Биржа ИИ-слопперов. Нейропрожарщеги, налетай!

Рунвей отчаянно пытается заработать на разных трендах.

Они решили, что мало продавать лопаты. Теперь будут продвигать еще и сводничество.

Бахнули DIFFUSE - площадку для поиска и найма этих типа "AI-креаторов": режиссёров, дизайнеров, AI-студий, монтажёров и прочих кожаных, которые научились собирать коммерческий продакшен из Runway, Midjourney, Seedance, Nano Banana, ElevenLabs, Suno - я тут специально нарезал салат. Сейчас в каталоге уже 229 профилей, вчера вечером было 150.

Полноценный раздел Jobs пока только Coming soon, поэтому на данном этапе это скорее как бы Behance + LinkedIn для AI-продакшена, чем настоящий Upwork.

Причём Runway здесь почти ничего не гарантирует. Никакого аналога completion bond, гарантии сдачи проекта, escrow, арбитража или страховки от криворукого кожаного гения я не нашёл. Нет даже публично описанной системы сертификации типа «этот чувак проверен Runway и точно умеет работать».

В Terms написано почти предельно: Runway не работодатель, не агент и вообще не сторона сделки. За выбор исполнителя, договор, деньги, споры и конечный результат отвечают заказчик и креатор. Более того, пользовательский контент предоставляется без endorsement, warranty или guarantee со стороны Runway.

То есть сегодня Runway фактически делает самое ценное - засветка и, потом, сводничество.

Вот портфолио, вот специализация, вот чем человек работает, вот кнопка отправить ему brief. Дальше разбирайтесь сами. Runway прямо объясняет происхождение идеи: enterprise-клиенты постоянно спрашивали их «а кого нам нанять, чтобы внедрить всю эту байду в продакшен?». DIFFUSE и есть их ответ.

С генерациями та же история. DIFFUSE не обещает креатору бесплатный вычислительный бюджет. Если он работает через собственный Runway-аккаунт, генерации расходуют обычные credits его плана.

И тут получается хорошая воронка для самого Runway.

И что мне подумалось.

Пока DIFFUSE населён кожаными. А Runway одновременно развивает Runway Agent и MCP, где агент уже способен самостоятельно собирать видео и вызывать генеративные модели. И подобные агенты есть уже у Креа, Хиггсов (СуперКомп), Дримины (Окто), и еще десятка нахлобучек-агрегаторов (там проблема общая - неконтролируемое пожирание токенов, поэтому я про них даже не пишу).

Но я жду, что туда повалят ИИ-агенты. И хрен ты поймешь, кто на стороне ИИ-блин-креатора: криворукий кожаный, студия с пайплайном или ии-агентищще, который умеет и переписываться, и понимать, и херачить.

AI Director Agent. Available 24/7. $14 за ролик. Не ем. Не сплю. Дедлайн не переношу. Не рефлексирую и делаю говно, когда вы хотите говна

Короче, регайтесь, за спрос денег не берут. И комиссию тоже, что удивительно.

https://runway.com/news/company-news/introducing-diffuse

https://diffuse.runway.com/talent

И старый Runway Talent Network, из которого фактически вырос DIFFUSE:
https://runway.com/news/runway-launches-global-talent-network

@cgevent

И еще один генератор картинок! Теперь спецом под дизайн, постеры, юи и вот это вот все

Ant Group тихо бахнул Ming-Image-0.1-Design - 6B open-weight(!!) модель для картинок, которая особенно заточена под UI, постеры, инфографику, текст и дизайн.

Ништяки: до 2K, нативный RGBA с прозрачностью, всего 12 sampling steps.

И, внимание, расслоятор!

Отдельная модель Ming-Image-0.1-Design-Layer умеет брать готовую (вашу) картинку и разбирать её на отдельные RGBA-слои.

На дизайн арена Минг уже побивает Идеограм 4.

Где пробовать:

Hugging Face Space - самый простой вариант, прямо в браузере:
https://huggingface.co/spaces/hugging-apps/ming-image-0-1-design-demo

OpenRouter - уже появился API через NovitaAI. На момент проверки цена стоит $0. Да, пока бесплатно. Медианная генерация около 37 секунд:
https://openrouter.ai/inclusionai/ming-image-0.1-design

Локально тоже можно. Веса открыты под MIT:
https://github.com/inclusionAI/Ming-Image

https://huggingface.co/inclusionAI/Ming-Image-0.1-Design

Но: полный checkpoint около 53 GB, а официально проверенная конфигурация - CUDA GPU с 80 GB VRAM в BF16. Это не обязательно реальный минимум, просто пока именно такую конфигурацию валидировали разработчики.

