Вы будете смеяцца, но у нас новый видео генератор.

И это просто конский монстр. По сравнению с ним Минимакс - это Stable Diffusion 1.5 на два килобайта.

Итак MAGI-2 Preview - открытая unified audio-video модель на 114B параметров, построенная как очень мелкозернистый MoE. Единовременно активируется около 6B параметров, то есть примерно 5% всей ёмкости модели. Sand AI называет это Ultra-Fine-Grained MoE / MagiMoE.
Модель одновременно работает с текстом, видео и аудио в одном Transformer backbone.

Главная архитектурная фишка интереснее самого числа 114B. Backbone - **40 Transformer layers**, из них средние **36 слоёв MoE**, четыре крайних dense. Hidden width 3072 разбивается на **12 независимых head по 256 dimensions**. У каждого head собственный набор из **256 экспертов**, а на токен выбираются Top-6. То есть на одном MoE-слое потенциально существует 12 × 256 = **3072 маленьких expert-блоков**, но конкретный токен использует всего 72 из них. Это позволяет хранить огромное количество специализированных параметров, не прогоняя 114B целиком на каждом diffusion step.

Сейчас заявлены T2V и I2V, причём звук генерируется совместно с изображением, а не приклеивается отдельной моделью после генерации. Выход пока жёстко ограничен 10 секундами. Референсов и редактирования нет.

Генерация двухступенчатая:

- base/preview: 512 × 896
- refiner: 1088 × 1920
- затем при необходимости output ресайзится до настоящих 1080 × 1920.


А теперь праздник: системные требования

Официальный MINIMUM(!):

8 × NVIDIA Hopper GPU.

Типа 8×H100/H200. Общий размер весов - около 307 GB:

- main preview transformer - 228 GB
- Qwen3.5-27B text encoder - 56 GB
- refiner - 14 GB
- Stable Audio Open audio VAE - 5 GB
- Wan 2.2 video VAE - 3 GB
- Turbo VAE decoder - 2 GB.

То есть полный зоопарк - особенно напрягает Stable Audio и древний ВАН.

По счастию Монстр уже есть на Artificial Analysis.

И среди open-weight video models with audio сейчас картина такая:

1. MiniMax H3 - 1192
2. MAGI-2 Preview - 1108
3. LTX-2.3 Fast - 958

Наверное можно расходиться, но впереди еще MAGI-2 distilled, которой нет.

Ну и надо подсобрать тесты, пока мало примеров.

А теперь самое главное - дешевая цена (в облаке):

MAGI-2 Preview теоретически обходится Sand.ai примерно в $0.074 за 10 секунд 1080p, но официальную пользовательскую цену API за такой ролик Sand.ai публично не раскрывает. Более того, по идее это цена за distilled модель, которой пока нет.

Cсылки:

https://platform.sand.ai/
https://platform.sand.ai/docs/api-v2
https://platform.sand.ai/app/buy-credits
https://sand.ai/blog/magi-2-preview
https://github.com/SandAI-org/MAGI-2-preview
https://huggingface.co/sand-ai/MAGI-2-preview

https://artificialanalysis.ai/video/leaderboard/image-to-video

@cgevent

#Нейропрожарка

«Супер-Дружба»

Автор:  @Sergei_108

Мульт про ёжика Соника в стиле Pixar. Делал специально ко дню рождения 7-милетних племянников, с их участием в мульте. Это был первый опыт создания видео с сюжетом и героями. Понимаю, что ролик далёк от идеала).
Консистентность персонажей немного плывёт, но для детей это непринципиально)

Делал в марте и начале апреля. В основном Клинг 2.5 Турбо, Сиданс в открытый доступ только вышел и две сложные сцены по 15 сек. хотел сделать через него, но он упорно не хотел генерить сцены с Соником, даже по текстовому описанию. Пришлось делать в Клинге и потом склеивать до 15 секунд сцены.

Пайплайн:
0. Создание карт персонажей Соника, Сони и Никиты на основе их фото в Nano Banana 2.
1. Сценарий в Qwen.
2. Раскадровка Nano Banana 2.
3. Промпты для видео Claude Opus.
3. Анимация Kling 2.5 Turbo.
4. Голоса реальные, клонированные через kikivoice: мой, Соника (взял для клонирования голос самого популярного актёра, который дублировал Соника, Михаил Тихонов), племянников: Сони и Никиты, Др. Роботника.
5. Стихи для песни написал Gemini.
6. Песня и музыка в Suno 5.5.
7. Монтаж и фоновые звуки CapCut.

Понимаю, что достаточно сыро и криво, но это был первый опыт. Родителям племянников зашло даже больше, а у племянников была неоднозначная реакция, когда им это показали в лоб без предварительного объяснения: они стали оценивать и сравнивать со своей внешностью, стали говорить: типа у меня не такие волосы, голос и тп. В итоге мальчик не смог принять, а девочка сказала, что ей понравилось.

Стоимость: чуть больше 3тр на подписку Клинг и токенов в Syntx.
Сроки: делал полтора месяца в свободное время.

