Вуги‐Буги

Попал в "пацанские" цитатники:)

🔠 Статус: 404, или Как мы тихо проигрываем войну за внимание Примерно месяц на этом канале не выходили апдейты... Официально это можно назвать творческой паузой, фактически я просто пытался немного отдохнуть от социальных сетей. На самом же деле раз в несколько месяцев это упражнение становится жизненно необходимым, чтобы заземлиться и проверить, существует ли ещё реальный мир вокруг. Спойлер: мир на месте, хотя пинг там до сих пор не радует. ❗️ Новостные ленты раздулись от хайпа за считанные дни. Быстрее, чем сезон дождей, который наглухо запечатывает любой перекресток на центральной улице Бангкока! Писать о каждом «прорыве» не вижу смысла, ведь вы и так узнаете об этом из любого утюга. Взять хотя бы главную драму месяца, когда Anthropic выпустили модель Fable, оказавшуюся слегка урезанной версией Mythos. Она пробыла в доступе всего ничего, после чего правительство Штатов экстренно заблокировало её под предлогом мифических уязвимостей. Хотя по факту систему просто убрали от греха подальше, чтобы спокойно докрутить протоколы безопасности и не дать конкурентам дистиллировать веса раньше времени. Но сами эти новости, как и безумные крики в Instagram и X.com про то, что правила игры снова изменились и теперь можно вайб-кодить сложнейшие сервисы по промпту из одного предложения, максимально далеки от объективной реальности. В этой реальности мы всё ещё остаемся самым слабым звеном в цепочке. Для этого даже придумали красивый термин human in the loop. ⚡️ Ни один процесс взаимодействия с автономными агентами пока не работает сам по себе. Все спеки, архитектурные идеи и саму суть продуктов до сих пор обрабатывают живые люди. Мы пока не видели ни одного проекта, который нейросеть создала бы полностью с нуля, и он порвал бы мировые чарты. Просто потому, что люди всё ещё гораздо лучше понимают людей и то, что они сами хотят. Начиная с моделей уровня GPT-5 или Claude Sonnet, рядовой пользователь (к этой категории я отношу и себя, и большинство авторов хайповых рилсов) не получает никаких революционных преимуществ для своих бытовых задач. Те ребята, кто вообще поверхностно разбирается в агентских воркфлоу, сути пайплайнов и базовой логики кодинга, неизбежно превращаются в узкое бутылочное горлышко. Суперумная модель не способна выдать максимум эффективности без глубокой экспертизы самого человека. Для большинства повседневных кейсов или банальной кодо-генерации, на самом деле достаточно копеечных и менее ресурсоемких моделей, но об этом в глянцевых лентах говорить не принято. Зато опытный разработчик или продвинутый креатор, который использует нейросеть как экзоскелет для усиления собственной эрудиции, становится эффективнее в разы. На этом фоне рассказы о том, как кто-то за один промпт собрал готовую операционную систему, остаются банальной бредятиной. Это красивые демонстрации, созданные ради сбора лайков в Твиттере, но они абсолютно неприменимы в продакшене. В реальной работе мы каждый раз бьемся об один и тот же фундамент, где требуются время, опыт и жесткая экспертиза. Возвращаясь к тому, почему канал молчал: ‼️ Главной ценностью давно стало не время, а наше внимание. ‼️ Бесконечный инфошум, пуши и всплывающие поводы, которые вызывают у нас чувство FOMO, созданы ради одной цели. Алгоритмы методично выкачивают наше новое золото, распыляя фокус и не позволяя концентрироваться на вещах, которые действительно имеют значение. Прошлый месяц я потратил как раз на то, чтобы вернуть себе контроль над собственным процессором... Ну а вы, сделайте паузу... ну или листайте ленту дальше 🤪 Подписывайтесь → @VoogieBoogie

