#Нейропрожарка 🌲 Клип «Лес» — целиком на Seedance 2.5 ⏱️ 3 дня 💰 8 000 рублей Началось с того, что я люблю поорать в машине или попеть, иногда в телефон. Когда SUNO обновили опцию с аудиорефами, где берётся не только голос, но и темп, манера, тембр, у меня под рукой уже были рефы. Suno делает не «музыку под текст», а нормальную плотную аранжировку, и манеру подачи ловит очень близко. 🛠 Один инструмент на весь клип: Seedance 2.5. Ни Kling, ни Veo, ни Wan, ни склейки из разных сервисов. Одна модель, потому что важнее была сквозная непрерывность — одни лица во всех сценах, одна цветовая логика, один грейд. Начнёшь месить генераторы — континуити расползётся, и добивать его потом цветокором. 🎤 Suno: настройки, которые решают Берёшь свою запись с телефона, где ты просто читаешь — важен темп и характер, а не красота. Кидаешь аудиореференсом. • сила аудиореференса — 95 • сила стиля — 35–45 • weirdness — 30 Размечай лирику — где интро, хук, припев. Suno это читает. И не пиши темп в промпте стиля. Вообще. Пусть возьмёт его из твоего речитатива — тогда попадание в манеру максимальное. Пропишешь BPM — начнёт тянуть на себя и уедет от исходника, но тоже можно. 🎬 Липсинк Голос идёт в Seedance аудиореференсом. Первые три генерации завалил — губы жили отдельно. Роль аудиореференса надо прописывать прямым текстом: что именно из него берётся — темп, фразировка, дыхание, порядок строк. Биты считаются по строкам куплета, а не по секундам. Не «0:00–0:03 камера облетает», а «на второй строке камера облетает». Тогда модель не нарисует кадр, не отследив, где сейчас идёт речь. Синхрон становится условием картинки, а не пожеланием. И склейка внутри спетой строки синхрон убивает — для модели два шота это две задачи, во втором она переназначает аудио заново. Резать только между строками. 🚧 Где сжигал деньги Копирайт-фильтр на выходе. Промпт проходит, генерация идёт, деньги списываются — и на выходе отказ. Фильтр смотрит результат и ловит бренды. Написал марку машины, модель нарисовала эмблему — генерация сгорела. С купюрами то же самое. Марку не называть вообще, решётку и номера прописывать пустыми. Красивый реф превращает кадр в оживлятор. Даёшь фотореалистичную картинку референсом — модель считает её кадром для воспроизведения и чуть шевелит. Камера мёртвая, объект висит игрушкой. Такое кладётся в первый кадр, а промпт занимается только движением. Ночь пишется темнотой, а не светом. Каждое слово про свет модель отрабатывает как задание светить. Расписал небо и порядок яркостей — получил дневную пасмурь. Убрал всё, оставил «всё чёрное, светлое пятно одно» — получил ночь. 🧰 Видео — Seedance 2.5. Музыка и вокал — Suno. Текст и промпты — сам, помогал Claude. Монтаж и цвет — Premiere. @cgevent

Suno бахнуло Speech Олды вспомнили про Bark Теперь оно генерирует не только пестни, но и обычную речь сразу с фоновой музыкой. Как: - Пишете текст или просто описываете идею. - Задаёте, каким должен быть голос. - Описываете музыкальный стиль. - Suno генерирует речь и оригинальную подложку вместе, одним треком. Вот это вот все для озвучки видео, историй, медитаций, рекламных роликов, подкастовых вставок, voice-over, игровых сцен и прочего spoken content. По цене пока всё просто: отдельного тарифа Speech нет. Beta доступна всем пользователям Suno. Сколько конкретно credits съедает одна генерация Speech - непонятки. Зачем это всё? Suno постепенно перестаёт быть просто генератором треков и превращается в генератор готового аудиоконтента. Музыка остаётся ядром, но теперь вокруг неё появляются речь, narration и потенциально другие виды аудио. Это уже прямой заход на территорию TTS, подкастов, аудиокниг, рекламы и озвучки видео. И главный продуктовый ход здесь не в том, что Suno научилась говорить. Хороший TTS давно существует у всех. Ход в другом: голос и саундтрек создаются как одна сцена, без отдельной генерации музыки и последующего сведения. Можно ли получить голос без музыки? Я не знаю. И надо тестировать, можно ли получить два трека отдельно для голоса и для подложки. Источники: https://suno.com/blog/introducing-speech-beta https://suno.com/release-notes @cgevent

