• Sent via TeleFeed

• Sent via TeleFeed

• Sent via TeleFeed

Держите гифок из Image 2.6 и одну хорошую новость. 

По гифкам выводы такие.

1024х1024 -  Недоступно. 

883х883 - Только два кадра

По длительностям:

Самый ходовой товар 16 кадров. разрешение 308 на 308. 

64 кадра. Картинку начинает дергать и сам кадр начинает дергаться, хотя в промпте написано статическая камера. 

128 кадров, всё начинает ломаться. 

256 кадров. Всё окончательно ломается. 

Интересный нюанс, что в документации для API только 64 кадра. Но в интерфейсе ChatGPT можно делать и 128, и 256. Но получается все равно мусор. 

Можно прикладывать референс. Это, кстати, резко снижает количество шума. Я приложил свою морду, и там в большом разрешении прям остатки Соры. 

Еще один нюанс: редактировать можно только сгенеренные гифы, с которых у него есть все метаданные. 

А теперь хорошая новость. Я когда прессовывал свою морду, я его спросил: А чё там, как сейчас с мордами? И вот что мне ответил. 

Что сейчас с политикой по лицам и реальным людям

Здесь самое важное: полного запрета на лица реальных людей больше нет. Но это не значит «можно всё».

Разрешённая логика в целом

OpenAI Service Terms прямо говорят, что визуальные возможности принимают изображения и видео как входные данные, но нельзя использовать их для идентификации человека, для извлечения приватной/чувствительной информации и нельзя воспроизводить чью-либо внешность без прямого согласия и необходимых прав.

А как насчёт публичных персон

Это как раз место, где политика стала мягче, чем раньше. В системной карте OpenAI по native image generation сказано, что модель может генерировать изображения публичных фигур, и OpenAI не блокирует это целиком, как делали более старые модели DALL·E. Вместо полного запрета применяются более точечные safeguard-ограничения.

@cgevent

• Sent via TeleFeed

Autonomous Warfare Breakthrough: ULTRA UGV Launches Drone Swarms Without Human Presence

• Sent via TeleFeed

Ukraine's newest attack drones are delivering the kind of strikes that its HIMARS couldn't for years

The Ukrainian mid-range strike drone is "heralding a new phase of the war" for Ukraine, George Barros of the ISW told Business Insider.

Read Full Story 🔹 Subscribe

#AI ⚡️ #ArtificialIntelligence ⚡️ #Tech

• Sent via TeleFeed

Meshy превращает фотографию в рельеф для 3D-печати

Meshy добавила инструмент, который строит объёмный рельеф по одной фотографии. Компания описала рабочий процесс в руководстве от 28 октября. В ноябрьской демонстрации Meshy показала путь от загрузки снимка до готового отпечатка и сообщила, что инструмент доступен всем пользователям.

Рельеф сохраняет плоскую заднюю сторону. В режиме Low Relief детали выступают над основанием неглубоко, что подходит для табличек и бирок. High Relief сильнее поднимает детали переднего плана и лучше подходит для декоративных панелей. В предпросмотре можно настроить глубину, прежде чем сохранять результат.

Для 3D-печати Meshy предлагает экспорт STL, а для гравировки можно выгрузить 16-битную карту глубины. По одному ракурсу инструмент восстанавливает форму лицевой стороны, поэтому на результат влияют освещение снимка и то, насколько хорошо отделяется объект от фона.

Источники

https://www.meshy.ai/tutorials/how-to-make-a-3d-relief

https://help.meshy.ai/en/articles/900000043-how-to-use-meshy-to-design-relief-models

@cgevent

• Sent via TeleFeed

Tencent launches Hy4 model

Tencent released Hy4, a 770-billion parameter model for agentic tasks. It controls OS terminals and professional tools like Blender and CAD via WorkBuddy integration. Developers gain open-weight access to streamline desktop automation.

Notably, Tencent excluded all hacking and vulnerability scanning data from the training set to prevent misuse.

#ArtificialIntelligence ⚡ #AgenticAI ⚡ #LLM

Subscribe

• Sent via TeleFeed

Hume Audio Decision API отвечает на вопросы о звуке напрямую

Hume бахнули Audio Decision API. Он принимает звук и вопрос, а возвращает структурированный ответ с оценкой уверенности. Примеры разработчика: определить число говорящих, найти смех или проверить, прерывают ли собеседники друг друга.

Обычная схема сначала превращает речь в текст, а затем отправляет расшифровку языковой модели. При этом часть информации о паузах, интонации и звуках теряется. API Hume анализирует исходное аудио и подходит как слой принятия решений для голосового агента: распознавание и озвучивание реплик могут оставаться отдельными компонентами.

В записи демонстрации Hume показывает пакетный разбор звонков. Для длинных файлов документация предлагает делить запись на части и выполнять запросы по сегментам. Значение уверенности стоит проверять на собственных данных: оно не гарантирует правильную трактовку эмоций. Доступ к API предлагается запросить на странице продукта.

#Hume #AudioAI #ГолосовыеАгенты

Источники
https://www.hume.ai/blog/introducing-hume-audio-decision-api
https://dev.hume.ai/audio-decisions/docs/overview
https://www.hume.ai/products/decision-model-api

@cgevent

• Sent via TeleFeed

В комментариях перекличка тех, кого Anthropic забанили за последнюю неделю

• Sent via TeleFeed