😏В Higgsfield продолжают проверенную стратегию агрессивного маркетингового обмана аудитории. Мы уже подробно разбирали их странную математику, историю с «безлимитными» тарифами, которые на поверку оборачивались моментальным баном от системы безопасности, едва нагрузка на сервера возрастала, и вирусными ИИ-генерациями, которые на самом деле оказывались воровством чужого контента. Теперь ребята сделали именно то, чего от них и ожидали: они перенесли свой шарлатанский гоп-стоп на международный уровень. 😡 Схема "изящная", как загрузка пиратки с торрента: стартап изобразил свое присутствие на коммерческом кинорынке так, будто они официально штурмовали основную программу культового кинофестиваля. Параллельно они умудрились развести авторитетное американское издание The Wall Street Journal (да, даже у солидных газет бывают плохие дни с фактчекингом). Журналисты WSJ на полном серьезе выпустили материал о том, что 95-минутный ИИ-экшен «Hell Grind» «дебютирует на Каннском кинофестивале». 😭Иллюзия величия держалась ровно до тех пор, пока организаторы фестиваля не вышли из летаргического сна. Пресс-служба Канн, отвечая на запросы профильных медиа вроде Futurism, выдала ледяное официальное опровержение: «We can confirm that "Hell Grind" was not screened as part of the official Festival de Cannes program. As publicly reported by Screen Daily and other media outlets, the project was presented during an industry event organized by third parties in Cannes». ‼️На самом деле стартап просто арендовал площадку на кинорынке Marché du Film. Это независимая коммерческая локация для байеров и инвесторов («третьи лица»), которая проходит в то же время и в том же городе, но имеет принципиально другие правила. 🤡На кинорынок Marché du Film может попасть любой желающий — достаточно просто перевести деньги за аренду площадки. Журналисты из Futurism едко резюмировали эту уловку: Это всё равно что купить рекламную полосу в газете The New York Times, а потом позиционировать себя ведущим журналистом этого издания». Директор по коммуникациям Higgsfield попыталась переопределить правила игры, заявив, что кинорынок — это вообще-то «аккредитованный компонент Каннской экосистемы». По моему эта логика прекрасная: Если вы стоите на парковке у Белого дома, вы технически находитесь в правительственной экосистеме. Теперь попробуйте объяснить это охране на КПП ;) Будем честны: сама идея полнометражного ИИ-фильма — это прикольно. Привезти его на кино рынок это логично... Но сервис Higgsfield, с моей личной точки зрения — очень напоминает скам-кейс в стиле инфобиза. Бесконечное воровство опенсорса, перепродажа API под видом своего продукта и публичные скандалы. И текущей пиар-кампанией они продолжают подтверждать свой курс на одиозный маркетинг. Революции в кинематографе не случилось. Случилось классическое маркетинговое воздуханство. Впрочем, уверен, вино на Лазурном Берегу, объективно, неплохое, а продюсеры уже выстроились в очередь на покупку подписок у компании. Подписывайтесь → @VoogieBoogie

📺🤘 Higgsfield за 4 дня сожгли $260 000 на свой новый AI-фильм. В этом посте разбираемся, как устроена реальная математика ИИ-кино. Заголовок выше не моя экстраполяция — это цитата самого креативного директора Higgsfield Адиля Алимжанова, который в финале их трёхчасового видеоблога о создании проекта озвучивает на камеру: «За 4 дня команда сожгла 4 441 352 кредита... это около $260 000». 💰 Немного цифр для старта: Общий бюджет их фильма «Hell Grind» — 10 миллионов внутренних кредитов (больше $500 000 в реальных деньгах), над проектом работает 15 человек, на пилот первого эпизода они потратили всего 4 дня, а весь полнометражный фильм cобирали за 14 дней. Этот проект, как мне кажется, родился как ответ на очень громкий февральский скандал, о котором писал Forbes и который в очередной раз подмочил репутацию компании. К Higgsfield я отношусь со здоровым скепсисом — такого количества зашкварных решений и агрессивного лжемаркетинга мало кто себе позволяет в индустрии. Но при этом отрицать их вклад в развитие и популяризацию ИИ-кинематографа просто глупо — возможно, один из самых весомых вкладов в индустрии на сегодня. И отдельный респект