🎼YuE2: открытая модель генерирует песни с редактируемой партитурой на уровне Suno v5 Команда китайских исследователей из HKUST, HKGAI и сообщества Multimodal Art Projection (M-A-P) представила YuE2-3B - открытую нейросеть для создания песен. Сначала она сочиняет композицию в виде читаемой партитуры, а потом исполняет её как готовый трек с вокалом. Партитуру можно поправить вручную или через LLM-агента и получить новую версию песни, а если снять ноты с чужой записи, модель без дообучения исполнит кавер в другом стиле. Примеры песен опубликованы на странице проекта. Партитуру YuE2 пишет в нотации ABC: темп, размер, тональность, такты, метки куплета и припева, аккорды и ноты. Генерация идёт в три шага: партитура, затем семантические токены, затем акустические латентные представления (латенты). Для них звук делится на фреймы по 40 мс, и каждый фрейм описывается 64 числами. Семантические токены добавляют то, что неудобно записать нотами, а из латентов отдельный вариационный автоэнкодер (VAE) собирает стерео 48 кГц. Все три шага выполняет один трансформер из 28 слоёв по схеме Mixture-of-Transformers (MoT): в каждом слое два эксперта со своими весами и общим механизмом внимания. В слепом прослушивании эксперты предпочли YuE2 песням Suno v4.5 в 57.3% сравнений против 30.5%. С Suno v5 вышла почти ничья: 40.4% против 39.9%. На бенчмарке WildSongBench у этой настройки 6.96 балла по SongBench с минимальным отрывом от ближайших конкурентов Mureka 9 (6.94) и Suno v5 (6.87). Тесты показали, что партитура делает песню лучше: с ней эксперты выбирали трек в 49.3% сравнений, без неё в 34.6%. Веса YuE2 открыты на Hugging Face под некоммерческой лицензией CC BY-NC 4.0. Код инференса и скилл yue2-music для LLM-агентов опубликованы на GitHub. Создать песню с помощью YuE2 без установки можно в бесплатном веб-демо. #Stateoftheart

#дайджест Дайджест AI/ML за неделю 7–13 сентября 2026 OpenAI: уравнения Навье-Стокса Драма недели. Внутренняя модель сильно сильнее Astra в виде роя из ~10к агентов за 88 часов доказала, что 3D Навье-Стокс с гладкой внешней силой взрывается за конечное время. Вариант без внешней силы, за который дают миллион, все еще открыт, так что на приз OpenAI не претендует. Теперь к скандалу. Тристан Бакмастер (NYU) и Левент Альпеге (Anthropic) год копали ровно этот подход с Claude и Codex и за две недели до запуска роя получили важный промежуточный результат. OpenAI признает, что не может исключить попадание переписок математиков в обучение. Deep Blue против Каспарова, только если бы Каспаров делал свои ходы с подсказками Deep Blue, а Deep Blue подсматривала стратегию Каспарова из своих подсказок. Блогпост, заявление Бакмастера DeepSeek: V4.1-Flash 552B MoE, активных 8B на prefill и 16B на decode, новая Causal Encoder-Decoder архитектура, нативное зрение, контекст 1М. На DeepSWE 74.2 против 74.0 у Opus 5 и 73.0 у Sol, зато на Terminal-Bench 4.0 всего 31.2 против 51.8 у Opus. KV-кэш ужали в 4 раза. Цена $0.30/$1.20, в непиковые часы вдвое дешевле, кэш в непик $0.003 за миллион. С 14 сентября все запросы к V4-Pro роутятся во Flash по цене Flash, пока не выйдет V4.1-Pro. Блогпост, HF OpenAI: ChatGPT Images 2.5 До 50% быстрее 2.0, более тонкое редактирование, например может в стоп-моушен анимацию без дерганой картинки, чего не могла ни одна text to image модель. Еще можно накалякать скетч прямо в чате и использовать как референс, плюс шаблоны и комментарии на самой картинке для точечных правок. В API две модели: gpt-image-2.5-flare (быстрая, дефолт) и gpt-image-2.5-sunburst (побольше). Цена за токен как у gpt-image-2. Раскатано всем, включая Free. Блогпост Suno: v6, v6-wild и v6-mini Вышла новая серия в виде трех моделей: v6 точная и предсказуемая, v6-wild