Метаверсище и ИИще

ИИ-синтезатор для Мака Недавно постил про реалтаймовый генератор музыки как отдельного инструмента\трека с привязкой к хардверным клавишами на базе опенсорсного ACEStep1.5 (4090RTX) https://t.me/cgevent/15775 А щас вот Google бахнул аналогичный проект Magenta RealTime 2 - который работает исключительно на силиконовых Маках причем БЕЗ интернета. "Наряду с моделью с открытыми весами мы выпускаем коллекцию инструментов и сценариев, созданных с помощью MRT2. Поэкспериментируйте с клонированием звуков, смешиванием жанров и созданием живого аккомпанемента с помощью этой музыкальной модели с низкой задержкой." Маководы-меломаны - прочекайте проект: https://magenta.withgoogle.com/mrt2 Выглядит довольно нарядно. @cgevent

Ну, за юристов. Помните писал, что после поиска уязвимости в коде, ИИ может взяться искать (и находить) дыры в законах? Также напомню, что кожаные уже давно не могут отличить живые фото\картинки от сгенеренных. С юристами все еще хуже. Кожаным гораздо больше нравится ИИ-юрист! Прекрасный материал от Стэнфорда: https://law.stanford.edu/press/ai-outperforms-law-professors-in-stanford-law-study/ Исследование, проведенное профессором юридической школы Стэнфорда Джулианом Ньярко, показывает, что преподаватели права в подавляющем большинстве случаев предпочитают ответы студентов, сгенерированные искусственным интеллектом, ответам, написанным их коллегами-преподавателями. Исследование под названием «Преподаватели права предпочитают ИИ ответам коллег» было проведено с участием 16 преподавателей права из юридических школ США и проверяло, могут ли большие языковые модели служить эффективными учебными пособиями для курсов по договорному праву. В ходе слепой оценки почти 3000 анонимных сравнений преподаватели оценили ответы ИИ значительно выше, чем ответы, написанные другими преподавателями, при этом ИИ выиграл 75% сравнений. У меня, наверное, все. @cgevent

19 лучших Лор для LTX 2.3 в одном месте С описаниями, видео-примерами и ссылками. А то с ума можно сойти - про каждую постить отдельно. https://www.stablediffusiontutorials.com/2026/05/ltx2.3-lora-models.html @cgevent

3Д-генераторы замахиваются на святое - органик моделинг, причем моделинг головы. Это Rodin 2.5 - уже писал, что у них есть текстуры на 12К и генерация на 10 миллионов полигонов. На входе - несколько картинок-ракурсов головы с разных углов (из генератора картинок или фото). https://hyper3d.ai/ @cgevent

Все-таки SAM 3D Body - это очень крутая технология. На входе одно изображение, на выходе - болваны со скелетами, причем не как в примерах с танцами на камеру, а в произвольных позах. Писал про это и тестировал тут:

Так, Идеограм 4 локально в NSFW побеждён, воркфлоу в комментариях.

Немного за Ideogram 4 1. Цензура вшита в веса модели. На реддите есть разные трюки для снижения порога срабатывания цензуры, это порой позволяет раскрыть тему сисек, но не полностью. 2. Все это не имеет никакого смысла, ибо в датасетах модели не было откровенного NSFW. Это все равно, что пытаться генерить порно с помощью Flux. Он что-то слышал и видел, но помнит плохо. 3. Весь NSFW всегда делался Лорами и Файнтюнами базовой модели. А не самой моделью. Поэтому отстаньте от Идеограма с сиськами и письками. Он если и сделает, то плохо. А вот вопрос тренировки лор и файнтюнов - открыт. Код для тренинга не опубликован. Острис уже начал эксперименты с Лорами - в частности с Лорой для понимания нормального языка, а не джейсона. 4. Судя по всему, подавляющее количество срабатываний цензуры (ложных в том числе) происходит при промптинге на обычном языке (это косяк Идеограмма). Он натренирован на JSON-разметке для картинок. Чтобы как-то нивелировать эту проблему Комфи уже обновили дефолтный форкфлоу, а всемогущий Киджай час назад выкатил ноду Ideogram Prompt Buider - и там не только конвертация в джейсон, но и работа с layout боксами. Забирать тут и смотреть на видео выше: https://github.com/kijai/ComfyUI-KJNodes https://github.com/kijai/ComfyUI-KJNodes/blob/main/nodes/ideogram4_nodes.py 5. Также есть кастомный форкфлоу от авторов Хромы: https://pastebin.com/xpYezwZp @cgevent

