Сервисы уже давно могут генерить нам бесконечные плейлисты, которые в реальном времени меняются под наши лайки/дизлайки, настроение, занятия

Но если задаться вопросом «как это работает», ответ лежит далеко не в ИИ. Возьмём потоки «Нейромузыки». Это проект Яндекс Музыки, появившийся задолго до популярных моделей генерации композиций.
Это архитектура, похожая на модульный синтезатор. Поток собирается из заранее записанных лупов. Лупы — разных жанров, протегированные по тональностям, темпу, типу звучания. Сверху к ним — модель, которая умеет достраивать нотные партии под контекст. По сути, ИИ не пишет трек — он дирижирует кубиками, которые заранее сделал человек.

Почему так?

Потому что полноценная генерация аудио в реальном времени — дорого. Очень. VST-плагины сожрут любой сервер, а если в потоке появится треск — пользователь выключит музыку навсегда.

Короче, мы живём в моменте, когда телефон стал персональным диджеем. Советую не принимать такие крутые штуки за данность, а обращать на них внимание и разбираться в них глубже.

Например, нормальное человеческое объяснение этой темы я нашёл не в мануалах и не в глубинах Хабра, а в канале Журнала 8БИТ, команда Яндекс Образования умеет доступно разбирать инженерные штуки — и тем более рассказывать о своих разработках.

Очень рекомендую полистать канал — там много интересного.

Реклама. ООО «ФРОМ СКРЭТЧ», ИНН 9724205560, erid: 2VtzqvB5t6o

Audio as input for LTX2 для Comfy

Все эти персонажи и мемы оживлены по одной входной картинке и звуку.

Мне больше всего зашел дед с 0:53. Нейродед, чо.

Воркфлоу тут:
https://github.com/purzbeats/purz-comfyui-workflows/blob/main/ltx2/ltx2-audio_to_video_extension_5x.json

@cgevent

Suno сделали морфинг песен.

Он называется Mashup.

Берете две пестни и суете их в Mashup blender и готово!
Потом берете Машап и другой Машап и Машапите их снова - ну вы поняли. Можете сблендивать все со всем.

Более того, там даже есть морфинг лирики! Можно выбрать лирику из любой песни, а можно сказать "замешай тексты".

Для тех у кого есть еще вопросы, поглядите сюда:
https://youtu.be/_iytIBY_EaA
Там все разжевано.

Интересно, если смешать оригинал и кавер или два кавера мы получим новый кавер?

@cgevent

Нейропрожарка

God  Is Banned — режиссёр Дима Терем

Всем привет. Я — Дима Терем, самый известный ноунейм Москвы.
Кинорежиссёр, медиа-художник, пишу и играю электронную музыку.
Это история создания фильма God is Banned.

Полная версия на 10 минут тут.

Синопсис:
Макс — режиссёр, который работает с ИИ. Он прилетает на Бали на церемонию фильмов, созданных ИИ. Но связь обрывается — и он теряется в джунглях.
Пока он идёт через влажные тропики, он рассказывает, как создаёт свои миры и персонажей, как заставляет нейросеть чувствовать хоть немного по-настоящему.
Его путь превращается в исповедь, а потом — в манифест.
И когда реальность начинает трещать по швам, Макс задаёт вопрос:
куда всё это ведёт —и останется ли искусство живым, если из него вырезать всё настоящее?

От фестивального задания к короткому метру.
Изначально я делал фильм для ai-фестиваля My Film 48.
Но что-то пошло не так. Или так.

Техзадание от феста было таким:
Главный герой прилетает на Бали, получает от молчаливого незнакомца древнюю карту, карточку с надписью что-то там про бога и какой-то храм на местном языке,
и флаер на церемонию награждения.
Что герой будет делать дальше с этим лутом — решает автор.
На всё про всё — 96 часов.

