Метаверсище и ИИще

Ну, за стримеров, опять. Алибаба выкатил Wan Streamer v0.1 - это экспериментальная модель Alibaba Wan Team для РЕАЛТАМОВОГО общения с AI-аватаром: она одновременно “видит”, “слышит”, “думает”, говорит и генерирует видео в режиме стрима. Главное отличие от привычных пайплайнов с отдельными ASR, LLM, TTS и анимацией в том, что всё объединено в один Transformer, где текст, аудио и видео обрабатываются как единый поток. По заявлению авторов, модель работает на 25 fps, имеет около 200 мс задержки на стороне модели и примерно 550 мс полной задержки с учётом сети, что позволяет вести почти мгновенный full-duplex диалог - когда агент продолжает воспринимать пользователя даже во время собственного ответа Кода нет пока, есть сайт проекта: https://wan-streamer.com/ И статья: https://huggingface.co/papers/2606.25041 Качество, конечно, пока отстой: демо пока идут в низком разрешении 192p, но показывают важный фичу - переход от “говорящей головы, прикрученной к чат-боту” к настоящей аудио-визуальной интерактивной модели. Авторы делают акцент на том, что задержка и синхронизация здесь решаются не инженерной склейкой модулей, а самой архитектурой: causal encoders/decoders, block-causal attention и thinker–performer deployment на двух GPU позволяют модели стримить восприятие и генерацию как непрерывный процесс. Какие GPU - не говорят... Интересно, что у них даже руки есть, не только головы. Но очень нервные руки на первом видео. @cgevent

3DREAL: LTX 2.3 IC-LoRA — 3D render to Photoreal А вот Нейрорендер-Лора для LTX, причем от Fal.ai, причем опенсорс. https://huggingface.co/fal/LTX-2.3-3DREAL-LoRA На входе - 3D / CG / game render - на выходе типафоториал. Пробовать в облаке тут: https://fal.ai/models/fal-ai/ltx-2.3-quality/render-to-real @cgevent

Нейрорендер Тут интернетик все больше проникается идеями нейрорендера. Основная связка: первый кадр (стиль) в Midjourney или еще где-то. Потом превиз в Блендоре - хотя смышленые ребята просто двигают куколки на столе. А потом все это на харч Сиденскому. Но не Сиденсом единым (смотрим след пост). @cgevent

TLDR новости с анонсом GPT-5.6: — как понятно по картинке, будет 3 модели. Средняя, Terra, плюс-минус на уровне GPT-5.5, но стоит в 2 раза меньше. — OpenAI подтвердили то, о чем писали в новостях: по просьбе Администрации модель запускают постепенно, начиная с выбранных партнёров, чтобы те могли потестировать + применить модель для исправления критических уязвимостей. «Мы считаем, что подобный процесс доступа к информации со стороны правительства не должен стать долгосрочным стандартом». — у самой большой модели Sol появится новый самый длинный режим рассуждений max (+15), а также режим работы ultra, выходящий за рамки возможностей одного агента, так как позволяет использовать субагентов для сложных задач. Интересно, заменит ли это GPT Pro, и если нет, то как они будут сочетаться. — «GPT-5.6 Sol лучше помогает людям находить и устранять уязвимости, чем проводить атаки. По мере развития этих возможностей наш приоритет — обеспечить их доступность и пользу для специалистов по защите, которые смогут использовать эти инструменты для поиска слабых мест и разработки патчей» — много пишут про работу над обеспечением безопасности и несколькими слоями фильтров, чтобы противодействовать недоброжелателям. — GPT‑5.6 поднимает цену на создание кэша ваших промптов и ответов: теперь за них придётся платить на 25% больше (как у Anthropic), а чтение всё ещё со скидкой 90%. — и самое главное 😎: GPT-5.6 Sol будет доступна на чипах Cerebras с целевой скоростью генерации... 750 токенов в секунду 🤯 вот это жоска. Но сначала доступ будет только у ограниченного круга клиентов, а затем, с добавлением мощностей, станет доступно всем. Картинки бенчмаков прилагаю, но там ничего интересного — в кибербез задачах на уровне раннего Mythos и похуже финальной версии. Интересны мб последнеи 3-4 скриншота из системной карточки — можно посмотреть на то, как выглядит новый режим ultra и сколько $ он будет стоить 🌚 В новости ничего не сказали про то, новый это претрейн или нет. Аккуратно можно предположить, что нет (плюс цены те же, но это не гарантия) — и если это так, то эффективность неплохо так выросла. Главное чтобы не было как с 4o, где теперь этот претрейн будут доить полтора года 😳 и улучшать всеми способами. НАМ. НУЖНА. БОЛЬШАЯ. МОДЕЛЬ.