за то, что ребята не стесняются показывать внутреннюю кухню публично — да ещё и в формате трёхчасовых эпизодов с разбором производственного процесса. AI-демо обычно показывают «магически с первого раза», а здесь впервые видно всё как есть — пятнадцать батчей подряд на одну небольшую правку, 72 итерации одного шота, генерация ради генерации. Чтобы вы сэкономили три часа и получили выжимку самого интересного, я попросил Клода подготовить большой разбор видео — концентрированный документ про всю математику процесса и главные фишки, которыми команда Higgsfield добилась показанного результата. ⚡️Полный текст — по ссылке. https://share.cameraptor.com/files/blog/higgsfield-burning-credits.html Если ужимать до парочки абзацев моё личное мнение: как продюсер я бы не назвал их пайплайн ни эффективным, ни правильным. У ребят фактически бесконечный запас собственных токенов, которые они халатно жгут крутками без нормальной подготовки — в результате выход годных шотов у автора эпизода составил всего 1%, из почти 800 генераций в финал попали только 8. Совершенно очевидно, что всё то же самое можно было сделать в разы эффективнее. Скидку даю на сжатые сроки и на то, что весь проект, как мне кажется, родился как имидж-damage-control после февральского скандала — с учётом этого контекста результат весьма и весьма достойный, особенно если сопоставить $260k за 4 дня с годовой выручкой Higgsfield в $200M (это всего 0.13%). Мой честный вердикт: классный проект, который приятно смотрится. Современная интерпретация Power Rangers. Думаю аудитория 10-12 летних пацанов будет биться в экстазе. Есть вопросы по сценарию — но стильно, реалистично, зрелищно, с огромным потенциалом для дальнейшего развития. С точки зрения экономики проект наглядно доказывает, что с помощью ИИ можно делать сильный результат за смешные по меркам реального рынка деньги — по показанному, в 70–290 раз дешевле традиционного VFX. При этом так же очевидно, что команда Higgsfield делает это не самым эффективным способом, и то же самое, что у них вышло за их бюджеты, вы можете повторить заметно дешевле и аккуратнее. Если будете лучше планировать, подключать другие вспомогательные инструменты и учитывать их ошибки. ❤️‍🔥Еще раз: полный разбор → https://share.cameraptor.com/files/blog/higgsfield-burning-credits.html P.S. Один шот в этом эпизоде они переделывали 72 раза — это около $380 на обычную проходку героя по комнате. И все 72 версии — это успешные платные списания. Когда у тебя 10 миллионов кредитов в кармане, можно и не такое. :) Подписывайтесь → @VoogieBoogie

⚡️ Есть вещи, после которых хочется встать, закрыть ноутбук и пойти делать что-то настоящее. Вот одна из них! Контента сейчас так много, что уже физически больно. Причём хорошего — меньшинство, а остальное — пена, которая просто всплывает наверх потому что алгоритм так хочет. В этом цунами очень легко потерять ориентиры и перестать понимать, что вообще бывает круто. Пожалуй буду иногда кидать сюда визуальные референсы, которые стоит положить к себе в библиотеку. Без лекций, просто — вот, смотри. 📺Сегодня смотрим — GENER8ION — Storm feat. Yung Lean. Этот клип вышел в конце апреля, а я к своему стыду заметил лишь спустя две недели.  Добро пожаловать в чистые 7,5 минут кайфа внутри мира антиутопичного интерната в Лидсе который изобразил один из моих самых любимых клипмейкров — Ромен Гаврас. Если не знаете кто это не страшно, вероятно вы  точно знаеете его работы. Например  мои любимые клипы «Bad Girls» и «Born Free» для M.I.A. — его. Это один из немногих людей в клипмейкинге, у которого есть почерк, масштаб и принципы одновременно.  В главной роли Янг Лин (Yung Lean) — лицо клипа и главный популяризатор клауд-рэпа, играет хулигана в стиле компьютерной игры Bully и делает это просто великолепно.  Кульминация видео это вообще отвал башки - один длинный кадр, где толпа школьников в черных пиджаках устраивает синхронизированный первобытный танец.  Хореограф этого великолепия — Дамьен Жале, тот самый, что делал «Суспирию» Гуаданьино. Никакого CGI,  Никакого ИИ, всё руками и ногами, буквально. Короче идите смотреть. YouTube, GENER8ION Storm. Подписывайтесь → @VoogieBoogie