На вторые сутки производства я понял, что у меня получается не трейлер, а короткий метр.
Проблема нейросетевого контента — это избыточность образов: в моём случае либо резать, либо удлинять. Я выбрал длину — терпеть не могу строгие временные рамки, форматы и вот это всё.
Главная тема, которая меня волнует, — цензура при работе с AI.
Сегодня у одиннадцатилетнего подростка прав и свобод больше, чем у создателя нейроконтента.
Это выражено через метафору острова и вулкана, в кратер которого сбрасывают мусор — символ бесконечного AI-треша, производимого нейрохудожниками.

Главный герой — единственный кожаный, но слегка помятый нейронками.
Прототипом был мой друг Source actor    Макаров Максим.
Во время производства фильма он удалённо сам себя снимал на телефон под конкретную сцену — с нужной эмоцией и ракурсом.
Также я использовал его старые архивные фотографии.
Из-за этого образ получился не совсем целостным.

Что под капотом
Veo 3
Klings 2.5
Sora 2 Pro
Nana banana
Suno 5

даунгрейд → апскейл (если у меня есть видео Full HD и 720p: я делаю сначала даунгрейд на 720p общий, а потом апскейл до Full HD через Topaz локально)

Цветокоррекция — сразу в промптах на этапе статики

Промпты и перевод на английский — в GPT,
а сцены, где требовалась жёсткость, делал через Grok.

Постепенно я понял важную вещь:
цензура в GPT и подобных моделях местами гораздо строже, чем в генерации изображения.

Например:
GPT отказался писать промпт про кричащего ребёнка,
Veo 3 тоже отказалась, зато Sora 2 спокойно создала голос ребёнка и видео, которое не понадобилось, анимацию ребёнка сделал уже в Klings.
Вот на таких костылях я собирал всю историю.
Работать с английским языком оказалось кайфово:
фразы стали короче, плотнее, кинематографичнее.

Сроки и бюджет
На нейронки потратил около 50 000 рублей
Производство заняло около пяти дней,
потому что я хотел успеть на другой фестиваль, но его название я уже не помню.

Всем спасибо за внимание. Приятного просмотра.

Полная версия тут

@cgevent

Сколько Вилловсмитов 2026

Продолжаем обновлять наш регулярный рейтинг вилафсмитаф.

Сколько выпишем сегодня?
9.5?
АГИ уже здесь?

Напоминаю, что прошло МЕНЬШЕ ТРЕХ ЛЕТ!

Также напоминаю, что до выхода Sora видеомодели в принципе ничего не понимали про мир вокруг, а тупо генерили картинку за картинкой по изменениям в промпте или другом параметре.
Откусить кусок бургера/спагетти или примять траву, потрогав ея, было в принципе невозможно.

А щас генераторы миров\инфлюенсеров\аватаров и разные видеогенераторы на каждом шагу.

И мы такие.. не ну там кожа не такая и они неискренние какие-то, не верю.

Зажрались баяре...

Скоро Вилловсмитов не хватит на обоих руках, а у вас спагетти слишком альденте на видео..

Приподвзварчиваю...

@cgevent

Anthropic бахнули готовое расширение для Claude Code для VS Code

https://code.claude.com/docs/en/vs-code

Проще, чем печатать в Claude Code плюс поддержка всех фич VSCode.
https://marketplace.visualstudio.com/items?itemName=anthropic.claude-code

@cgevent

Inworld запустила версию 1.5 своего лучшего движка текст-в-речь.

Пишут, что это самый быстрый и качественный Realtime AI на рынке, который занял первое место в лидерборде Artificial Analysis.

Главные фишки - супер-низкая задержка
1.5 Mini: <130 мс (идеально для гипер-чувствительных задач).
1.5 Max: <250 мс (максимальное качество). Это в 4 раза быстрее предыдущих поколений.

Плюс модель стала на 30% эмоциональнее и делает на 40% меньше ошибок (WER). Обещают звучание уровня профессиональных актеров озвучки.

Цена вообще сказочная:
Mini: $0.005 за минуту.
Max: $0.01 за минуту.

Поддержка 15 языков (русский есть)

Плюс возможность развертывания On-Prem (на своих серверах) для энтерпрайза.

Отлично! У ElevenLabs и OpenAI появился все более серьезный конкурент.

https://inworld.ai/blog/introducing-inworld-tts-1-5