Ideogram покусал Krea Они опенсорснут свою последнюю модель Krea K2. @cgevent

Reve 2.0 Если вы всю ночь тестировали опенсорсный Ideogram и безуспешно ломали его цензуру, то днем вам не отоспаться - вышел новый Reve 2.0. Упали, отжались и пошли тестировать. Нативное 4K, сегментация объектов на картинке и, как следствие, более точное редактирование. Времени нет, но вы держитесь. https://app.reve.com/ @cgevent

Молния! Igeogram 4 опенсорснулся! По бенчам и аренам теперь это лучший опенсорсный генератор картинок. "Ideogram 4 — это первая модель с открытыми весами от Ideogram. Это базовая модель, обученная с нуля, а не файнтюн существующей модели. Она имеет новый структурированный интерфейс промптов в формате JSON, лучшую в своем классе многоязычную отрисовку текста, глубокое понимание языка, явное управление цветовой палитрой, а также нативное 2K. Аспекты картинок до 6:1" Всего 9.3B параметров - должно влезать в слабые видеокарты (Qwen-Image - 20B, FLUX.2 [dev] - 32B) Две версии весов nf4(Cuda) и fp8. Обещают больше квантизаций. Для гиков: It is a flow-matching text-to-image model built on a fully single-stream Diffusion Transformer (DiT) architecture. Fully single-stream DiT. Text and image tokens are concatenated into one unified sequence and processed through the same 34-layer transformer, with no separate text or image branches. Vision-language model as text encoder. Instead of a text-only encoder like CLIP or T5, Ideogram 4 uses Qwen3-VL-8B-Instruct, a full vision-language model that provides far richer understanding of visual concepts. Тренировали на JSON разметке, есть промпт улучшайзер и промпт гайд. Есть какие-то заморочки с цензурой (использование https://thehive.ai/), но думаю народ сейчас быстро выкусит нужный код, если это вообще нужно. Лицензия - некомерческая. Какая именно, надо разбирацца. Очень круто сделан гитхаб - все веса, код, инструкции, гайды - по ссылке: https://github.com/ideogram-oss/ideogram4 Завтра будем разбираться с анатомией, цензурой, текстом, слоями и пр. Нелокально можно пробовать как у них на сайте, так и на всех аггрегаторах: фал, креа, комфиАПИ, рунваре, магнифик, репликейт.. Всем бессонной ночи! P.S. Editable text, movable layers, and full image editing are coming soon. @cgevent

#Нейропрожарка Работа по рассказу О Генри "Дары волхвов". Автор: Алексей Чудинов. А сегодняшняя Нейропрожарка будет в аккурат по мотивам предыдущего поста. Я тут уже дискутирую с подписчиками по итогам этого лонгрида и консенсус такой - так же как в традиционных пайплайнах есть коммерческий софт, а есть инхаус разработки - в системах генерации контента будут коммерческие сервисы, а будут самописные боты, фреймворки, агенты - теперь любой креатор может завайбкодить себе пайплайн именно под свою задачу. Подписчик Алексей прислал мне результат такого написанного фреймворка для автогенерации еще в январе, но я был на каникулах и прошляпил. Исправляюсь. Я сделал работу за четыре с половиной часа с помощью автогенерации (на моем агентском фреймворке) с минимальными ручными правками изображений. Озвучка добавлялась в ручном режиме. Фреймворк на вход получает описание текста (можно просто логлайн), необходимую длину видео, на выходе - сгенерированные видеокадры и таймлайн, который можно сразу импортировать в FinalCut или DaVinci (я использовал DaVinci). Для генерации изображений использовалась NanoBanana Pro, для генерации видео использовалась MiniMax-Hailuo-02. Для фоновой музыки Suno, для tts - gpt-4o-mini-tts и фоновые звуки из библиотеки звуков. @cgevent

Вот тут примеры генераций из Dreamina Octo. Тут важно заметить, что это не ручной генереж и монтаж, а результат работы агента. Который сам решил за ракурсы и склейки. И за многое остальное. Там есть и короткие ролики и пятиминутные фильмы. Думаю, что скоро тикток просто захлебнется микродрамами, а слопа станет еще больше. Но таков путь. @cgevent