та же, но при температуре 39' для экспериментов, v6-mini быстрая и для бесплатных. Все умеют править отдельные секции трека текстом, мэшапы, семплы и генерацию по картинке, видео или аудио. Старые модели уберут. Бенчмарков нет, но их услужливо посчитали конкуренты, см. ниже. Блогпост m-a-p: YuE2 Открытая 3.6B модель для генерации песен. Из лирики и стиля сначала пишет партитуру в ABC-нотации, которую можно править руками или агентом, потом рендерит стерео 48 кГц. Умеет zero-shot каверы. На их WildSongBench набирает 6.96 против 6.87 у Suno v5 и 6.56 у свежей Suno v6. То есть по чужому бенчмарку v6 хуже v5, но это чужой бенчмарк. Код Apache 2.0, веса CC BY-NC(!), нужно 24 GB VRAM. GitHub, HF, демо Tencent: AuK Nano Banana для аудио, как они сами говорят. Открытая 1.5B модель: zero-shot TTS, замена слов в готовой речи, смена эмоции и тембра, шепот, удаление акцента, денойз и разделение речи/музыки, все текстовыми инструкциями плюс референс. 1.95М часов супервизии. AuK-Flash дистиллирована до 4 шагов и в 4.5 раза быстрее. MIT, есть ComfyUI-ноды и демо. Теперь легендарные RYTP с прямой линии можно превратить в недерганную речь. GitHub, HF, Статья BFL: FLUX Video Edit Редактирование готового видео промптом: добавить или убрать объекты, поменять текст в кадре, перекрасить, перевести реплики с липсинком. Длительность, пропорции и звук исходника сохраняются, вход даунскейлится до 720p, до 15 секунд, цена $0.03 за секунду. Документация Blackmagic: DaVinci Resolve 21.1 В Resolve Studio встроили MCP-сервер: CC и Codex могут работать с проектами. Заодно Python-скриптинг вынесли из бесплатной версии, так что автоматизация теперь стоит $295 Обзор Google+NASA: MAPL-EMIT Модель которая из данных со спектрометра на МКС (EMIT) резмечает области выделения метана, чтобы потом глобально не теплеть База данных, визуализация, Kaggle, GitHub Lightx2v: MiniMax H3 Turbo Ref2VA - дистилляция reference-to-video ветки открытого MiniMax H3 до 8 шагов и 768p Новость Krea: Agents - агент, который по брифу сам выбирает из 60+ моделей, генерирует и правит картинки, видео и звук. Доступен в бесплатном тарифе. Agent

#Нейропрожарка МҰРАГЕР / THE HEIR / НАСЛЕДНИК Автор Jinazis Инструменты: -Seedance 2.0 -GPT image -CapCut -Suno 6 По желанию поддержать автора в X репост+коммент желательно на ENG: https://x.com/Jinaz1s/status/2099213532860502382?s=20 В общем, между основной работой и другими делами решил просто по фану поучаствовать в конкурсе от Higgsfield. По ночам, когда было свободное время, садился на пару часов и неспешно делал. Ушло где-то неделю-полторы. Не торопился, скорее отвлекался от основных проектов и тестил новые фишки в Seedance. Такая разгрузка головы) Пайплайн супер изи: персы, ассеты и локации в GPT Image, само видео в Seedance 2.0, 1080p. Уложился в одну месячную подписку Higgsfield. До этого у них не был зареган, взял Ultra на 9000 токенов, плюс первую неделю Seedance был безлимитный. В итоге всё вышло в 270 баксов. Музло сделал буквально за день, как только вышел Сунарь 6. Озвучка тоже родная, из Seedance. Цветкор вообще просто капкатовский фильтр, но, как по мне, подошёл идеально) На призовые особо не рассчитываю. Можно было сделать лучше, но полной сосредоточенности на проекте не было. Больше делал в удовольствие, чтобы переключаться между основными задачами. Сеттинг, кстати, выбран не случайно. Ситуативный маркетинг) В общем, приятного просмотра! В качестве тут: https://youtu.be/onM4nuF0nSg?si=QqNt8pKD2bPf6Ypx @cgevent

