, выручка которых напрямую зависит от того насколько люди зохотят детектить ИИ контент, выглядят мягко говоря не объективно. Но не думаю, что эти данные далеки от правды. ссылка на статью У меня к вам вопрос. Если бы вы были всесильным и у вас было желание спасти интернет от нейрослопа — какие 2 или 3 действия вы бы сделали?

🤔Мысли вслух Недавно я писал о том, что президент и CEO Sony Хироки Тотоки продал значительную часть своих акций компании после объявления PlayStation об отказе от дисков. Так вот, он не единственный: вслед за волной критики свои пакеты акций начали продавать и другие руководители Sony. Однако есть нюанс. Дело в том, что если мне не изменяет память, то акции зачастую сбывают перед чем-то страшным, а не после. Так Джефф Безос, например, вывел очень немалую сумму в 2020 перед паникой рынка, что началась из-за пандемии. То есть факт, что главы Sony начинают сбывать акции, не говорит, мол, они одумались. Скорее он предупреждает нас о чём-то ещё хуже, что ждёт с PlayStation впереди. 😏Подписаться на IGM

Дэвид Брукс (автор «Бобо в раю» и «Путь к характеру») написал для The Atlantic лонгрид про тип людей, которых ждёт успех в эпоху AI. Ключевым атрибутом станет потребность в познании. И, в зависимости от отношения к когнитивным усилиям, Брукс предлагает три категории: ◼ Productive Passengers Люди с низким стремлением к познанию. Они используют AI, чтобы меньше думать. Хотя их продуктивность как будто растет, их собственные интеллектуальные способности атрофируются. ◼ Reluctant Optimizers Люди со средней потребностью в познании. Они осознают риски, но часто поддаются соблазну сделать свою интеллектуальную жизнь легче и проще. Что со временем снижает их любознательность и мотивацию. ◼ Mental Marathoners Люди с высоким стремлением к познанию. Они используют AI для развития собственного потенциала. Стремятся к оригинальности и глубокой работе с информацией. И взаимодействуют с AI, в первую очередь, как с партнером для дискуссий. Перевод и аудио в комментариях. → https://www.theatlantic.com/ideas/2026/06/ai-open-ai-anthropic/687689