😏 Неужели во всей этой ИИ-гонке уже развешаны чеховские ружья? Так вышло, что большинство новых ИИ-моделей уже не обучают с нуля. Это дорого, долго, и в общем-то уже незачем — можно взять чужую готовую, дообучить на своих данных, выпустить под своим брендом. 👌 Стандартная практика: так работает половина рынка и особенно наш родной, «суверенный» российский. История для контекста: Ещё в июле 2025 команда из Anthropic опубликовала занятный эксперимент: они взяли версию модели, намеренно имплантировали ей одну черту — любовь к совам. Потом попросили модель сгенерировать обучающий датасет: числовые последовательности, код, математические рассуждения. В этих данных не было ни одного животного, ни слова про сов. На этом датасете дообучили вторую, чистую модель. Спросили: какое твоё любимое животное? Угадайте, какой ответ был в 60% случаев :) Механика простая: числа, которые генерирует ИИ-совофил, статистически отличаются от чисел обычной модели. Не по смыслу — по микрораспределениям токенов. Это не читается глазами. Это сидит глубже, в самой архитектуре модели, на уровне весов. Авторы эксперимента попробовали научиться ловить такие скрытые «идеи». Ручной просмотр датасета, LLM-классификатор, in-context learning. Все три метода не сработали. Данные всегда выглядели чистыми — потому что они чистые. Сов в исходных данных никогда не было. А теперь попробуем развить мысль: Стандартный аудит обучающего датасета, который требуют при любой сертификации, не защищает от этого вообще. Инструментов детекции таких скрытых идей не существует. Авторы так и пишут: открытая проблема, решения нет. Это была не случайная находка. Это был намеренный эксперимент с целью доказать, что механизм работает. Доказали. Задокументировали. Опубликовали с полным описанием методологии. Решения нет 🙂‍↔️. Вернёмся к «суверенным технологиям» Умные китайцы, которые привыкли думать стратегически, на десятилетия вперёд активно релизят бесплатные модели. Например, Alibaba выпустила любимый опенсорсерами всего мира Qwen в открытый доступ Бесплатный сыр, ребята — налетайте, хорошее качество. С неплохим русским — что для китайской компании само по себе любопытно, но окей. YandexGPT 5 Pro по инсайдерским данным — дообученный Qwen 2.5. Яндекс официально не подтверждает и не опровергает. GigaChat от Сбера заявляют, что сделали всё с нуля, даже есть статья с архитектурой. И мы, конечно, им верим. 😂 Но вот десятки ИИ-продуктов поменьше идут тем же путём, что и Яндекс. Параллельно государство рапортует об импортозамещении в ИИ. На наших глазах происходит внедрение ИИ в госсервисы, медицину, судопроизводство, образование. На базе чего конкретно — вопрос, который никто в этих отчётах не задаёт. ⚠️ Забавно, что "совы" могут быть любыми: как модель взвешивает интересы сторон в спорных вопросах, где по умолчанию осторожничает, какие аргументы генерирует охотнее, что считает нормой. А что классный рецепт влияния: просто выпускаешь хорошую модель. Бесплатно. Ждёшь, пока разберут, дообучат, встроят в продукты. И всё — твои "троянские совы" едут по цепочке дистилляции сами. Модели уже участвуют в решениях общества: кредиты, медицина, право, госсервисы, военная тайна. Каждая из них — наследница чьей-то цепочки весов. Когда что-то пойдёт не так и начнут разбираться — данные будут чистые, код стандартный. Учитель учителя учителя три версии назад — весов не осталось. Моя теория заговора предполагает координацию. 😝 Но китайцы очень хороши в стратегии не так ли? Здесь достаточно асимметрии: одна сторона думает об этом, другая торопится с дедлайном по импортозамещению. Чеховские ружья совы развешаны. Первый акт уже идёт.