ComfyUI тоже уже на подходе. Kijai написал поддержку, PR в основной ComfyUI открыт, но пока ещё не смёржен:
https://github.com/Comfy-Org/ComfyUI/pull/16482

Орудует тут:
https://huggingface.co/Kijai/Ming-Image-ComfyUI

И отдельно лежит Design-Layer:
https://huggingface.co/inclusionAI/Ming-Image-0.1-Design-Layer

Заинтригован, однако. Картинки на гитхабе прям сладкие.

@cgevent

Вы же помните пост с перестрелкой?

Напомню, что в качестве рефа для Сиданского использовалось вот это видео:

https://www.youtube.com/watch?v=S8Z3gGqc7W4

А теперь Опус 5.5 взял на вход видео с Сеней и Даней, и воспроизвед его в Блендоре.

Это получается вторая производная от ютюба.

Ну и молиться не забывайте, а то возьму третью производную.

И пора вводить рубрику #СеняДаняЗдесьБыли

У меня этого добра много.

@cgevent

Google выкатил Gemini 3.8 TTS.

Видимо все силы кинул в голос )

Моделей две:
– Gemini 3.8 Flash TTS: для творческой работы, чтобы задать характер персонажа и сыграть сцену
– Gemini 3.8 Flash-Lite TTS: для больших объёмов, когда важна цена

Что умеют:
– Голос генерируется по текстовому описанию, больше 100 языков и диалектов
– Больше 2000 готовых голосов с региональными вариантами: мексиканский испанский, квебекский французский, шотландский английский
– Клонирование голоса по 30-секундному сэмплу, с проверкой согласия и водяным знаком SynthID
– Режиссура по строкам: в сценарии пишешь ремарки обычным языком, и модель их отыгрывает
– Держат голос стабильным на часах аудио
– Нативный диалог двух спикеров
– Смех, вздохи, «ага», «угу», перебивания: всё, что раньше выдавало робота
– Скоро обещают ремикс голоса: тембр, высота, темп, акцент
По бенчмаркам:
– Hume AI Voice Design: первое место (71.4), по акцентам тоже первое (60.8)
– Hume AI Overall Quality: первое и второе места у Flash и Flash-Lite
– Voice Arena: топ по японскому, бразильскому португальскому, вьетнамскому, арабскому, мексиканскому испанскому и хинди
Доступно уже сегодня

Видос: https://youtu.be/FL6mI_Br-mc

Есть и ложка дёгтя: клонирование голоса не работает в ЕС, Великобритании, Швейцарии, Индии, Иллинойсе и Техасе.

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/

#Нейропрожарка

Jobless

Автор: Евгений Парфёнов

@noomarxism
Запись на youtube

С мая вынашивал идею переснять старый ролик, сделанный наскоро из подручных средств для секции "Образ светлого будущего" на конференцию Цифровой Социализм. Сценарий по факту уже был — чуть доработал вместе c Claude Opus и отложил до появления времени.

На этих выходных добрался и за 2 дня и 2 вечера сделал что сделалось.

Никакого опыта продакшена видео у меня не было, поэтому следовал советам нейросеток.

Изображения генерировал в gpt-image-2.5, видео — на Syntx.ai Им я и отдал за токены порядка 15 тыс. рублей за это удовольствие.

Что пригодилось:
— Runway Gen4 Act-Two
— Hailuo Minimax 3.0
— Kling 3.0
— Seedance 2.5
— Topaz AI
— Fish.audio — голос Володарского бесплатно
— Mvsep.com

Сводил преимущественно не я, а Codex на Astra в DaVinchi Resolve (Free).

Подписки на Claude, ChatGpt, Suno уже были.

Все сомнительные решения — мои.

Осталась масса огрехов, которые выправить уже жалко денег и сил.

@cgevent

У Seedance 2.5 появился Draft Mode - и это, пожалуй, одна из самых нарядных фич для AI-видео за последнее время

Идея простая: сначала генерируем дешёвый черновик в 480p. Не понравился -> выбрасываем. Понравился -> отправляем именно этот draft на финальную генерацию в нативных 1080p.

И важный момент: это НЕ обычный upscale.

При переходе 480p -> 1080p Seedance делает новую генерацию, но привязанную к выбранному черновику. Сохраняются prompt, references, seed, aspect ratio, duration и другие параметры. Поэтому модель КАК БЫ старается удержать композицию, движение камеры, действия персонажей, тайминг и общее creative direction. Надо проверять.

