В продолжение темы монтажа видео клодом, нашел еще способ как сделать видео поживее с помощью саундизайна Проблема была в том, что если просто попросить клода смонтировать видео, он скорее всего пойдет брать звуки с Mixkit, где не очень большой выбор и звуки устаревшие Поэтому последнее время стал юзать бесплатное API Openverse, там собрано 5.2M+ саунд эффектов и музыки Есть поиск и фильтры по лицензии, длине и прочему Просто дайте агенту: api.openverse.org, и попросите сразу создать ключ (понадобится почта), чтобы увеличить лимит запросов по апи

Без регистрации: - 20 в минуту / 200 в сутки С бесплатным ключом: - 100 в минуту / 10 000 в сутки

Сразу скажу, качество звука там норм только для соц сетей, промо моушенов и подобного Если нужно что-то покачественнее, то знаю есть Epidemic Sound, которым пользуются монтажеры, но он платный. Зато есть MCP и чуть ли не самый огромный выбор крутых звуков Или вообще можно генерить звуки в ElevenLabs, но это уже край ии-слопа) @tips_ai #tools

Cekura выложили большой бенчмарк TTS для голосовых агентов – 26 моделей Раз уж мы про голос немного говорим. Кажется, что там уже близок момент, когда человек не сможет определить, что с ним говорит агент. Итак, прогнали 104 фразы, которые реально говорит телефонный агент (от приветствия до ответов на 500 символов), каждую по 3 раза из одного региона US East – всего 30 564 запроса. Мерили задержку до первого звука, как модель замолкает, когда её перебили, цену и насколько правильно она читает номера, коды, адреса и названия лекарств. Все к сожалению на английском, но вы можете хотя бы топ-5 взять в свой анализ и протестировать на нужных языках. Что получилось: – Самый быстрый – Gradium TTS: −64 ms в стриминге, т.е. начинает говорить раньше, чем пришло последнее слово :) Но точность чтения 79.5% и $36 за 1M символов – Лучший баланс – Inworld TTS-2 Flash: 45 ms, точность 93.2%, $15 за 1M. Старший TTS-2 – лидер по точности, 93.4%, за $25. Снова поздравляю команду Inworld. Видимо уже просто отдам клоду монтировать с ними интервью, дизайнер-монтажер бесит :) – ElevenLabs v4 Turbo – 69 ms, но 79.9% точности и $40. v4 – уже 561 ms и $80, а старый Flash v2.5 правильно читает коды и телефоны только в 55% случаев. А ведь раньше казалась топ-моделька. – Cartesia Sonic 3.6 – 270 ms и после перебивания продолжает говорить ещё ~0.8 сек. Для агента, которого постоянно перебивают, ну такое – Самые дешёвые – Soniox TTS RT v2 ($14.81) и Grok TTS ($15), оба замолкают мгновенно – Самый естественный голос – Fish Audio Drama 3 (4.54 по UTMOS), точность 91.3%. Удивительно... – Gemini, GPT-4o mini TTS, Qwen3-TTS и MAI-Voice не принимают текст по словам, поэтому в рейтинг по стримингу не попали Точность TTS тут оценивает… STT (я тоже так делаю :) ): записи прогоняют через Deepgram Nova-3 и Whisper. Кстати «St. Mary’s on Main St.» оказалась сложнее, чем «levothyroxine» – медтермины почти все читают на 97–100%, а Saint vs Street Cartesia, например, угадывает в 54–58%. Короче, если собираете голосового агента – смотрите не на общий скор, а на то, что критично именно вам: задержку, перебивания или чтение номеров заказов. Inworld сейчас выглядит как дефолтный выбор, а ElevenLabs за свои деньги заметно отстаёт. Харнесс и фразы открыты на GitHub – можно прогнать на своих сценариях. Очень советую, кстати, брать, чтобы не пилить самостоятельно коннекторы ко всем провайдерам. https://benchmarks.cekura.ai/text-to-speech

➡️ElevenLabs сделали MCP Вангую новый виток восторженных рылзов, где показывают, что "КЛОД КОД (кодекс, и т.д.) теперь ещё может видео вам озвучить профессионально. Пишите секретное слово в комментариях, и я скину в личку секретнейшие материалы"... Новость позитивная. Давно пора. Да они дорогие, но и качество озвучки топ. Теперь всё станет ещё чуть удобнее и точнее. Если не знаем как подключать — пишем в codex (или другому агенту) "там вышел MCP от Elevenlabs, узнай и установи мне". Кстати в Codex (только тут проверил) это хороший и приятный плагин (ссылка). Вероятно, что и другие интеграции тоже в подобных форматах. Вот здесь в ветке они поделились базовыми примерами использования — ссылка Кстати, поделитесь вообще, кто какими text-to-audio пользуется? Я сижу годами на elevenlabs, раз в полгода делаю слепой тест и всегда выигрывают они...