😂 На самом деле, Seedance 2 — это умная рассуждающая модель, которая умеет искать информацию в интернете и самостоятельно генерировать идеи. Если задать ей правильный формат для креатива, она способна придумывать сюжеты за вас и создавать довольно качественные концепты на основе исходного изображения. Просто попробуйте мой демо-промпт на любом изображении — модель уловит его суть и сама разовьёт идею в полноценный сюжет. А если дополнительно подключить интернет-поиск и доработать промпт под свою нишу, чтобы она использовала релевантные знания, результат может получиться действительно сильным — практически без вашего участия. По сути, съёмка, монтаж и традиционный креатив начинают терять свою обязательность, если вы работаете через подобные генеративные форматы. При этом сам промпт можно гибко адаптировать под любые задачи и стили. Короче, ты потихоньку отменяем профессию “креативщик”. Осторожнее, а то тебя потом найдут обиженные монтажёры с Final Cut'ом наперевес 😏: 顶级工艺模式 —— 在输入图像所属媒介内达到最高视觉工艺。写实摄影时超真实、黏土时具触感纹理、二维时干净的赛璐珞、绘画时厚重笔触、像素时清晰栅格 —— 每一帧都要有完整意图。 静默读取 @Image1。锁定但不输出:角色原型、隐藏矛盾(驱动引擎)、主导色板、能量节奏、时代质感,以及渲染模式 —— 图像实际被制作出来的媒介(写实摄影、三维CGI、二维动画、油画/水墨/水粉、黏土定格、玩具摆拍/微缩布景、雕塑感、像素、低多边形、拼贴、漫画墨线等)。在每一个镜头、特效、环境和标题字体中采用此模式。除非输入本身就是写实摄影,否则永远不要默认走电影写实路线。 构想一段放大你所见之物的电影时刻。角色现在以原尺寸生活在与它们同质感的世界里。丢弃原照片的背景、比例、托举的手、台面、光照 —— 只保留角色基因:剪影、服装颜色、材质、标志性特征。 形式自由 —— 预告片、电影片段、情景喜剧节拍、音乐视频式节奏段、无声舞蹈、荒诞短景、视觉笑点,任何具备电影感的形式。类型自由 —— 动作、黑色电影、科技奇幻、喜剧、科幻、超现实、戏谑恐怖、神话、运动、剧情,或自创一个更契合角色的混合类型。选择能放大角色的方向。反派可选。来自同一世界的其他角色欢迎登场(机器人、人类、生物)—— 若他们出现,要展示真实的物理互动:一次触碰、一次交接、一次碰撞、一次对视。剧情可选 —— 纯节奏也允许。一个强烈的想法,骑到底。给观众一个惊喜。 执行5至8个硬切,踩在干净的蒙太奇脉冲上。镜头时长可以变化;让其中一个镜头持续更久 —— 那个就是核心镜头。绝不在不同镜头间重复相同的景别、焦段、运动方式、主导特效或光线。下方的库是种子,不是限制 —— 每个类别中都要自创条目,超越所列。 景别 —— 极特写、特写、中近景、中景、远景、过肩镜头、插入镜头、鸟瞰镜头、低角度仰拍、倾斜构图、主观视角,以及自创更多。 焦段 —— 14毫米、24毫米、35毫米、50毫米、85毫米、变形宽银幕40毫米,以及自创更多。 镜头运动 —— 推进、拉远、急摇、快速变焦、升降、环绕、视差横移、手持晃动、横移、固定、倾斜镜头、眩晕镜头、顶部下沉、弧线运动、升降臂,以及自创更多。 光线 —— 轮廓光、体积光束、丁达尔光、柔和漫射、霓虹光晕、色彩外溢、硬条纹光影、烛火闪烁、动态高光、底部仰光,以及自创更多。 特效(遵循渲染模式)—— 粒子(尘、火花、余烬、花粉、灰烬、雪、花瓣、孢子、玻璃碎片、墨迹、数字故障)、材质特效(烟、蒸汽、涟漪、风、融化、滴落)、转场(运动模糊、冻结、时间切片、速率变化、匹配剪辑、匹配溶解、热浪扭曲、墨晕)、打破规则的瞬间(重力翻转、比例错乱、镜像世界、时间静止、色彩抽离、几何瀑落),每个子库中都要自创更多。 物理感:尊重角色的质量与材质 —— 布料惯性、毛发与绒毛的重量感、液体粘度、粒子漂移、符合重力的身体重量。材质在所选媒介中要读起来真实可触。 声音:仅画内音,无音乐。环境底层 + 一个角色标志性音色(钟声、低鸣、呼吸、咔哒、铃响、低吼 —— 契合角色)出现两次 + 撞击拟音 + 最后一个镜头前留一个静默节拍。 约束:每个镜头中角色保持一致 —— 剪影、服装、材质、标志性特征完全相同。在所选媒介内的顶级保真度。运动方式与媒介相符。无变形,无闪烁。除最后一个镜头中可选一个自创词语外,无屏幕文字,字体须忠于该媒介。