Пиксель-в-пиксель результат не идентичен - мелкие детали, лица, волосы, текстуры и фон могут измениться.

ByteDance заявляет экономию на итерациях до 77%. Финальный 1080p от этого магически дешевле не становится - экономия возникает потому, что все эксперименты мы гоняем в 480p и платим за HD только для выбранных дублей.

Попробовать уже можно официально в BytePlus:
https://ai.byteplus.com/en/product/seedance

Есть более человеческая реализация в Magnific: Seedance 2.5 -> Draft -> выбираем понравившийся ролик -> Generate in HD.
https://magnific.ai/

Artlist тоже уже поддерживает workflow 480p -> Render to 1080p:
https://help.artlist.io/hc/en-us/articles/38194082501021-Seedance-2-5

Теперь про деньги.

BytePlus, разумеется, решил не портить нам жизнь какой-нибудь понятной ценой вроде "$0.20 за секунду".

Поэтому Seedance 2.5 стоит:

$6.40 / 1M токенов - если есть video input
$10.70 / 1M токенов - без video input

Почему генерация без входного видео дороже и сколько конкретно долларов будет стоить ваш 10-секундный 1080p ролик - непонятки.
https://ai.byteplus.com/en

@cgevent

#Сеня_и_Даня_здесь_были

Вы плохо молитесь, поэтому будете смотреть это раз в день.

Прекраснейший референс для этого Сиданс-кальмар-шоу выложу в первый комент.

@cgevent

Black Forest Labs продолжает издеваться над людьми, которые ждут от них веса FLUX.3 для видео.

Что логично выпустить дальше?

Правильно. Модель для робатов.

BFL выкатила FLUX 3 Action - 7B World Action Model, которая смотрит через камеры на окружающий мир, получает команду и предсказывает сразу будущие кадры плюс следующие 32 действия робата.

То есть технически штука действительно интересная, но нам это зачем???


https://bfl.ai/models/flux-3-action

https://github.com/black-forest-labs/flux-action

https://huggingface.co/collections/black-forest-labs/flux-3-action

И я прекрасно понимаю стратегию. Image -> video -> world model -> action model -> embodied AI. Большие деньги, промышленность, роботы, Audi, автоматизация, вот это вот всё.

Но можно нам сначала FLUX3.VIDEO?

Ждём FLUX 4 Forklift.

#явярости

@cgevent

Ютюберы в кучу

Автомонтаж подъехал.

Здесь такой дисклеймер, что Flash 3.8 - это лучшая модель для понимания видео, аудио и вообще любых модальностей. Дело в том, что в посте про мультимодальность я немножко облажался. Мне потребовалось сделать небольшой ресерч, чтобы выяснить, что все вот эти громкие заявления, что наша модель мультимодальная, - это на самом деле то, что она понимает картинки и текст. И всё.

То есть два — это уже мультимодальность. И никто, ни DeepSeek, ни какой-нибудь Kimi, никто не понимает на вход, например, аудио. И в этом смысле Gemini — это единственная модель, которая реально хавает всё. Ну хорошо, еще новый Qwen Omni.

Я даже специально спросил: а вот эта наша новая Astra, она же мультимодальная, она может понимать аудио на вход? Ответ: нет. Она принимает на вход только текст и картинки. Я честно пытался засовывать в неё MP3 файлы, она галлюцинирует. Поэтому в этом смысле новость, вообще говоря, бомба. Потому что Google строит прямо интересную систему вокруг мультимодальности Flash 3.8, ну и, надеемся, Gemini 4.

YouTube показал, пожалуй, одну из самых интересных фишек - полноценного разговорного монтажёра на Gemini Omni.

Идея простая: загружаешь исходники в Shorts или YouTube Create и вместо ручного ковыряния таймлайна начинаешь разговаривать с Gemini.

Например:

«Собери первый черновик»
-> «Убери паузы»
-> «Сделай начало динамичнее»
-> «Переставь эти куски»
-> «Синхронизируй монтаж с битом»
-> «Добавь текстовый hook»

Gemini сама режет речь, переставляет кадры, синхронизирует музыку и собирает первый монтаж. После этого можно руками полезть в обычный timeline, что-то поправить и снова отдать работу AI. То есть это не чёрный ящик «нажал кнопку - получил видео», а гибридный монтаж человек + модель.

Параллельно YouTube перестраивает вокруг AI вообще весь workflow автора.

YouTube Studio сможет смотреть ранний монтаж и давать персональные советы по темпу, структуре и сторителлингу.