GPT-5.6: солнце, земля и луна. https://openai.com/index/previewing-gpt-5-6-sol @cgevent

Что мы делаем сейчас? Блочим аккаунт, который у меня угнали. С него скамеоы уже писали моим контактам. Сегодня телега его удалила, но смышленые парни быстро заново сделали не просто аккаунт, а канал и предлагают подписаться, чтобы вернуть имя владельцу. Идём на @SergeyTsyptsyn, видим странный канал с 1 подписчиком. Ни на что не подписываемся, а репортим этот канал. Справа сверху три точки, там выбираем Report, потом Scam or Fraud, потом Impersonalization. Пока все. @cgevent

Adobe пожрал Topaz. Теперь их фото и видео апскейлеры пойдут в продукты Firefly помимо Creative Cloud как сейчас. Пишут и про другой софт для редактирования, но так-то интеграция, например с Premiere Pro или After Effects, уже есть. И весь движ, помимо борьбы за юзеров, скорее всего ради доступа к моделям топаза Astra, Starlight, итд, а также к их тренировочным данным. Также Adobe говорят продукты Topaz будут предоставляться на их сайте как отдельный сервис. Сайт

я вернулся @cgevent

Обращение к хомякам, вам бы был интересен контент по безопасности ? Вы храните свои монеты неправильно, либо на биржах, либо без passphrase на своем кошельке. Вкратце на пальцах. Passphrase (парольная фраза) — это, по сути, «25-е слово», которое превращает ваш секретный листок с 24 словами (сид-фразой) в скрытый замок с двойным дном.Если обычная сид-фраза из 12 или 24 слов — это ключ от вашей квартиры, то passphrase — это код от сейфа внутри этой квартиры. Как это устроено (на пальцах)Когда вы создаете обычный кошелек, блокчейн выдает вам стандартный список, например, из 24 слов. Если кто-то найдет этот листок, он заберет все ваши деньги. Но если вы включаете функцию Passphrase, вы сами придумываете любое дополнительное слово, цифру или фразу (например: SuperC@t2026). Теперь математика кошелька работает так: Вы вводите 24 слова. Кошелек открывает вам пустую «прихожую» Вы вводите свои 24 слова + фразу SuperC@t2026. Кошелек открывает тайную комнату, где лежат ваши настоящие миллионы. Главный фокус: Ловушка для грабителей У passphrase есть уникальная особенность: не существует понятия «неправильный пароль». Если грабитель приставит к вам нож и потребует passphrase, вы можете ввести любое фальшивое слово (например, 12345). Кошелек не выдаст ошибку «Неверный пароль»! Он просто послушно откроет вам совершенно другой, чистый кошелек. Вы можете заранее положить на этот фальшивый кошелек 50$, чтобы отдать их грабителю для вида. Ваши основные деньги при этом останутся спрятанными под настоящей фразой. Накидайте пальцы вверх если интересно.

Вышел Happy Horse 1.1 1080p, 9 референсов на входе, i2v, улучшенный липсинк. Но похоже, что .1 не делает прорыва. И мы по прежнему топим за Сиданский. https://fal.ai/models/alibaba/happy-horse/v1.1/text-to-video Если кто-то юзает лашатку, поделитесь в коментах. @cgevent

Недоопенсорс: Ideogram 4 зажал BF16-веса Похоже, Ideogram не собираются выпускать BF16-веса Ideogram 4 — или, по крайней мере, не выпустят их до тех пор, пока модель уже настолько не устареет, что это перестанет иметь значение. Это стало известно на YouTube-стриме с CEO Ideogram и командой Comfy, где CEO Ideogram сказал, примерно на 37:45 в видео, что они приняли это решение, потому что хотят предоставлять высокоточные BF16-веса только “избранным партнёрам”. Это контрастирует со всеми предыдущими релизами open-weights моделей, где BF16-веса всегда предоставлялись. Даже Black Forest Labs предоставили BF16-веса своей огромной модели Flux.2 Dev, которую большинство людей всё равно не могут запускать или обучать локально из-за её огромного размера — больше 60 ГБ. Это означает, что мы застрянем с LoRA и файнтюнами худшего качества из-за низкой точности предоставленных FP8-весов. https://www.reddit.com/r/StableDiffusion/comments/1ubj0s5/ideogram_4_they_are_gatekeeping_the_highprecision/ @cgevent