@cgevent

Pika Music

Минимакс покусал Пику, она запустила собственное семейство аудиомоделей, и самая интересная тут(для меня) Pika Music - типаполноценный генератор песен в духе Suno/MiniMax Music.

Все по моде. На вход можно дать обычный промпт, свой текст песни, референс голоса, музыкальный референс или всё это одновременно. На выходе - законченный трек длительностью до 6 минут. Pika утверждает, что 90-секундный трек модель генерирует в среднем за 6.21 секунды, примерно в 14.5 раза быстрее реального времени.

Главный прикол - цена: $0.015 за минуту музыки. То есть 4-минутная песня стоит примерно 6 центов, шестиминутная - 9 центов. Pika заявляет, что Music получается до 10 раз дешевле "сопоставимых" музыкальных моделей. Пока модель доступна только через Pika API Club, но там уже есть нормальный веб-Playground, Заодно Pika выпустила Soundtrack, SFX и Speech

Тут пробуем:
https://dev.pika.art/models/pika/pika-audio/pika-music/playground

Тут примеры:
https://experiment.pika.art/blog/pika-audio-models

@cgevent

MiniMax H3 - длинные видосы. Для гиков.

Сразу два проекта пытаются сделать очень ловкий продолжатор:
H3 Motion Context и H3 Continuum.

Оба пришли к одной правильной идее: хватит декодировать последний кадр в картинку, снова запихивать его через VAE и надеяться, что лицо, одежда, цвет и движение не поплывут. Вместо этого следующий кусок получает сырой video+audio latent предыдущего. Motion Context по умолчанию переносит последние 22 видеокадра и отдельно 24 кадра аудиоконтекста (ровно 1 с), после чего повторившийся кусок автоматически отрезается. Авторы особенно заморочились со звуком:
аудио помещается именно в предыдущую часть таймлайна, а не подаётся как обычный reference.

Motion Context - более компактный и типа более педантичный инструмент именно для бесшовного продолжения одного дубля. Уже есть Ref2VA, сохранение references и стресс-тест на 16 клипов / 4:34 видео на RTX 5070 Ti. Но автор советует не включать Spectrum: прогнозирование transformer steps может портить pinned latent context, особенно звук. Turbo тоже работает, но чем агрессивнее ускорение, тем хуже continuity. То есть идея здесь простая: сначала не сломать временную непрерыность, потом уже думать, как ее ускорять.

H3 Continuum 3.3 идёт гораздо дальше и превращает эту идею в production-систему. Он автоматически генерирует до 16 связанных чанков, умеет T2VA/I2VA/FL2VA/Ref2VA, держит до трёх reference images, reference audio, отдельные prompts для каждого участка и Timeline Video conditioning. Есть автоматическое сохранение каждого raw AV latent, Resume после падения и "Regenerate From Chunk N", поэтому ради неудачного 40-го секунды не приходится пересчитывать всю минуту. Со Spectrum здесь, наоборот, все шиштяк: на каждом новом стыке первые два transformer evaluations обязательно считает настоящий H3, и только затем Spectrum начинает прогнозировать шаги. Поэтому рекомендуемый quality-режим - около 20 steps + Spectrum, speed-режим - Turbo 8-step без Spectrum. Turbo + Spectrum пока считается экспериментом.

На итоге:
Motion Context - для максимально чистого непрерывного дубля, особенно с речью или музыкой.
Continuum - для производства длинных 30-80-секундных сцен, где нужны персонажи, references, таймлайн, восстановление после падения и нормальное управление десятком генераций.

Ссылки:

H3 Motion Context
https://github.com/NikoDemon80/ComfyUI-H3-Motion-Context

Motion Context MultiRef
https://github.com/seitanism/ComfyUI-H3-Motion-Context-MultiRef

H3 Continuum
https://github.com/ukr8b3g-cmyk/ComfyUI-H3-Continuum

Реддит тред Motion Context
https://www.reddit.com/r/StableDiffusion/comments/1vhppmv/clip_chaining_for_minimax_h3_motion_and_audio/

Motion Context v0.2 / Ref2VA
https://www.reddit.com/r/StableDiffusion/comments/1vjvx4l/h3_motion_context_v020_reference_mode_support_and/

@cgevent

Убежать не удасца. По крайней мере на кожаных ногах

Unitree тизерит нового робата, который при длине ноги всего 85 см разгоняется до 12.66 м/с - это 45.6 км/ч - и прыгает с места на 2 метра вверх.
Самое неприятное для кожаных: Unitree утверждает, что эту штуку разрабатывают чуть больше трех месяцев.

12.66 м/с - примерно темп стометровки за 7.9 секунды, если бы тварь могла держать максималку всю дистанцию...

И запрыгивать они будут прямо к вам в окна.

@cgevent

Qwen-Video(?)-Edit. Для гиков

Довольно остроумный проект. Не уверен, что это прям продакшн тул, но подход простой и красивый, поэтому распишу подробнее.

TLDR: Qwen-Video-Edit превращает Qwen-Image-Edit в видеоредактор, не обучая отдельный video transformer.