✔️ IPO OpenAI в 2026 году не будет Сэм Альтман рассказал в интервью Fortune, что сейчас выходить на биржу – неудачный момент из-за ситуации с безопасностью. По словам главы OpenAI, давление со стороны Уолл-стрит несовместимо с контролем за моделями. Создание AGI требует многомесячных аудитов архитектуры и готовности заморозить релизы при выявлении угроз. В статусе публичной компании такие задержки грозят судебными исками от акционеров за упущенную выгоду. Компания продолжит финансировать вычислительные мощности через частные раунды и стратегические партнерства, чтобы сохранить автономию в управлении рисками. fortune.com ✔️ Белый дом отверг идею ограничивать развитие ИИ Президент США отказался вводить ограничения на развитие ИИ, чтобы не уступить лидерство Китаю. По его словам, победитель в технологической гонке определит глобальный баланс сил, а риски катастрофических сценариев преувеличены. Ранее глава Anthropic Дарио Амодей призвал притормозить рост возможностей моделей для создания защитных барьеров. Эту позицию поддержали Сэм Альтман и Илон Маск. Дискуссия развернулась на фоне ухода исследователя Джейкоба Коксона и попыток Конгресса США законодательно закрепить контроль человека над ИИ-системами. В Белом дом считают, что ИИ-компании должны сами определять темпы прогресса. Они могут внедрять внутренние протоколы безопасности без государственного регулирования и политического давления. ft.com ✔️ Anthropic собрала версию Claude для для финансовых консультантов Claude for Financial Advisors — специализированный продукт для инвестиционных управляющих и финансовых консалтинговых агентств. Система автоматизирует агрегацию рыночных сводок, подготовку инвестиционных предложений и отчетности для клиентов. Модель извлекает данные из неструктурированных PDF-документов и интегрируется с профильными CRM-платформами и системами учета портфелей через API. Продукт соответствует требованиям регуляторов, включая нормы FINRA и SEC. Сессии аудируются в изолированном корпоративном контуре с расширенным контролем доступа. claude.com ✔️ ARC Prize анонсировала концепцию ARC-AGI-4 Некоммерческая организация анонсировала концепцию четвёртого поколения тестов для оценки способностей ИИ к автономным научным открытиям и генерации гипотез. Предыдущие версии теста проверяли логическое абстрагирование. ARC-AGI-4 сфокусируется на умении моделей исследовать предметные области без подсказок человека. Пул задач, правила скоринга и дату релиза объявят позже. Сложность следующей версии бенчмарка повысили из-за роста показателей моделей. По данным ARC Prize, на старте ARC-AGI-3 модели набирали 0,51%, а GPT-6 Astra показала 62,7% в стандартизированной среде и 99,9% в среде самой OpenAI. ARC Prize в X ✔️ ElevenLabs обновила генератор музыки до версии 2.5 Сервис генерации музыки ElevenMusic получил новую модель Music v2.5, которая теперь подключена по умолчанию. Вместе с этим стало возможным коммерческое использование сгенерированных треков на бесплатном тарифе. Music v2.5 генерирует более реалистичные инструменты, сложные аранжировки и естественные мелодии. Во внутренних тестах модель превзошла прошлую версию в роке, метале, хип-хопе, соуле и оркестровой музыке. Предыдущая версия v2 остается доступной в интерфейсе. По новым правилам в бесплатной версии доступно скачивание до пяти треков в день. Для коммерческого использования обязательна маркировка. В Pro-плане доступно 400 скачиваний в месяц без атрибуции и с правом публикации на стриминговых площадках. Коммерческие права сохраняются после отмены подписки. Скачивание каверов и адаптаций чужих композиций заблокировано. elevenmusic.io @ai_machinelearning_big_data #news #ai #ml

🍫Голос Вонки воскресили нейросетью Netflix готовит реалити по вселенной «Вилли Вонки» — шоу Wonka's The Golden Ticket, премьера назначена на 23 сентября. Формат в духе их же хита по «Игре в кальмара»: настоящее соревнование, выстроенное по мотивам выдуманной истории. Декорации, судя по тизеру, реальные. А вот закадровый голос — нет. Его сгенерировал ИИ, воссоздав интонации Джина Уайлдера, легендарного экранного Вонки. По данным Deadline, над озвучкой Netflix работал вместе с ИИ-студией ElevenLabs. Что важно, с согласия семьи актёра. Само шоу обещают как «социальный эксперимент с высокими ставками»: 12 обладателей золотых билетов приходят с напарником на свой выбор, а спустя неделю, в двухсерийном финале 30 сентября, остаётся один победитель. @droidergram