Большие языковые видеомодели. Принес очередное залипалово. Я смотрю уже 10 минут и не пойму на что это похоже: на фильм ужасов, эротику или рекламу. Хороший коктейль для мозга. Короче, это новый тест (физики) для видеомоделей. Раyьше мы считали пальцы, потом смотрели коню с зубы, теперь вращаем язык! Seedance 2.0, Kling 3.0 Pro, Gemini Omni Flash и Grok Imagine 1.5 получили очень простой промпт: "Вращать язык по кругу в течение 10 секунд." Каждая модель получила ровно четыре попытки. Спойлер: Seedance 2.0 приподоблажался. - Kling 3.0 Pro: Kling провалил основную инструкцию каждый раз: язык так и не повернулся по кругу. Он двигался вбок, скручивался, растягивался и выполнял всевозможные странные анатомические эксперименты, но так и не завершил требуемое движение. Само изображение выглядело достаточно реалистично, но визуальное качество здесь было практически неважно. Движение было неестественным, непоследовательным и полностью не справлялось с задачей. Всё, что могло пойти не так, пошло не так. - Grok Imagine 1.5: Это был неожиданно хороший результат. Изображение по-прежнему имеет обычный слегка мультяшный вид Грока, но его следование промпту было на удивление точным. Язык действительно вращался. Не идеально, не с полностью реалистичной анатомией и не всегда по полному кругу, но Грок понял, что должен делать, и предпринял искреннюю попытку выполнить это. - Gemini Omni Flash: Единственная модель, которая убедительно справилась с задачей. Omni поняла промпт, создала реалистичное изображение и сгенерировала реальное круговое движение языка. По сравнению с другими моделями, это, безусловно, самый чистый, контролируемый и правдоподобный результат. - Seedance 2.0: Это было самым большим разочарованием. Результат был лучше, чем у Kling, но Seedance всё ещё не смог выполнить требуемое круговое движение. Движения выглядели более отточенными, чем у Kling, но основная инструкция всё ещё не была выполнена. Итого: 1 - Omni, 2 - Grok, 3 - Seedance, 4 - Kling @cgevent

#Нейропрожарка KISS THE COOK Автор: Pavel Gnilomedov Сюжет был придуман за завтраком, когда моя жена предложила сделать добрую историю о роботе. Но я люблю триллеры и неожиданные повороты, поэтому история получилась именно такой. С помощью Gemini я структурировал сюжет, а черновую раскадровку сделал в Nano Banana. Во избежание рандомных генераций была выстроена четкая цепочка производства для максимального контроля над картинкой и персонажами. Для начала я собрал референсы локаций и персонажей в Pinterest. Сформировал образы в Nano Banana, где я подготовил референсы персонажей с разных ракурсов. После этого я на основе изображений создал модельки в Hunyuan3D. Моделям накинул риг и отправил в заранее собранную локацию в Unreal Engine, чтобы точно выставить позы и композицию кадров. На основе черновой раскадровки я сделал скриншоты в UE в режиме Lit - это позже дало нейронке готовую карту света и теней, которую не нужно в последствии описывать нейросети, а лишь немного направить в нужном направлении. Черновики из движка я прогнал через Nano Banana, после активно использовал Flux.Klein для точечного редактирования картинки. Затем сборка в Photoshop: склеивал лучшие куски генераций, чтобы получить качественные ключевые кадры. Видео генерировал полностью в LTX 2.3 через ComfyUI. Использовал как генерации через первый кадр, так и через первый/последний кадры. Так же пользовался генерацией через depth карту, переложив свои движения (снятые на видео) на движения персонажа. На финальном монтаже для лучшей читаемости повествования было принято решение убрать некоторые кадры, а кое-какие, наоборот, добавить Монтаж и композ был сделан в After Effects. Звуки из фонотеки Youtube и Adobe. Музыка сгенерирована в Suno. Nano banana использовал через gemini.google.com Для апскейла видео в некоторых случаях использовался Topaz. Деньги были потрачены только на покупку аккаунта с Gemini - 400р. @cgevent

