Метаверсище и ИИще
Это не новости, это персональный экспертный взгляд на то, как развивается индустрия ИИ, графики, метаверса, крипты, нейротехнологий и в каком направлении катится все это безобразие.
Для связи: @SergeyTsyptsyn
Для связи: @SergeyTsyptsyn
关联群组
MetaComments
2.6K
"Метаверсище и ИИще" 群组最新帖子
16.05.202517:34
Это вам за то, что не молитесь.
16.05.202516:53
Tencent Hunyuan Image 2.0 Realtime генерация
16.05.202516:37
Krea Lipsync.
Похоже в Креа завозят липсинк.
Не свой, аггрегируют модель из Hedra.
На входе картиночка и звук\текст.
Надо тестировать разрешение и длительность.
Если нет 720р и длительности выше минуты, то проще в Хедре делать.
@cgevent
Похоже в Креа завозят липсинк.
Не свой, аггрегируют модель из Hedra.
На входе картиночка и звук\текст.
Надо тестировать разрешение и длительность.
Если нет 720р и длительности выше минуты, то проще в Хедре делать.
@cgevent
16.05.202515:17
#исследования Некоторое время назад команда Google Research в коллаборации с другими лабораториями опубликовали в Nature исследование, в котором попытались найти сходства между паттернами активации нейронов в реальном мозге во время восприятия и производства речи и внутренними представлениями (эмбеддингами) трансформерной модели, распознающей речь (speech-to-text).
Несмотря на то что мозг и трансформерная модель имеют совершенно разную природу, исследователи обнаружили удивительно стойкую корреляцию. Кроме того, в дальнейшем это позволило предсказывать активность мозга по получаемым эмбеддингам.
✨ Когда человек воспринимает речь, сначала активируются слуховые области коры (например, верхняя височная извилина), и эта активность хорошо предсказывается акустическими эмбеддингами (speech embeddings) модели.
Когда начинается осмысление сказанного, активируются языковые области, такие как область Брока, активность которых хорошо предсказывается языковым эмбеддингами (language embeddings).
✨ При намерении произнести какую-то фразу, наоборот, сначала наблюдается активность в области Брока, которую можно так же предсказать по языковым эмбеддингам.
Затем активируется моторная кора, которая отвечает за подготовку артикуляции — хорошо прогнозируемая акустическими эмбеддингами модели.
Наконец, после произнесения слова, активируются слуховые области, когда человек слышит собственную речь — и это снова соответствует акустическим эмбеддингам.
В блоге Google Research есть хорошие анимации, наглядно объясняющие всю последовательность.
Несмотря на то что мозг и трансформерная модель имеют совершенно разную природу, исследователи обнаружили удивительно стойкую корреляцию. Кроме того, в дальнейшем это позволило предсказывать активность мозга по получаемым эмбеддингам.
✨ Когда человек воспринимает речь, сначала активируются слуховые области коры (например, верхняя височная извилина), и эта активность хорошо предсказывается акустическими эмбеддингами (speech embeddings) модели.
Когда начинается осмысление сказанного, активируются языковые области, такие как область Брока, активность которых хорошо предсказывается языковым эмбеддингами (language embeddings).
✨ При намерении произнести какую-то фразу, наоборот, сначала наблюдается активность в области Брока, которую можно так же предсказать по языковым эмбеддингам.
Затем активируется моторная кора, которая отвечает за подготовку артикуляции — хорошо прогнозируемая акустическими эмбеддингами модели.
Наконец, после произнесения слова, активируются слуховые области, когда человек слышит собственную речь — и это снова соответствует акустическим эмбеддингам.
В блоге Google Research есть хорошие анимации, наглядно объясняющие всю последовательность.
转发自:
Сиолошная
16.05.202515:07
https://openai.com/index/introducing-codex/
— Codex — AI-агент-программист у вас в браузере
— может работать над несколькими задачами
— под капотом модель Codex-1 , основанная на o3
— можно подключать свой GitHub аккаунт, чтобы давать доступ агенту
— Plus юзеры пока не получат доступ, выкатят скоро.