Как относитесь к нейропесням? Признаюсь честно, у меня в плейлисте уже появилось несколько нейротрэков, которые слушаю под настроение, т.е. они находятся в постоянной ротации. Вообще в индустрии к ИИ относятся очень негативно, самый популярный ИИ-генератор музыки: Suno уже столкнулся с коллективными исками от Sony Music Entertainment, Universal Music Group и Warner Records за незаконное использование защищенных авторским правом трэков. В первый раз удалось урегулировать судебный спор и заключить судебное соглашение, а вот месяц назад в Германии — Suno проиграли подобный судебный процесс. Конечно, регуляция в подобном деле нужна, иначе защита авторских прав может сильно пострадать, а рынок будет наводнён фейковыми песнями известных исполнителей. Но, как же быть, когда хочется послушать идеальный рэмикс «Вечно молодой» в исполнении The Prodigy и Смысловых галлюцинаций? :)

#Нейропрожарка 🍾 «БУХАТЬ» — нейроклип Автор: Mike Antipiev (@MikeAntipiev) ━━━ ИДЕЯ / ИСТОРИЯ ━━━ Песню я написал под гитару 10+ лет назад — дворовая, ироничная, про единственную по-настоящему светлую любовь: любовь к алкоголю. И вот сейчас благодаря нерйосетям песня получила визаульное воплощение, а также новое, как мне кажется «зумерское» звучание и визуал. ━━━ ПРОДАКШЕН ━━━ 🎵 Музыка / звук • Трек целиком собран в Suno v4.5. Текст — мой старый, звучание генерил, добиваясь современного индастриал/k-pop вайба. • Липсинк не делал, тк солиста показывать не планировал (да и не придумал), а образы напитков не «поют в кадр». 🖼 Статичные кадры (картинки) • Первые кадры делал в Kling. • Основная масса статики — Nano Banana Pro/2, местами немного GPT-image 2. • Всю визуальную работу вёл в Magnific (бывший Freepik) - организация сцен в Spaces. 🎬 Оживление (image-to-video) • В основном Kling 2.5/3.0 • Местами Seedance 2.0. • В последних сценах подключал Minimax H3 ✂️ Монтаж • Собирал в Final Cut Pro, вручную. Пробовал прикрутить AI-инструменты к сборке, но цельного нейро-пайплайна для монтажа пока не вышло — если кто знает, как организовать - подскажите, буду признателен. ⏱ Время • Календарно ушло ~8 месяцев, но урывками: садился раз в неделю-две, иногда раз в месяц. Если сложить чистые часы — думаю уложился бы примерно в недели полторы фултайма. 💰 Бюджет (примерно) По сути — 2 годовые подписки: • Kling (самая простая) • Magnific (Premium+). Мне обошлись обе примерно в 150-180$ Расход кредитов: в Magnific ушло ~100 000, (примерно 30%), а в Kling ~30 000 (выбирал весь месячный лимит). • Suno крутил на бесплатных кредитах. 🔁 Что показательно • Работа растянулась больше чем на полгода — и модели за это время заметно подросли. Часть ранних генераций (делал ещё на Kling 2 и первой Nano Banana) перед релизом полностью переделал на новых версиях. • Самое хлопотное — добиться от видео ожидаемого поведения в кадре: на каждую сцену уходило по несколько генераций. Особенно туго почему-то шли города. 🚧 Отдельная песня — цензура в ИИ • Самые пикантные кадры удалось сделать ещё в начале, на старых версиях моделей — видимо, с более мягкими гардрейлами. Позже повторить это уже не давали: например, перегенерировать «госпожу Водку» отказались и Nano Banana, и GPT, и даже Seedream. Часть кадров — буквально «успел, пока разрешали». Ну и полную версию клипа можно посмотреть на https://youtu.be/nTfRtT8QYME @cgevent

#Нейропрожарка Анимационный клип на песню Аллы Пугачевой - Кафе Танцующих Огней в стиле анимации из мультфильмов 90-х Автор: Стас Ахунов. Режиссер и креативный продюсер Ai-студии TAINA Этот клип и музыкальный кавер я делал сам, в свободное от коммерческих проектов время. Трек появился ещё зимой. Регулярно делаю каверы на любимые песни в Suno — для себя, для катания на велосипеде, для зала. Здесь кавер получился с живым вокалом и качающим ритмом, захотелось визуализировать и поделиться. Идея была простая: поместить персонажа Аллу Борисовну в анимацию в духе мультиков 90-х. Черный плащ, Бэтмен, Черепашки-ниндзя сохранив их нуарный рисованный вайб, на котором я сам вырос. Три-четыре дня ушло на тесты и поиск стилистики. Пробовал более современный 3D-стиль — картинка теряла вайбовость. Вернулся к аналоговой анимации 90-х. Большинство кадров делал в Nano Banana, она лучше улавливала нужный стилёк и делала крафтовее. Сториборды делал в GPT Image 2 - но стиль она держала хуже, и на кадрах присутствовала такая