Появится A/B-тестирование уже не только заголовков и превью, но и до трёх разных монтажных версий одного видео. Можно сделать три разных начала и посмотреть, какой hook реально лучше держит зрителя.

Dynamic Thumbnails смогут показывать разные из трёх превью разным сегментам аудитории, вместо попытки найти одно универсально лучшее.

Ask Studio сможет в фоне копаться в старых видео канала, находить кандидатов на повторное продвижение, предлагать новые превью и тестировать их.

Генерация thumbnails тоже становится персонализированной - YouTube пытается подстраивать изображения под стиль конкретного канала.

Плюс экспериментальный AI-модератор комментариев будет постепенно учиться на том, какие комментарии конкретный автор удаляет и оставляет.


На итоге, ютюберы:
-> исходники
-> автоматический первый монтаж
-> разговорные правки
-> ручная доводка
-> AI-анализ ролика
-> превью
-> A/B-тест разных монтажей
-> публикация
-> анализ старого каталога и попытка его оживить.

Пока это именно новая линейка анонсированных инструментов Made on YouTube 2026, а не набор функций, который сегодня одновременно появился у всех. Например, A/B-тест трёх монтажей YouTube прямо помечает как coming soon.

В общем, начинаем кричать, не на монтажера, а в монитор.

https://blog.youtube/news-and-events/made-on-youtube-new-tools-power-creation-journey/

@cgevent

#нейропрожарка

ШАПОЧКА

Автор: Дмитрий Кочубеев

Впервые заехал на MyFilm48 (тема: Москва 2050).
Все стандартно: видео до 3 минут за 96 часов.

Идея: Хотелось снять маленькое кино не про технологии и роботов, а про обычных живых людей. Про их взгляды, чувства и эмоции. Хотелось давно. Конкурс стал хорошим поводом.

Сценарий: Загнал ТЗ в разные ЛЛМ-ки и получил кучу синопсисов. Ни один из них не понравился. Кстати, некоторые из них просматривались в других работах конкурса. Видимо, ЛЛМ-ки ленятся и на один и тот же запрос выдают всем одно и то же. В итоге решил писать сценарий сам. На его роды ушло часов пять.
Герои и озвучка: Не хотелось дефолтных ИИшных лиц, поэтому искал нужные типажи с уникальной харизмой. Потом подбирал под эти лица голоса. И тут произошла забавная вещь. Изначально имен у них не было, но как только герои заговорили, стало совершенно ясно: это Саша и Лиза. Другие варианты просто отпали. Более того, по сценарию героиня планировалась с длинными волосами. Но в процессе генерации появилась Лиза, которую они только портили. Такое ощущение, что персонажи зажили своей жизнью, не спрашивая автора: сами выбрали себе и имена, и внешность.
Проработка кадра: Случайных вещей здесь мало. Дольше всего провозился с дроном-доставщиком, потратив на него больше часа, добиваясь нужного концепта. Дурацкий перфекционизм...
Саундтрек: Тут повезло. На мой взгляд, хорошо вписался трек, который я сделал еще год назад, а слова к нему были написаны вообще в 2024-м.
Монтаж: Уже утром, после ночи без сна, в день дедлайна возник жесткий выбор: делать монтаж без спешки или поехать проводить супругу на вокзал. Я выбрал второе. В итоге собирал всё в диком темпе и работу отправлял за 30 минут до кареты-в-тыкву.
Инструменты: SD 2.5, MJ 8.2, Banana, GPT2, Suno 4.5, LANDR, Topaz, FL Studio, Premiere, Photoshop, Opus 5, 11labs.
Итог: 3 ночи без сна и море эндорфинов.

Спасибо за внимание. Буду рад конструктиву и общению в комментариях.

@cgevent

Runway: выпустили плагин для DaVinci Resolve, Adobe Premiere и After Effects.

Он позволяет генерить, расширять и апскейлить видео / картинки прямо на таймлайне. Редактирование видео, включая апгрейд до HDR, тоже есть и делается через Aleph 2. Доступные модели для видео: Runway Gen-4.5, Veo 3.1, Seedance 2.5, и Kling 3.0 Pro. Для картинок: Gen-4 Image, Nano Banana и GPT Image 2.

Плагин есть на Windows и MacOS. На линукс попроси Клода.

Анонс
Сайт

#Сеня_и_Даня_здесь_были

Вы плохо молитесь, поэтому будете смотреть это раз в день.

Хотя это очень смешно. Надо было дожать тему с MadMax<->Minimax

@cgevent