Вайб-контентинг или видео-агентинг. Осьминог от Дримины. Пока мы тут хлещемся по поводу того, какой видеогенератор круче, из тумана постепенно вырисовываются новые паплайны (спойлер - в пределе заветная кнопка "сделать красиво"). Я уже писал про Super Computer от Хиггсов - агент, который берет на вход минимальную хотелку пользователя, а дальше сам сценарит, концептит, персонажит, раскадрочит, промптит, итерирует, генерит, критикует сам себя, переделывает. Отзывы плохие - путается, застревает, жрет токены, ходит по кругу, генерит шнягу. Также мы уже пообсуждали в коментах агента в Google Flow - отзывы получше, амбиции поменьше, функционал скромнее, но надежнее. И это именно прототипы того, что нас ждет в контентинге в этом году. Агент-партнер, которому можно либо отдать задачу и забыть, либо идти с ним вместе поэтапно. Самое главное, что он будет в контексте задачи - помнить про исходную хотелку, удерживать концепт персонажей, который сам же и породит, следить за консистентностью и даже соотносить финал с начальным замыслом. Конечно, все это похоже на вайб-кодинг и удерживание контекcта в голове агента. Только контекст у нас визуальный, не всегда вербализуемый или объяснимый, но в целом замысел тот же. Но если вайб-кодер часто вообще не смотрит код, а только юзает результат, ну или смотрит код - и для этого у него есть просто текстовый редактор кода. Но наш визуальный промежуточный код - это и текст, и картинки, и раскадровки, и звук, и концепты, и видосы референсы - в общем визуальная кустистая ботва, разбросанная по папкам и экрану. И дальше будет очень интересно наблюдать, кто сможет организовать эту ботву (на экране) и интерактивное общение с агентом наиболее удобным образом. Аналогов такого UX просто еще не было. Для раскадровок - одно, для концептов - мудборды, для персонажей - шиты, для композа - нодовый интерфейс, для монтажа - таймлайн. А тут надо как бы все вместе нарисовать на экране. Ибо теперь нажал кнопку - и все этапы могут сгенериться сами - и надо их как-то представить. Пока все идет к тому, что это будет аналог нодовых интерсейсов на бесконечных холстах(канвасах), но не факт, что так и останется в будущем. Ноды - паллиатив. Хех, это был дичайше долгая подводка к новому агенту от Дримины под названием OCTO. И да, он тоже сам сценарит, концептит, персонажит, раскадрочит, промптит, итерирует, генерит, критикует сам себя, переделывает. Под капотом может быть родной Сидэнс, но не обязательно, генератор картинок - любой, текстовые модели - любые. https://dreamina.capcut.com/ai-tool/home/ На видео - примерный интерфейс, но я сейчас накидаю еще примеров того, что уже делается одной кнопкой в этом OCTO. А чтобы еще больше удлинить пост и покрепче обосновать тезис про агентов и вайб-контентинг, приведу новость о том, что UTOPAI Studios выпустили вторую версию своего агентского пайплайна: https://variety.com/2026/digital/tech/ai-utopai-studios-pai-2-generative-video-platform-1236764434/ И там прямо так и говорится: “With PAI 2.0, our goal is to help catalyze a ‘Claude Code moment’ for media generation” Тут они пытаются перетащить на себя общее одеяло, но в принципе да, мы сейчас наблюдаем ‘Claude Code moment’ для генерации контента, в виде прихода агентов в видеогенерацию. @cgevent

Codex теперь умеет выкладывать внутренние приложения OpenAI зашёл на территорию Lovable и Replit, но пока только для внутренних сайтов. Вчера на стриме «Intelligence at Work» OpenAI выкатил сразу три апдейта для Codex: шесть ролевых плагинов под бизнес-задачи, аннотации и – самое интересное – Sites. Это плагин + managed-хостинг прямо внутри Codex. Просишь собрать приложение – Codex его строит, прогоняет, деплоит и возвращает ссылку, которую можно расшарить по воркспейсу. Весь цикл в одном треде, без ручной возни с инстансами и регионами (привет всем, кто пытался захостить локально собранное приложение в GCP или AWS). Целятся во внутренние инструменты: онбординг-дашборды, базы знаний, борды для идей, репортинг-вью, лёгкие воркфлоу-приложения. То есть не «лендинг запилить», а «превратить рутину команды в живое приложение». Добавили 2 фичи для хранения: – D1 – SQLite-совместимая база под структурку: состояние чеклистов, закладки, фильтры, конфиги, метаданные файлов – R2 – объектное хранилище под сами файлы: документы, картинки, ассеты Любопытная деталь: D1 и R2 – это вообще-то названия продуктов Cloudflare. То есть «хостинг от OpenAI» под капотом едет на Cloudflare – OpenAI не строит инфру сам, а заворачивает чужую под свой бренд и свою авторизацию. По дефолту приложение видят только владелец и админы воркспейса. Дальше открываешь либо на весь воркспейс (workspace_all), либо точечно на людей и группы (custom). Авторизация – через Sign in with ChatGPT. Пока превью для Business и Enterprise. В общем, всем ChatGPT, пожираем всех ближайших конкурентов и GPT-врапперы. https://developers.openai.com/codex/sites