Google Home Speaker: Ну наконец-то! У меня старая версия, ей уже 6(!) лет. 100 баксов. Главная фишка - интеграция с Gemini (голосовой помощник Gemini for Home). 10 голосов интеграция с умным домом ( «Приглушите свет на кухне, включи расслабляющую музыку и установите таймер на 20 минут».) Дальше интереснее: Если вы спросите «Какая погода будет на следующей игре Спартака?», Гемини определит, когда состоится игра, где она пройдет и какая будет погода во время игры, чтобы дать вам точный ответ. Более того, пишут, что Gemini обладает контекстом разговора, поэтому он следует за ходом вашей дискуссии, обеспечивая реальное взаимодействие в режиме «туда-обратно». И у меня вопрос, а кто платит за токены?? И тут непонятки, ибо с колонкой можно взять подписку Google Home Premium (10 баксов в месяц) - и в описании этой подписки главная фишка это "Gemini Live": Скажите: «Привет, Google, давай пообщаемся», чтобы вести естественные, непринужденные беседы, в которых вы можете обсуждать идеи, менять темы и прерывать собеседника." И тут я перестаю понимать разницу, между обычным разговором с колонкой и премиальным. Но буду брать по любому, надеюсь моя подписка Pro включает Google Home Premium Подробнее: https://blog.google/products-and-platforms/devices/google-nest/google-home-speaker-gemini-features @cgevent

Вес взят! Подглядел у Дениса ну очень смешной сайт. Он показывает, насколько вы запечатаны в веса разных LLM. Вбиваете свое имя и ну смотреть, что про вас говорят разные модели. Я попал в датасеты GPT-5.5, Opus 4.8, Gemini 3.1 Lite. Круто, чо! Внизу ехидная надпись - показать еще галюцинаций. И действительно, Клод считает, что я преподавал 3Д Макс и писал книжки по нему, а Гемини считает, что моя книжка называлась 'Visual Effects in Cinema'. Ну то есть в целом они угадали, что да как, но в деталях накосячили нещадно. Проверил результат, чо это Дипсик не знает представителей династии "цын" - действительно не знает, пишет в чате, что я - российский бизнесмен, которого уже замочили в 2015 году. Так что похоже на правду. Буду всем говорить, что я замурован в весах Клода, Гемини и GPT. Проверяем себя тут: https://intheweights.com/ @cgevent

Seedance 2.0 Unlimited Тут твитторок пару дней приповскипал по поводу безлимита на Сиданского на Хиггсфилде. Там было много непоняток и недоговорок: - какой это Сиданский - полный, миник или фаст. - почему в рекламе то 8, то 7(?) секунд генерации - непонятные сроки (когда прикроют) Я тут обнаружил вот такое: Our Seedance 2 Unlimited Plan isn't just for the lightweight "Seedance 2 Fast" model. 🛑 You get truly UNLIMITED access to the FULL, heavyweight Seedance 2.0 engine. 🎬🔥 Но у меня два красных флага: 1. Эмодзи 2. Название этого агрегатора: https://creaa.ai/ И всякие Limited-time AI creation offer: Veo 3.1 and Seedance 2 unlimited В общем мопед не мой, но кто-то пиарится на плохом пиаре Хиггсов. Забавно. @cgevent

Лыжная маска - 2 Странно, что эпический фейл с Apple Vision Pro ничему не учит индустрию. Снапчат бахнул AR-очки Snap Spectacles - их ждали много лет. У меня даже где-то первые валяются. Там много технических находок - полностью автономные (Snap Android inside), 51 градус fov, самозатемняющиеся линзы, два чипа Снапдрагон (один для OS, второй для вижена), 6DoF head tracking + hand tracking, генерация мешей, задержка 7 миллисекунд, переводчик, использование как доп монитора и т. д. Но. Чудовищный дизайн. Но - 2. Цена в 2200 долларов! Причем по предзаказу, а чтобы предзаказать, надо сделать депозит в 200 долларов! На итоге, акции Снапа рухнули на 14 процентов после анонса. Я, наверное, чего-то не понимаю, но мы вроде миновали стадию Метаверс-истерики, и сейчас стадия принятия, что Эппле облажались и вот эти вот потные килограммы на голове за ацкия тыщщи не взлетают. Кто-то еще не миновал, видать. @cgevent