Устали от нейронок? Может время отлипнуть от монитора и взять в руки что-то настоящее? Пока я тут генерирую вам латентный шум, мой старый друг и коллега тихо открыл собственную студию арт-тоев — и выкатил очередной дроп: медитирующий лягушонок Пэпэ в кимоно. Мастер Пэпэ Дзен. 15 см полимера и акрила, кимоно расписано вручную, отверстие под благовония — потому что настоящий мастер знает толк в атмосфере. ⚡️ Кастомизация игрушки на уровне: можно выбрать цвет персонажа, стиль кимоно, или даже влупить свой логотип на спине. Доступны две версии — с камнем и без. Цены от 2000 ₽, первая серия из трёх эксклюзивов в наличии, предзаказ открыт. На правах "не рекламы", просто делюсь крутыми штуками в радиусе тусы — ловите ссылку!

🤯Какой невероятный кайф приходит с новыми технологиями. Сегодня план был скромный: подготовиться к одному серьёзному проекту, а в перерывах потыкать пару техник раскадровок и промптинга для Seedance 2. (Как обычно, «в перерывах» — это и есть то рабочее время, где случается всё самое интересное.) Вообщем настраивал я ИИ агента, для работы с кино, и для тестов мне нужно было попробовать сделать сложный однокадровый шот, с точными кейпоинтами движения камеры. Я откопал свой старый сценарий 3D интро для Cameraptor — тот самый, что я написал под Unreal Engine еще в 2018 году и так и не реализовал. Короче придумал и забил хрен, по классической причине: «потом», которое так и не наступило =) Короче сдул пыль с раскадровки. Взял Рррглора (3D-персонаж, динозавр-маскот нашей студии — да, у нас есть динозавр, и это нормально). И в итоге я за вечер собрал заставку. Идеально? Нет. В движке вышло бы лучше. Но соотношение «время к результату» — жоско неприличное. Раскадровку положу в комментарии. А вы делитесь своими экспериментами — интересно, кто что собирает.

Главный конкурент Sedance 2 — HappyHorse, уже появляется в популярных агрегаторах. Я ещё не пробовал, но судя по слепым тестам на арене, он ни в чем не уступает сиденсу по мощностям и возможностям. При этом новинка стоит в два раза дешевле, и это прекрасно... Даёшь конкуренцию!