— For developers building with codex-mini-latest (МИНИ), the model is available on the Responses API and priced at $1.50 per 1M input tokens and $6 per 1M output tokens, with a 75% prompt caching discount.
— Codex — AI-агент-программист у вас в браузере
— может работать над несколькими задачами
— под капотом модель Codex-1 , основанная на o3
— можно подключать свой GitHub аккаунт, чтобы давать доступ агенту
— Plus юзеры пока не получат доступ, выкатят скоро.
— For developers building with codex-mini-latest (МИНИ), the model is available on the Responses API and priced at $1.50 per 1M input tokens and $6 per 1M output tokens, with a 75% prompt caching discount.
16.05.202510:37
🌟 Поддержать канал
И поздравить нейродеда
И поздравить нейродеда
16.05.202510:33
Уюхуху, Неродед-сорокет!
Ни разу не закупал рекламу, не участвовал в папках, шмапках, аппках, рос органикой, и вот достукался.
Я не загоняю этим каналом пользователей на свои курсы, сайты, проекты, а пишу по двум причинам:
1. Чтобы на забыть. Написал про что-то - лучше запомнил.
2. Мне нравится писать. Я могу позволить себе писать с ошибками, как гопник, а могу писать грамотно (у меня та самая врожденная грамотность, а на деле особый вид памяти). Есть чувство языка, которое приносит мне, и надеюсь вам, удовольствие.
Если вам тоже нравится, можете размахнуться и со всей дури жбакнуть по кнопке Донат.
Либо криптой или Тонами.
Либо звездами, по моде.
В коменты наваливаем позитив.
А я продолжу...
@cgevent
Ни разу не закупал рекламу, не участвовал в папках, шмапках, аппках, рос органикой, и вот достукался.
Я не загоняю этим каналом пользователей на свои курсы, сайты, проекты, а пишу по двум причинам:
1. Чтобы на забыть. Написал про что-то - лучше запомнил.
2. Мне нравится писать. Я могу позволить себе писать с ошибками, как гопник, а могу писать грамотно (у меня та самая врожденная грамотность, а на деле особый вид памяти). Есть чувство языка, которое приносит мне, и надеюсь вам, удовольствие.
Если вам тоже нравится, можете размахнуться и со всей дури жбакнуть по кнопке Донат.
Либо криптой или Тонами.
Либо звездами, по моде.
В коменты наваливаем позитив.
А я продолжу...
@cgevent
16.05.202507:25
KeySync: Автодубляж.
На входе НЕ картинка, на входе видео с речью на любом языке. И аудио-файл на другом языке.
На выходе - переозвучка с попаданием в губы.
Основная фишка - уменьшение ошибок и потерь в эмоциях при переозвучке.
Код есть, все есть. Демо тоже, но у меня не завелось.
Авторы из Польши во главе с Антоном Бигдатым.
https://antonibigata.github.io/KeySync/
@cgevent
На входе НЕ картинка, на входе видео с речью на любом языке. И аудио-файл на другом языке.
На выходе - переозвучка с попаданием в губы.
Основная фишка - уменьшение ошибок и потерь в эмоциях при переозвучке.
Код есть, все есть. Демо тоже, но у меня не завелось.
Авторы из Польши во главе с Антоном Бигдатым.
https://antonibigata.github.io/KeySync/
@cgevent
16.05.202506:49
Нейродедовость
Промпт:
Подставляете вместо subject любую нейрохрень. Можете потом забрать раскучерявленный промпт из chatGPT и кормить его в другие генераторы.
Фас - Gemini\Imagen3
3/4 - chatGPT
Люблю частицы.
И большого Лебовскаго.
@cgevent
Промпт:
A stylized figure of a [SUBJECT] made of glowing, abstract red and orange energy particles, with radiant and bright illumination effects, set against a deep, dark background. The subject appears translucent and ethereal, with dynamic lighting, shimmering, and a sense of cosmic elegance in portrait modeПодставляете вместо subject любую нейрохрень. Можете потом забрать раскучерявленный промпт из chatGPT и кормить его в другие генераторы.