джипитишная грязь/шумы, котоыре потом переходили в видео. История не была прописана полностью заранее. Начал с одной сцены: персонаж Аллы едет на чёрном авто по альтернативной ночной Москве. Дальше придумал кафе, и загадочную историю внутри. На середине работы захотелось добавить саспенса - вспомнил про мутаген из Черепашек Ниндзя. В детстве смотрел на кассетах серию, где персонажа превращали в насекомое. Вокруг этого выстроил сюжет, добавил злодея в маске и загадочности. Для генерации видео использовал безлимитный тариф Runway. Вместе с коллегой написали скрипт в Клод Код: он проверял завершение генерации и менял новый промт/ рефы и кликал на кнопку "сгенерирвоать". Таким образом была очередь из кадров, котоыре нужно было сгенерировать. Несколько ночей загружал по 15-20 промтов, утром смотрел результат. Всего вышло более 200 генераций по 15 секунд в Сиданс 2. Из них отобрал материал на клип длиной 4 минуты 43 секунды, и отдельно смонтировал тизер на 30 секунд. Монтаж - Final Cut Pro X. Апскейл в 4k - Топазом внутри Runway. Цвет, грейн и аналоговое свечение - Dehancer. Когда основные генерации были готова, решил что выходит скучновато и не хватает отсылок. Посмотрел несколько документальных работ про Пугачёву и дополнительно сгенерировал и расставил пасхалки к другим её песням. В ролике можно найти отсылки к «Миллиону алых роз», песне «Робот» (любопытная в контесте современной нейродвижухи) и другим. Отдельно использовал факт, что в советское время женщинам-композиторам было сложно пробиться - и Алла Борисовна для части своих произведений использовала мужской псевдоним Борис Горбонос. Его плакат можно найти в клипе. По деньгам, если считать все подписки одним месяцем: Runway с безлимитным на тот момент Сиднасом и Gpt Image 2 - $100, Higgsfield около 30$ (у меня там годовой тариф), Claude и ChatGPT - по $20, Suno - около $12 (у меня годовой премьер, который брал со скидкой). Итого около $180 если бы делал в один месяц. Но на практике проект делался сессиями на протяжении нескольких месяцев, поэтому реальные затраты размазаны и выходят немного больше. Некоторые кадры вышли не идеально - нейронка где-то написала слова на зданиях с ошибками, на некоторых кадрах есть артефакты. Проект несколько месяцев лежал на монтажном столе, мне казалось что в нем по прежнему чего-то не хватает, но я решил отпустить его и выпустить как есть, без сложного клинапа каждого кадра. Главное, что понял: всегда лучше на берегу определиться с арт-дирекшеном и историей, потом уже идти генерировать. Когда не знаешь заранее, что хочешь и история рождается на ходу - это интересный процесс, но затраный по времени и ресурсам. На генерации и тесты тогда нужно в разы больше времени. @cgevent

#Нейропрожарка Музыкальное видео-эксперимент на тему: А что, если бы современные брейкеры и диджей(ка) оказались в средневековом сеттинге? Автор: Виталий Мостовой Заняло пару выходных и еще один день. Идею вынашивал до этого пару месяцев. В итоге решил затестить, как Сиденс справляется со сложными танцами, и несколькими людьми в кадре. Благо, есть тариф с анлимом на Сиданс в Ранвее, иначе на кредиты пришлось бы оформлять микрокредит) Статировал в ГПТ, анимировал в Сидансе, монтировал в Премьере, саундтречил в Суно. Возни было много, только на монтаж день ушел, уже под конец начало накрывать, но отступать было некуда. Хотелось не делать серьезный видос, и чтобы немного настроение поднимал, ну вот получилось, что получилось) @cgevent

