Suno: улучшили разделение трека на стэмы. Теперь есть три режима: Autosplit (предыдущая версия), Split from mix, и новый Advanced split.

Старый Autosplit вытаскивал стэмы по разнице частот и периодически ошибался, или с вокруг инструмента слышался шум. Новый Advanced split вместо изолирования частот генерит его по новой с чистым звуком, используя последнюю актуальную модель (на данный момент V5.5). Судя по демкам новая генерация хорошо следует структуре оригинального стэма.

Как это работает с голосом не показали. Крайне гранулированные стэмы а-ля Kick, Snare, итд доступны в бета режиме и требуют доработки.

Каждый вытащенный стэм съедает 10 кредитов. По умолчанию генерится 2 версии для сравнения между собой. Всего можно выцедить до 12 дорожек. Если нужно вытащить конкретный инструмент и не платить лишние кредиты, то лучше выбрать Split from mix.

В Pro подписку входит Autosplit и Split from mix, а Advanced split только в подписке Premiere.

YouTube
Сайт

#Нейропрожарка

CYBER DOGS: НАЧАЛО

Автор: @HuntelX

История о двух обычных той-фоксах, которые случайно оказываются в мрачной кибервселенной и сталкиваются с безумным Доктором фон Хряком.

🔹 Локации собирал в Blender, после чего дорабатывал и повышал детализацию через FluxKlein9B.

🔹 Некоторые ракурсы и кадры создавались с помощью Nano Banana 2.

🔹 Часть движений персонажей была анимирована полностью в 3D, а затем рендерилась через LTX 2.3 или Seedance 2

🔹 постпродакшен в After Effects.

🔹 Голоса персонажей и музыка генерировались в ElevenLabs.

В работе использовал:

🔹 LTX 2.3
🔹 Nano Banana 2
🔹 FluxKlein9B
🔹 Seedance 2
🔹 Kling
🔹 Blender
🔹 After Effects
🔹 Photoshop
🔹 ElevenLabs

@cgevent

Boogu Vision:Новый генератор картинок

Опенсорсный притом. И, как пишут, довольно неплох в редактировании.

Довольно маленький (10B)
Версии Base, Turbo, Edit
double stream mmdit
textencoder :qwen3VL 8B
FLUX.1 VAE

Основная идея - подшаманить с пониманием и мультимодальностью при меньших датасетах.

При значительно ограниченных вычислительных ресурсах для обучения по сравнению с системами с закрытым исходным кодом, мы обнаружили, что систематическое улучшение способности модели к пониманию, качества данных и конвейера обучения может существенно повысить производительность генерации и редактирования изображений. В частности, по сравнению с некоторыми существующими моделями с открытым исходным кодом, масштаб наших обучающих данных примерно на порядок меньше. Мы надеемся, что наше эмпирическое исследование и публикация в открытом доступе помогут продвинуть экосистему открытого исходного кода для унифицированного мультимодального понимания и генерации изображений.

Код, веса и ТРИ варианта демо(можно пробовать) забирайте тут:

https://boogu.org/

Уже есть поддержка тренировки лор от Острис

https://fal.ai/models/fal-ai/boogu-image

Поддержка в Комфи:
https://huggingface.co/Comfy-Org/Boogu-Image

@cgevent

Seedance 2.0 Unlimited

Тут твитторок пару дней приподвскипал 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

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

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

#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

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

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

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

я вернулся
новый ник в шапке канала

дайте мне сутки, чтобы прийти в себя

И да, Креа 2 опенсорснулась (чтобы вы поняли, что я это я).

@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