Фас - Gemini\Imagen3
3/4 - chatGPT
Люблю частицы.
И большого Лебовскаго.
@cgevent
16.05.202506:35
А вот и первые ласточки применения ИИ в новой нормальной рекламе.
Гугл кормит свои видосы в Гемини.
Она смотрит, где юзер больше всего залипает, так называемые Пиковые Точки.
В каждом видео есть моменты, которые требуют наибольшего внимания, и зрители часто переходят сразу к этому разделу или вскоре уходят. Эти моменты также были бы самым идеальным местом для показа рекламы и получения наибольшего охвата, поэтому YouTube вводит «Peak Points».
Гемини теперь знает про вас не только что вы смотрите, а как вы смотрите и на что вы смотрите. И ну вставлять рекламу.
1Xbet такие: жалкие плагиаторы.
https://9to5google.com/2025/05/15/youtube-ads-gemini-peak-points-placement/
@cgevent
Гугл кормит свои видосы в Гемини.
Она смотрит, где юзер больше всего залипает, так называемые Пиковые Точки.
В каждом видео есть моменты, которые требуют наибольшего внимания, и зрители часто переходят сразу к этому разделу или вскоре уходят. Эти моменты также были бы самым идеальным местом для показа рекламы и получения наибольшего охвата, поэтому YouTube вводит «Peak Points».
Гемини теперь знает про вас не только что вы смотрите, а как вы смотрите и на что вы смотрите. И ну вставлять рекламу.
1Xbet такие: жалкие плагиаторы.
https://9to5google.com/2025/05/15/youtube-ads-gemini-peak-points-placement/
@cgevent
16.05.202506:18
Manus: Думающий генератор картинок.
Про Мануса не написал только ленивый - это самый распиаренный AI Agent (не путать с ассистентом), которому можно поставить задачу и он пойдет решать ея в интернетик. Есть уже опенсорсные аналоги, ибо это по сути оркестратор API вызовов разных нейросеток (в основном платных) и платить вам придется по любому.
Очень грубое отличие агента от ассистента состоит в том, что агент делает НЕСКОЛЬКО действий в ответ на поставленную задачу(промпт), не спрашивая у вас мнения, какие действия и в какой последовательности предпринять. "Сам решает" какие апи вызовы дергать, и, главное, в какой последовательности.
Вот держите черри-пикнутое демо работы Мануса, включающее действия по генерации картинок. То есть картиники здесь генерятся НЕ по промпту, и НЕ по команде "сгенери картинку, тварь", а как внутренний этап решения более общей задачи.
Тут 4 задачи и все довольно разные. Подбор мебели из Икеи по входной фотке (генерация картинки с мебелью, как часть задачи), маркетинговая стратегия нового продукта (внутри происходит дизайн и генерация бутылки, потом дизайн и генерация постеров, все как промежуточные этапы), третий кейс самый прикольный - вот четыре фотки моего разного барахла(4 единицы), которое я хочу продать в интернетике - Манус берет фотки, генерит по ним описания и новые фотки, и создает веб-страницу, ибо юзер попросил продать всю эту шнягу. Генерация картинок, часть процесса. Последний кейс банальный - книжка с картинками на заданную тему. Там Манус сам решает за картинки, промпты, частоту, объем текста.
Я посмотрел покадрово три раза. Не увидел, что они используют для генерации картинок. В принципе неважно, суть басни в том, что он САМ решает, что генерить, как генерить, где генерить, пишет промпты, валидирует, возможно генерит заново. Думает в общем.
За сам Манус: его сейчас открыли для всех, 1000 кредитов за новый акк, и 300 в день. Но это ни о чем. Он очень дорогой и очень медленный. Юзеры пишут, что задача может решаться 16 дней, а счет приходит на тысячи и тысячи кредитов.
Все как у людей, все как у людей. Долго, дорого, с ошибками.