Музыка MiniMax: открытые веса Music 3 Открытый генератор музыки длительностью до пяти минут. На выходе 32 кГц, 16-битное стерео. Модель принимает отдельно текст песни и подробное описание музыки, включая жанр, BPM, вокал, инструменты и развитие аранжировки. Полная версия помещается примерно в 24 ГБ VRAM, с выгрузкой слоев ее можно запустить даже на 8 ГБ. В общем, локальный Suno. Веса, Демо Suno: Studio 2.0 и монетизация кнопки Download Тем временем сам у самого Suno Suno Studio идет к тому чтобы стать AI First FL Studio. Появились импорт, запись и редактирование MIDI, встроенный wavetable-синтезатор, эффекты, автоматизация, улучшенное разделение на стемы и чат. Через чат можно генерировать инструменты, звуки и даже собственные плагины. Доступно только подписчикам Premier. Одновременно Suno объявила, что с 3 сентября вводит лимиты на скачивания: 7 файлов за все время на Free, 20 в месяц на Pro и 60 на Premier. Дополнительные скачивания будут продаваться отдельно. При этом экспорт из Studio для Premier остается безлимитным. Очевидно, массовый слоп вреден, пока не экспортируется через более дорогой интерфейс. Studio 2.0, Новые лимиты Pika: Pika Audio Pika внезапно стала еще и аудиокомпанией. Pika Music генерирует песни по описанию и тексту, умеет использовать референсный трек и образец голоса, а также делать cover исходного аудио. Длительность от 10 секунд до 6 минут, цена $0.015 за минуту. Вместе с ней выпустили Pika SFX для звуковых эффектов за $0.0002/сек, Pika Speech для TTS и клонирования голоса за $0.01/мин и Pika Soundtrack, который озвучивает готовое видео синхронно с происходящим за $0.005/сек. Все доступно через API. Видимо после видео Pika решила заодно стать Suno, ElevenLabs и саунд-дизайнером. Pika Audio, Pika Music Видео Sand AI: MAGI-2 Preview Новый видеогенератор! Большая MoE-модель для совместной генерации видео и звука: 114B параметров, из которых активируется 6B. Принимает текст или текст с первым кадром, генерирует десятисекундный ролик со звуком Дистиллированную версию с меньшим числом шагов обещают позже. GitHub, Веса Lightricks: LTX-2.5 LTX-2.5 заменил 2.3 в качестве рекомендуемой открытой аудиовидеомодели Lightricks. Это по-прежнему 22B, но теперь с дообученным Gemma 4 12B в роли текстового энкодера,и автоматическим выбором длительности ролика. Есть полная Dev-версия и дистиллированная, которая работает за 8 шагов на первом этапе и 4 на втором. Поддерживаются синхронная генерация видео и звука, keyframes, перегенерация отдельных фрагментов. Занимает 66 ГБ. GitHub, Веса

#Нейропрожарка «Супер-Дружба» Автор:  @Sergei_108 Мульт про ёжика Соника в стиле Pixar. Делал специально ко дню рождения 7-милетних племянников, с их участием в мульте. Это был первый опыт создания видео с сюжетом и героями. Понимаю, что ролик далёк от идеала). Консистентность персонажей немного плывёт, но для детей это непринципиально) Делал в марте и начале апреля. В основном Клинг 2.5 Турбо, Сиданс в открытый доступ только вышел и две сложные сцены по 15 сек. хотел сделать через него, но он упорно не хотел генерить сцены с Соником, даже по текстовому описанию. Пришлось делать в Клинге и потом склеивать до 15 секунд сцены. Пайплайн: 0. Создание карт персонажей Соника, Сони и Никиты на основе их фото в Nano Banana 2. 1. Сценарий в Qwen. 2. Раскадровка Nano Banana 2. 3. Промпты для видео Claude Opus. 3. Анимация Kling 2.5 Turbo. 4. Голоса реальные, клонированные через kikivoice: мой, Соника (взял для клонирования голос самого популярного актёра, который дублировал Соника, Михаил Тихонов), племянников: Сони и Никиты, Др. Роботника. 5. Стихи для песни написал Gemini. 6. Песня и музыка в Suno 5.5. 7. Монтаж и фоновые звуки CapCut. Понимаю, что достаточно сыро и криво, но это был первый опыт. Родителям племянников зашло даже больше, а у племянников была неоднозначная реакция, когда им это показали в лоб без предварительного объяснения: они стали оценивать и сравнивать со своей внешностью, стали говорить: типа у меня не такие волосы, голос и тп. В итоге мальчик не смог принять, а девочка сказала, что ей понравилось. Стоимость: чуть больше 3тр на подписку Клинг и токенов в Syntx. Сроки: делал полтора месяца в свободное время. @cgevent