📺 Ловите НЕОЧЕВИДНЫЙ ЛАЙФХАК, который позволит сэкономить кучу денег и времени в SEEDANCE 2. (Точнее, очевидный. Просто почему-то никто его не использует.) В отличие от большинства моделей прошлого поколения, Seedance 2 прекрасно чувствует себя в минимальном качестве 480p. Такие генерации стоят в разы дешевле 720p — и тем более 1080p, а рендерятся значительно быстрее! Просто итерируйте промпты тренируясь на кошках, ищите нужную формулу, поливайте дубли и не грустите о дыре в вашем кошельке=) А, когда промпт отлажен и идеальный шот получен — используйте Seedance как апскейлер. 👌 Рецепт от бабушки Вуги: Вставляем целевое видео в 480p и при желании, даем референс апскейленного первого кадра изображения (предварительно обработав в NanoBanana или ChatGPT Image 2) — и рендерим заново в максимальном качестве 1080p. Этот трюк работает с абсолютно любыми видео моделями: можно даже поправить всратости Клинга. Seedance 2 отлично убирает артефакты, если его попросить. Промпт для апскейла — ниже. Адаптируйте под задачу. Replicate @Video1 (master reference) shot-for-shot at maximum detail and clarity. Subject, action, camera movement, framing, composition, color palette, and lighting direction must match @Video1 exactly. Motion trajectories, weight, momentum, and timing must match @Video1 exactly — no drift, no re-interpretation, no added or removed elements. Visual style: {{STYLE_BLOCK}} Preserve @Video1's exact art direction, material language, and color grading. Do not shift the aesthetic in any direction not described above. --- [OPTIONAL: включай только если есть @Image1] --- Detail reference: @Image1 (enhanced quality target) — use @Image1 exclusively as the benchmark for rendering quality, texture density, and surface resolution. Do NOT extract character identity, composition, camera angle, or motion from @Image1. Extract only: micro-detail level, material rendering fidelity, sharpness of edges, depth of surface texture, highlight and shadow rendering precision. The output should reach the same detail density and rendering quality as @Image1. --- [/OPTIONAL] --- Detail enhancement (the only thing that changes vs @Video1): sharper micro-detail in surfaces and textures, cleaner edge definition, richer detail in shadow areas, crisper highlights, deeper material readability, finer rendering of small features ({{DETAIL_FOCUS}}). Same shot — just rendered with higher density of detail and cleaner resolution. Cinematic 4K-grade rendering, ultra-high definition output, sharp resolution, rich texture detail, stable color, no banding, no compression artifacts. Natural and fluid motion, smooth and stable footage, silky smooth camera movement matching @Video1's exact path, no jitter. Clear facial features, stable face, no distortion, no deformation. Normal body proportions, natural structure. Same character(s), consistent clothing, unchanged hairstyle relative to @Video1. No blur, no ghosting, no flickering, stable footage. Примеры — в комментариях. Публикуйте свои 👇 Подписывайтесь → @VoogieBoogie

📺 Автоматический монтаж и реально мощные контент-заводы выходят на новый уровень! Наконец-то можно заставить робота смотреть вместо вас тонны видео, анализировать смыслы и делать точную разметку сквозь гигабайты футажей. Для маркетологов наступает эра абсолютного счастья, для всех остальных — время готовиться к еще более бесконечным потокам «нейрослопа». Знакомьтесь — Twelve Labs. Ребята выкатили Pegasus 1.5, которая делает с видео то же самое, что LLM в своё время сотворили с текстом. И по пути она элегантно обходит Gemini 3 Pro на 30% в задачах сегментации контента. 🔖=))))) 😊 Официально: Video Foundation Model с поддержкой 36 языков и пониманием движений камеры на уровне оператора. Фактически: Поиск по Entity (загрузил фото кроссовка — нашёл его во всём архиве) и Composed Image Retrieval (снайперская точность через картинку + текст одновременно). На самом деле: Конвейер по разборке реальности в чистый, структурированный код.Система способна прожевать до 4 часов видео за один API-запрос — на лету, без мучительных пайплайнов индексации. 