Но это пока. Стоимость аренды Мануса уже приближается к стоимость работы фрилансера с Фивера. Пройдет год и разница в цене будет 1:100. Вот тогда поговорим.
https://manus.im/
@cgevent
Про Мануса не написал только ленивый - это самый распиаренный AI Agent (не путать с ассистентом), которому можно поставить задачу и он пойдет решать ея в интернетик. Есть уже опенсорсные аналоги, ибо это по сути оркестратор API вызовов разных нейросеток (в основном платных) и платить вам придется по любому.
Очень грубое отличие агента от ассистента состоит в том, что агент делает НЕСКОЛЬКО действий в ответ на поставленную задачу(промпт), не спрашивая у вас мнения, какие действия и в какой последовательности предпринять. "Сам решает" какие апи вызовы дергать, и, главное, в какой последовательности.
Вот держите черри-пикнутое демо работы Мануса, включающее действия по генерации картинок. То есть картиники здесь генерятся НЕ по промпту, и НЕ по команде "сгенери картинку, тварь", а как внутренний этап решения более общей задачи.
Тут 4 задачи и все довольно разные. Подбор мебели из Икеи по входной фотке (генерация картинки с мебелью, как часть задачи), маркетинговая стратегия нового продукта (внутри происходит дизайн и генерация бутылки, потом дизайн и генерация постеров, все как промежуточные этапы), третий кейс самый прикольный - вот четыре фотки моего разного барахла(4 единицы), которое я хочу продать в интернетике - Манус берет фотки, генерит по ним описания и новые фотки, и создает веб-страницу, ибо юзер попросил продать всю эту шнягу. Генерация картинок, часть процесса. Последний кейс банальный - книжка с картинками на заданную тему. Там Манус сам решает за картинки, промпты, частоту, объем текста.
Я посмотрел покадрово три раза. Не увидел, что они используют для генерации картинок. В принципе неважно, суть басни в том, что он САМ решает, что генерить, как генерить, где генерить, пишет промпты, валидирует, возможно генерит заново. Думает в общем.
За сам Манус: его сейчас открыли для всех, 1000 кредитов за новый акк, и 300 в день. Но это ни о чем. Он очень дорогой и очень медленный. Юзеры пишут, что задача может решаться 16 дней, а счет приходит на тысячи и тысячи кредитов.
Все как у людей, все как у людей. Долго, дорого, с ошибками.
Но это пока. Стоимость аренды Мануса уже приближается к стоимость работы фрилансера с Фивера. Пройдет год и разница в цене будет 1:100. Вот тогда поговорим.
https://manus.im/
@cgevent
16.05.202504:19
Сегодня в 18:00 по мск openAI будет троллить программистов и Гугл.
1. Почему программистов.
Потому что они пишут в своем твитторе: "это для разработчиков и тех, кто собирается ими стать".
2. Почему Гугл.
Потому что они постоянно делают лайфстрим с чем-то очень эффектным как раз накануне Google I/O или накануне гугловых анонсов.
@cgevent
1. Почему программистов.
Потому что они пишут в своем твитторе: "это для разработчиков и тех, кто собирается ими стать".
2. Почему Гугл.
Потому что они постоянно делают лайфстрим с чем-то очень эффектным как раз накануне Google I/O или накануне гугловых анонсов.
@cgevent
15.05.202521:05
Пурдюбик кубик.
Это дикое сломо. В реальности робат собирает кубик Рубика за, внимание 0.103 секунды ИЗ ЛЮБОГО положения граней. С помощью computer vision.
Посмотрите момент вначале и в конце.
Итак.
Студенты Университета Purdue построили робота Purdubik's Cube, который собрал(решив по дороге) кубик Рубика за 0,103 секунды, установив 21 апреля 2025 года мировой рекорд Гиннесса.
Робот использует комп. зрение и алгоритмы для решения кубика в режиме реального времени, а не только заранее запрограммированные движения.
Ну, за рекорды.
@cgevent
Это дикое сломо. В реальности робат собирает кубик Рубика за, внимание 0.103 секунды ИЗ ЛЮБОГО положения граней. С помощью computer vision.