Новые модели от Микрософта. Они анонсировали семейство из семи новых моделей под брендом MAI для работы с изображениями, голосом и кодом. MAI‑Thinking‑1 (ризонинг-модель, 35 миллиарда параметров, контект 128K) MAI‑Code‑1-Flash MAI‑Image‑2.5 MAI‑-Voice-2 Нас интересует (или не интересует) MAI‑Image‑2.5, которая на Арене взобралась на второе место в категории редактирования картинок, обойдя Банану. Что делает доверие к Арене еще более сомнительным. С ценами на АПИ можно ознакомиться по ссылке, а но мне больше интересно, как Микрософт будет встраивать генерацию в продукты. Уже сейчас написано "MAI-Image-2.5 is live on PowerPoint for high-quality image generation and rolling out to OneDrive for precise editing." @cgevent

AI-assisted retopology, UV unwrapping, GPU compute packing, and texture baking Интересный новый софт Cozy Blanket - обещают ИИ-ретоп и Анврап. Цен нет, доступа нет, сроков нет - но есть очень обещающие картинки и хорошо сделанный сайт. Можно подписаться на обновления. Подписался, заинтригован. https://sparseal.com/cozyblanket-pro/ @cgevent

Runway: убирают безлимитный тариф Unlimited и ставят вместо него за ту же цену ($95/мес) тариф Max. В нем не будет режима Explore для безлимитной генерации видео и картинок в рамках подписки. Вместо 2250 кредитов в месяц даётся 9500, чего хватит на 15 FullHD видео Seedance 2 длиной 15 сек (цены). Неиспользованные кредиты переносятся на 1 следующий месяц, а дальше сгорают. Для тех, кто уже на анлиме всё останется как есть до 31 августа. С 1 сентября, если вы на ежемесячном списании, либо остаётесь на Max, либо отменяете подписку. Если на ежегодном списании, с 1 сентября либо переходите на Max, либо получаете возврат средств за неиспользованное время. Анонс в дискорде

#Нейропрожарка Клип/фильм на авторскую песню. Автор: Артем. Здесь я в большинстве тестировал сиденс. И он крут. Конечно не обошлось и без клинга, куда без него. Что в итоге получилось. Ушла полная максимальная подписка клинг. И три максимальные подписки хигсфилд (на нем я использовал сиденс). Озвучка и липсинк также сиденс. Изображения банана и чуть чуть флакс 2 макс. Ну и суно. По работе около 100 часов.

О чем это видео. Невероятная история большой войны. Фрея - олицетворение искусственного интеллекта и человечности. Магия любви и ненависти. Мы расскажем как ведут себя Боги. И как ведут себя люди, распоряжаясь своей волей. Когда от одной маленькой жизни зависит судьба человечества. Когда кажется, что выхода больше нет. Она придет на помощь, чего бы это ни стоило. Мы покажем ужасы войны и свет надежды. Самая важная битва в которой решится все. Это музыкальный клип? Короткометражный фильм? Или нечто другое? Смесь истории и фэнтези. Авторская песня Артема Долгих. В исполнении великолепной магической Фреи. Своей магией она может превратить бездушную куклу в человека и подарить любовь - вы это видели. Она может расколдовать животное, с помощью магии роз и подарить ему любовь - вы это видели. Но если она придет в ярость, то сможет подарить только смерть - вы это увидите. Добро пожаловать в иллюзию. Добро пожаловать в реальность.

Приятного просмотра 🫶 И спасибо за внимание! @cgevent

MoneyPrinterTurbo - автоматическое создание роликов Хах, а вот и защита - "принтер для денег" и бесплатный "контент-завод" :) Опенсорсный проект, который собрал больше 77 тысяч звёзд на GitHub. Вводишь тему или короткий промпт – на выходе готовый ролик со сценарием, стоковым видео, озвучкой, субтитрами и музыкой. – LLM пишет сценарий по твоей теме, либо можно подставить свой текст – система сама подтягивает HD-сток без копирайта из Pexels и подобных источников – TTS озвучивает текст, субтитры собираются автоматически – сверху ложится фоновая музыка – и всё это рендерится в 1080p Что под капотом – локальные модели через Ollama (Llama, Mistral, Qwen) и облачные – OpenAI, DeepSeek, плюс Grok – форматы 9:16, 16:9 и 1:1 – под Shorts, YouTube и Instagram сразу – пакетная генерация: делаешь несколько вариантов и выбираешь лучший – тонкая настройка субтитров: шрифт, размер, цвет, обводка, позиция – есть и Web-интерфейс, и REST API, разворачивается через Docker – внутри Python, MoviePy и FFmpeg, чистая MVC-архитектура Прикольно, что проекту уже почти 2 года, а он все растет и растет. Качество упирается в стоковые видео плюс синтезированный голос, так что зрителю видно, что это конвейер – для брендового контента пока не годится. Зато как учебный кейс «склей AI-сервисы в продукт» и как фабрика для тестов каналов. https://github.com/harry0703/MoneyPrinterTurbo/blob/main/README-en.md