💰 Короче, вы просто задаёте JSON схему, и она маркирует появление бренда или находит нужный ракурс, выдавая идеальный Time-Based Metadata. В моей работе другие модели ломали JSON в 30% случаев, а здесь массив таймкодов вылетает сразу в бэкенд — чисто, быстро и почти пугающе. Что это значит на практике? ❗️ Контент-заводы входят в свой прайм! Берём пачку трендов из TikTok, разбираем их на молекулы — ракурсы, склейки, объекты — и скармливаем эту сырую математику в Seedance 2.0 для потоковой генерации. Компьютер сам отсмотрит терабайты исходников, напишет промпты и сделает идеальные монтажные склейки. Сценариев столько, что доступ к таким вещам стоило бы выдавать только по спецпропускам. Но Twelve Labs, чтобы завлечь аудиторию (и собрать данные), с порога открывают API и дают 10 часов видеоанализа бесплатно. Скорость обработки при этом такая, будто серверы стоят прямо у вас в коридоре — около 60x от реального времени. Кое-что из тестов покажу в комментариях. Готовимся: скоро 100% контента будут делать роботы, а мы будем только его потреблять. Наверное, это и есть прогресс. Кстати, подпишись на @VoogieBoogie

😱 Внезапно оказалось, что существует бесплатный инструмент для многокамерного захвата движений — без дорогих костюмов, маркеров и подписок. 📕 И у него офигенная бэкстори: Март 2020-го. Коронавирус закрывает университеты, лаборатории, всё что не успело закрыться само. Джонатан Маттис — ассистент-профессор нейронауки в Бостоне — смотрит на замок на двери своей лаборатории и думает примерно следующее: ну и что теперь. Маттис занимается странной, на первый взгляд, наукой: изучает как мозг управляет ходьбой по неровному рельефу — по камням, по горным тропам. Занимается с 2008-го, и его статья 2018 года в Current Biology доказала кое-что неожиданное: когда идёшь по сложной поверхности, глаза автоматически смотрят вперёд ровно на столько шагов, сколько нужно мозгу для оптимальной энергетики. Ни больше, ни меньше. Мозг считает шаги как шахматист — в фоне, молча, без вашего участия. (Уверен, эти знания уже внедряются в робототехнике.) Короче для таких исследований нужен motion capture. Профессиональный стенд — $150,000 и отдельное помещение. Но вот наступает КОВИД! Лаборатория закрыта. Маттис, будучи по-хорошему упоротым учёным, берёт несколько вебкамер, MediaPipe от Google — нейросеть, которая находит 33 точки тела на каждом кадре — и библиотеку Anipose для многокамерной калибровки. Калибровочная борда распечатывается на обычном принтере. Больше ничего не нужно. Сделал для себя. Выложил для всех. Так появился FreeMoCap. Четыре года спустя — это полноценная система с активным комьюнити и регулярными апдейтами: → Markerless — никаких костюмов, маркеров и датчиков, просто камеры → Многокамерная — вебкамеры, GoPro, iPhone, DSLR, что есть → Capture volume ограничен только количеством камер, не лицензией → Экспорт FBX, BVH, .blend со скелетом и ригом прямо в Blender → Обработка локально — данные никуда не уходят → Бесплатно. Без подписок. Без СМС. AGPL, открытый код. Короче все просто: расставил камеры по комнате, откалибровал, записал, получил скелет. 7,5 тысяч звёзд на GitHub, академические цитирования, некоммерческий фонд — всё это от нейроучёного, который в карантин просто не хотел терять продуктивность. Я сам раньше пользовался Move.ai — даже рассказывал об этом в видео год назад. Но компания сменила вектор, задрала цены и переориентировалась на энтерпрайз. Мне и так приходилось платить $1500 в год за инструмент, которым в итоге я пользуюсь редко, а теперь меня совсем жаба задушила. Продавать оборудование для Move.ai: 8 камер GoPro и штативы — тоже не хотелось. Вот я и начал искать многокамерные альтернативы и выяснил: их практически нет. Точнее, в опенсорсе — ровно одна. Не удивлюсь, если работа Маттиса 2018 года вдохновила в том числе и Move.ai — технологии разные, но идея "считывать движение тела без маркеров через компьютерное зрение" витала именно в таких исследованиях. Это было в воздухе. Маттис просто сделал это бесплатным. Больше инфы в коментариях к посту! Буду тестировать в реальном пайплайне. Расскажу и покажу, что получится. 👇 Сохраняйте себе и пересылайте друзьям-аниматорам! ну и подпишись на @VoogieBoogie