Посмотрите момент вначале и в конце.
Итак.
Студенты Университета Purdue построили робота Purdubik's Cube, который собрал(решив по дороге) кубик Рубика за 0,103 секунды, установив 21 апреля 2025 года мировой рекорд Гиннесса.
Робот использует комп. зрение и алгоритмы для решения кубика в режиме реального времени, а не только заранее запрограммированные движения.
Ну, за рекорды.
@cgevent
15.05.202520:14
11labs сделала очень забавный и простой продукт.
SB-1 Infinite Soundboard.
Это типа драм-машинки, только вы можете генерить звуки промптами и добавлять их на кнопки.
А потом смешивать их.
Бесконечный источник закадровых шумов.
https://elevenlabs.io/sound-effects/soundboard
@cgevent
SB-1 Infinite Soundboard.
Это типа драм-машинки, только вы можете генерить звуки промптами и добавлять их на кнопки.
А потом смешивать их.
Бесконечный источник закадровых шумов.
https://elevenlabs.io/sound-effects/soundboard
@cgevent
记录
16.05.202523:59
40K订阅者12.04.202523:59
300引用指数11.05.202513:43
17.1K每帖平均覆盖率25.01.202523:59
14.6K广告帖子的平均覆盖率09.02.202523:59
25.84%ER11.05.202513:42
43.11%ERR
22.04.202521:35
Anthropic вчера опубликовал, а сегодня на хабре перевели отличный гайд по использованию агентов в программировании, чтобы не ругаться на тупой chatgpt или Claude, когда он вам пол-проекта перепишет :)
Например там про то, чтобы план составить сначала:
https://habr.com/ru/articles/902422/
Например там про то, чтобы план составить сначала:
https://habr.com/ru/articles/902422/
16.05.202517:34
Это вам за то, что не молитесь.
18.04.202518:07
Krea.ai, что ты делаешь, прекрати!
Krea Stages - вытаскиваем из картинки 3д, генерим 3д, и трансформируем 3д.
И даже деформируем!
Да, вам не почудилось. Это паранейроавториг.
Поглядите на зайца-побивальца.
Может пора эксгумировать Метаверс?
@cgevent
Krea Stages - вытаскиваем из картинки 3д, генерим 3д, и трансформируем 3д.
И даже деформируем!
Да, вам не почудилось. Это паранейроавториг.
Поглядите на зайца-побивальца.
Может пора эксгумировать Метаверс?
@cgevent
+3
07.05.202510:51
HeyGen Avatar IV - это просто огнищще.
На входе ОДНА фотка и ваш текст.
Всё.
Похоже тема липсинка близка к закрытию.
Но это еще не все. Оно работает с анимационными персонажами, и даже с животными! Как они это сделали, не понимаю.
И да, русский поддерживается.
https://x.com/HeyGen_Official/status/1919824467821551828
@cgevent
На входе ОДНА фотка и ваш текст.
Всё.
Похоже тема липсинка близка к закрытию.
Но это еще не все. Оно работает с анимационными персонажами, и даже с животными! Как они это сделали, не понимаю.
И да, русский поддерживается.
https://x.com/HeyGen_Official/status/1919824467821551828
@cgevent
转发自:
Data Secrets
12.05.202519:22
Китайский агент Manus с сегодняшнего дня открыт для всех без листа ожидания
Про самого агента и его особенности мы писали вот тут. Напоминаем, что это реально автономный и универсальный ИИ-агент, который по сути представляет из себя Cursor, Operator и Deep Research в одном флаконе.
Кроме того, агент частично бесплатный: каждый день они выдают по 300 кредитов на пользователя (это примерно одна задача средней сложности), а при регистрации единовременно начисляют 1000 кредитов.
Пробуем первыми тут
P.S. Для входа нужно включить VPN, а затем верифицировать номер телефона. С российскими номерами тоже работает, если выбрать в списке стран Казахстан.
Про самого агента и его особенности мы писали вот тут. Напоминаем, что это реально автономный и универсальный ИИ-агент, который по сути представляет из себя Cursor, Operator и Deep Research в одном флаконе.