Кому в Требло? Приведу вот такой такой пост из коментов от Александра. Обозначает довольно интересные плюсы Treblo и минусы Suno. Очень любопытно, особенно про датасеты. На днях стало интересно проверить, насколько у них (Требло) реально большая база. Спарсил список из 35 000 исполнителей по 6 странам (брал топы из last.fm, строго в порядке убывания популярности). По косвенным признакам понял, что метаданные для обучения они тянули из MusicBrainz. Сопоставил списки, чтобы вытащить все возможные варианты написания. Написал скрипт и аккуратно прогнал всю эту базу через их валидатор. По цифрам: из 35 000 артистов валидацию успешно прошли около 15 000. База действительно огромная. Даже когда скрипт дошел до самого конца списка и проверял глубокий андеграунд, процент узнавания держался в районе 40%. Судя по наличию одних артистов и отсутствию других, сам датасет они собирали где-то в 2022–2023 годах. Из обидного. Русскоговорящих исполнителей там сильно меньше, чем западных. Если из топа США пробивается около 90% имен, то из нашего сегмента от силы 30%. Но у такого гигантского датасета есть крутое преимущество. В отличие от Suno, у которого большинство треков страдает от одинакового мастеринга и шаблонных тембров, Treblo выдает сумасшедшее разнообразие в звучании. Этим платформа очень напоминает ранние версии Udio. Если правильно подобрать теги, можно вытащить всё что угодно: хоть хор балканских бабушек, хоть ритуальные богослужения (в Suno такое получить практически нереально). Правда, из-за такой всеядности и огромной базы нейронка гораздо чаще ловит звуковые артефакты и галлюцинации. Но за пределами моего списка лежат еще десятки тысяч рок-групп, финских метал-бэндов, блюзменов из 30-х годов и аниме-композиторов, чьи альбомы когда-то были выгружены в сеть и размечены в MusicBrainz. Так что, не удивлюсь, если количество артистов в их базе переваливает за 50 000. P.S. Вообще, учитывая, как бескомпромиссно они сожрали гигантские объемы защищенного копирайтом контента, ребята ходят по очень тонкой грани. P.P.S. Я не говорил, что Suno в принципе не может сгенерировать хор как таковой или какой-нибудь специфический жанр. Речь о том, что он очень скуден тембрально и текстурно. Suno выдает дистиллированный, прилизанный звук. У него всё звучит так, будто это записано в 2010/20-х на одной и той же аппаратуре. Грубо говоря, если попросить Suno написать гранж в стиле Nirvana, это будет звучать так, словно Курта Кобейна загнали в современную студию, дали новенькие блестящие инструменты из магазина, а сводил всё это дело модный поп-продюсер из 2010-х. А сразу за Нирваной в очереди в эту же студию стоят те самые балканские бабушки, чтобы записаться в тот же микрофон. Звучать они в итоге будут так же стерильно, как бэк-вокалистки Дуа Липы. Нет грязи, нет аутентичности пространства и времени. Примеры (текст просто эхолалия под языки тех регионов, смысла в нём нет): 1.mp3 Балканский хор. У Treblo слышна аутентичность региона, специфическое звукоизвлечение и народное пространство. Suno, возможно, взял бы специфичные для региона гармонии и узкое звукоизвлечение, но на этом всё. 2.mp3 Биг-бэнд в стиле 50-х. Звук похож на запись 50-х, с нужной сатурацией и артефактами, которая записана на оборудовании 50-х и снята с оригинальных носителей. В Suno такого винтажа не добиться, модель всё равно попытается сделать звук чистым и современным, максимум, искусственно добавит треск пластинки. Она возьмёт структуру, инструменты и аранжировки из 50-х, но звучать это будет как современный Big Band. 3.mp3 Африканский хор. Очень крутая детализация, там слышно характерное пощелкивание языков и артикуляцию. Suno бы свёл африканский хор к американскому госпелу. В общем, в Suno хор получится масштабным, но это будет скорее универсальный хор из голливудского трейлера с щепоткой каких-то вариативных характеристик. При этом я ни в коем случае не хочу сказать, что Suno плохой, а Treblo хороший. Они оба крутые. Просто Suno больше заточен под современный коммерческий продакшен и аранжировки, а Treblo лучше справляется с аутентичной фактурой @cgevent