Ну за рото и кей.

В Комфи привезли MatAnything.

Нужна маска только для первого кадра, дальше автоматом.

https://github.com/KytraScript/ComfyUI_MatAnyone_Kytra

@cgevent

OpenAI представили на стриме 3 новых инструмента для разработчиков (остальным не особо интересно):
— WebSearch Tool (то же, что у ChatGPT под капотом, дообученная GPT-4o / GPT-4o-mini) для поиска информации в интернете и уменьшения галлюцинаций (нечто схожее есть у Google для Gemini)
— FileSearch Tool, чтобы делать поиск по документам (как в Ассистентах). Поддерживает фильтрацию по тэгам, которые вы присваиваете документам.
— Computer Use, или Operator (та же самая модель под капотом), но теперь как у Anthropic: можно запускать с доступом к своему компьютеру (а не только на виртуальном браузере на сервере OpenAI). На второй картинке метрики, ждём, пока сообщество доработает промпты итд и проведёт свои замеры.

Доступны в API вместе с новым SDK (библиотекой для взаимодействия с этими инструментами).

Вот и цены:
— Computer Use чуть дороже обычной GPT-4o (3 и 12 долларов на вход и выход за миллион токенов; а как уж формировать контекст, какие скриншоты экрана и текст закидывать — это уже на вас).
— Поиск по файлам $2.5 за 1000 запросов, и $0.1 за гигабайт загруженных файлов.
— Ну а цена на поиск зависит от настройки «длина контекста» (видимо, сколько ссылок из поисковой выдачи попадут в контекст), и для старшей модели цена $30-$50 за тысячу вызовов.

А в 2026м удалят API Assistants (потому что инструменты придут им на смену).

VACE: Нейрокомпоз\генерация от Алибабы\Wan.

Прямо очень амбициозный проект, призванный сделать генерацию видео и его редактирование (читай композ) в одном месте. Этакий Нейронюк.

Если вкратце: VACE предлагает решения для создания и редактирования видео в рамках единой модели, позволяя пользователям исследовать разнообразные возможности и эффективно оптимизировать рабочие процессы, предлагая такие возможности, как Move-Anything, Swap-Anything, Reference-Anything, Expand-Anything, Animate-Anything and more

Если чуть более детально, но не факт что понятнее: вместо одного входа (текст или картинка) - множественные входы (картинки, видосы), а вместо одной задачи за раз (генерация, инпайнт, экстенд) - одновременно несколько задач композа. Также упор на работу с масками и извлечение информации из видео (depth, grayscale, pose, scribble, optical flow, layout).

Как раз вчера писал в посте про Move AI, что видеогенерация явно обозначила тот факт, что "голое видео" интересует только тиктокеров и рилсоведов и что оно редко попадает в замысел.
Если уж съемочное видео всегда идет в композ и пост, но генератив еще больше нуждается в исправлении косяков. И в отличие от картинок, "отфотошопить картинку" и "скомозить видео" - это задачи из разных весовых вселенных.

За сим, довольно отрадно, что вместе с наращиванием качества, приподнарастают проекты по редактированию\композу видео - из которого для начала надо вытащить глубину, камеру, оптический поток, фон, контуры, позу. В общем все, что нейросетки уже умеют, но в виде говна и палок и с таким же качеством. И то, что за это берутся китайцы с неограниченным бюджетом, радует.

Хотя зная алибабу, помолимся на код.
Но у них на Гитхабе уже есть сладкие планы:
Wan-VACE Model Inference
LTX-VACE Model Inference
Inference Gradio & Preprocessing Tools
ComfyUI Workflow

Немного смущает, что они обучались на LTX, но речь идет не о генерации, а о тренировке задач композа:
VACE is trained based on Diffusion Transformers for text-to-video generation at various scales. It utilizes LTX-Video-2B [22] for faster generation, while Wan-T2V-14B [64] is used specifically for higher-quality outputs, supporting resolutions of up to 720p.

В общем, ждем Нейронюк, а точнее НейроНатрон.

Подробности тут:
https://ali-vilab.github.io/VACE-Page/

@cgevent

В Google AI Studio можно БЕС ПЛАТ НО попробовать новую фичу: нативная генерация изображений той же моделью, что и обрабатывает ваш текст. То самое, что показали OpenAI ещё в мае '24-го (но так и не выпустили, хотя обновления приложений/сайта подсказывают, что скоро должны).

Модель И видит вашу картинку, И рисует сама новую, без вызова отдельной модели, занимающейся генерацией. Это позволяет ей делать попиксельную копию, внося нужные изменения — смотрите примеры. И да, можно загрузить СВОЮ картинку, и после этого просить её перерисовать — так я сделал с крестиками-ноликами.

Можно придумать много всякого крутого, жду ваших креативов в комментариях!

Попробовать тут: https://aistudio.google.com/prompts/new_chat
(справа нужно выбрать модель «Gemini 2.0 Flash Experimental»)

До AGI нам очень далеко, гугл.

Итак, лайфхак для Семицветика в Гемини.

Pencil drawing of flower with exactly seven petals.

Получаем 8 штук. Если повезёт, тут ключевое - drawing, чтобы гемини не копировала ромашки.

Скачиваем, даём на вход эту картинку.
"Сколько лепестков видишь?"
Семь!

Закрываем чат, сжигаем и выбрасывем подальше

Открываем новый. Загружаем картинку.
Скоко?
Восемь!

Change number of petal to exactly seven.

Готово!

@cgevent