Кроме того, агент частично бесплатный: каждый день они выдают по 300 кредитов на пользователя (это примерно одна задача средней сложности), а при регистрации единовременно начисляют 1000 кредитов.
Пробуем первыми тут
P.S. Для входа нужно включить VPN, а затем верифицировать номер телефона. С российскими номерами тоже работает, если выбрать в списке стран Казахстан.
05.05.202513:09
OpenAI обновили документацию про то, какую модель оптимально использовать в том или ином случае.
GPT-4o - Омни-модель для мультимодальных рассуждений в реальном времени в повседневных рабочих процессах.
GPT-4.5 - более широкие знания и лучший контроль тональности ответа - идеальное решение для письма, кодирования и быстрого решения проблем.
o4-mini - Быстрые, экономичные рассуждения для кода, математических и визуальных задач.
o4-mini-high - это o4-mini с дополнительной глубиной для более сложных технических ответов.
o3 - самый мощный движок для сложного, многоступенчатого анализа.
o1-pro - устаревшая(legacy) модель, настроенная на длительную аналитическую работу с высокими ставками.
https://help.openai.com/en/articles/11165333-chatgpt-enterprise-models-limits
Не скажу, что стало сильно понятнее, но по ссылке есть примеры промптов и четко указаны лимиты для каждой модели.
@cgevent
GPT-4o - Омни-модель для мультимодальных рассуждений в реальном времени в повседневных рабочих процессах.
GPT-4.5 - более широкие знания и лучший контроль тональности ответа - идеальное решение для письма, кодирования и быстрого решения проблем.
o4-mini - Быстрые, экономичные рассуждения для кода, математических и визуальных задач.
o4-mini-high - это o4-mini с дополнительной глубиной для более сложных технических ответов.
o3 - самый мощный движок для сложного, многоступенчатого анализа.
o1-pro - устаревшая(legacy) модель, настроенная на длительную аналитическую работу с высокими ставками.
https://help.openai.com/en/articles/11165333-chatgpt-enterprise-models-limits
Не скажу, что стало сильно понятнее, но по ссылке есть примеры промптов и четко указаны лимиты для каждой модели.
@cgevent
22.04.202508:26
Новая опенсорсная и очень эмоциональная модель для озвучки(TTS).
Dia - это модель преобразования текста в речь с 1,6 млрд параметров, созданная в Nari Labs.
Есть код:
https://github.com/nari-labs/dia
На взрослых GPU может выдавать реалтайм. Жрет 10GB, но разрабы обещают кванты.
Разрабов, кстати, 1.5 человека. Один на парт тайме.
Есть неофициальное демо, официальное висит.
https://huggingface.co/spaces/mrfakename/dia-1.6b
@cgevent
Dia - это модель преобразования текста в речь с 1,6 млрд параметров, созданная в Nari Labs.
Есть код:
https://github.com/nari-labs/dia
На взрослых GPU может выдавать реалтайм. Жрет 10GB, но разрабы обещают кванты.
Разрабов, кстати, 1.5 человека. Один на парт тайме.
Есть неофициальное демо, официальное висит.
https://huggingface.co/spaces/mrfakename/dia-1.6b
@cgevent
06.05.202520:08
Офигенный пример из нового Gemini 2.5 (I/O Edition)
- Гемини, возьми картинку и постарайся воспроизвести ее кодом, принимая во внимание все паттерны.
Поглядите на эти анимации.
Image2Code в действии. Помните все эти арт-проекты и виджеинг? Не чокаясь.
I/O Edition - это замысловатый нейминг от Гугла в честь их конференции.
@cgevent
- Гемини, возьми картинку и постарайся воспроизвести ее кодом, принимая во внимание все паттерны.
Поглядите на эти анимации.
Image2Code в действии. Помните все эти арт-проекты и виджеинг? Не чокаясь.
I/O Edition - это замысловатый нейминг от Гугла в честь их конференции.
@cgevent
登录以解锁更多功能。