Они берут исходное видео, кодируют его через VAE от Wan 2.1, а получившиеся временные латенты скармливают Qwen-Image-Edit DiT почти как одну ОГРОМНУЮ картинку: кадры раскладываются в виртуальную сетку, а две небольшие обучаемые projection-прослойки переводят латенты Wan в пространство Qwen и обратно. После редактирования результат дополнительно прогоняется через несколько denoise-шагов Wan 2.2, чтобы улучшить качество и временную стабильность.

То есть на пальцах это:

video → Wan VAE → Qwen-Image-Edit → Wan VAE → Wan 2.2 enhancement → video

Длинное видео режется на куски по 45 кадров, причем каждому куску можно дать отдельную инструкцию. Сейчас опубликованный checkpoint обучен именно под 360p / 45 frames.

Код и веса есть, это все уже давно в сети:
Qwen-Image-Edit transformer - ~40 GB весов
Qwen text encoder + VAE/tokenizer - ~15 GB
Wan 2.1 VAE
Wan 2.2 A14B для финального enhancement - ~80 GB весов

Поэтому жоский оффлоад и тормоза.

Project page с примерами

https://yunpeng1998.github.io/Qwen-Video-Edit-Page/

На первый взгляд это должно приподвскипать, ибо Qwen-Image-Edit изначально не является temporal model.

Но они запихивают сразу пачку кадров в одно общее представление, поэтому Qwen видит их одновременно.
Однако это всё равно не означает настоящего temporal attention. Модель фактически должна сама догадаться, что две похожие морды в соседних участках latent-grid - это один и тот же человек через 40 мс.
Для этого они приваливают Wan 2.2 в конце.

В общем как идея отлично. Как инструмент - не знаю. Просто понравилось. Может кого-то вдохновит на безумные пайплайны.

@cgevent

Бар будущего найден

В Пекине открыли AGI Bar, где вместо бесплатного Wi-Fi гостям раздают бесплатные токены DeepSeek. Рядом с барной стойкой стоят две рабочие станции с NVIDIA, на которых локально крутится дипсик V4 Flash. Приходишь, берёшь пивчанский и спокойно кодишь без подписок.

Внутри всё тоже как положено: логотипы ИИ-компаний на стенах, вакансии нейролабораторий на экранах и фирменный коктейль AGI почти целиком из пены (шутка про пузырь вокруг ИИ).

Наконец-то нормальный коворкинг.

Йакреведко от Алибаба

После того как Ворнеры пожрали Udio и дожирают Suno, все бросились делать генераторы музла. Чуют, что свято место пусто не бывает. Minimax Music, Pika Music, Treblo (про всех писал), и вот теперь Алибабищенко.

В зоопарке щасливых коней и устриц появилась Креведко:
HappyShrimp 1.0 - модель генерации полноценных песен. И да, Креведко - это тот самый Lucky Dolphin, который до раскрытия Alibaba анонимно болтался на Artificial Analysis и забрался примерно на 2-3 место Music Arena.

Кто ничего не понял про конец и устриц:
HappyHorse - видео генерация:
https://happy-horse.ai/

HappyOyster - модель мира
https://happyoyster.cn/

HappyShrimp - новоиспечённая мужика:
https://www.happyshrimp.ai/

И это целая соц сеть, с размахом, по китайски. Много примеров (послушайте), промпты тоже шарятся.

Подход здесь отличается от Suno. Сначала большая ~8B модель планирует песню и ее длинную структуру, маленькая ~0.4B добивает музыкальные токены, а затем отдельный FullDiT на flow matching рендерит всё это в аудио, причем с контекстом всей песни, а не последовательно кусочками. Для гикоа есть технический отчет:

https://arxiv.org/abs/2607.20253

На вход HappyShrimp принимает обычный текстовый промпт, lyrics и довольно подробные музыкальные инструкции: жанр, BPM, тональность, инструменты, тип вокала, структуру и настроение. Есть instrumental. Заявлены также reference audio, генерация по референсу и перенос музыкального стиля.
Главная ставка - не просто сделать красивый 20-секундный кусок, а удерживать мелодию, аранжировку и развитие целой песни. В этом отличие от Суно.

И это уже третий музыкальный проект от Alibaba. Рядом существует Qwen-Music с другим подходом - single-codebook tokenizer и Melody-CoT, обученный на заявленных 5+ млн часов музыки. А в Alibaba Cloud уже есть Fun-Music / fun-music-v1 с API для генерации песен и инструменталов.

Еще одна интересная вещь:
В день запуска Alibaba объявила стратегическое партнерство с Taihe Music Group, крупным китайским музыкальным холдингом. Они говорят о совместной AI-music платформе, работе с музыкантами и индустриальной экосистеме. Интересно, это справка-отмазка для Ворнеров?

Пробовать:
https://www.happyshrimp.ai/

Техотчет Lucky Dolphin:
https://arxiv.org/abs/2607.20253

Qwen-Music:
https://arxiv.org/abs/2607.11699

Fun-Music:
https://help.aliyun.com/zh/model-studio/fun-music/

Август просто развесёлый получаеццца. Думал отдохну в отпуске, типа август у всех тихий будет, время отпусков. Но все обезумели вместо этого.

@cgevent

Они уже готовы. И как выяснилось, от них не убежать

Про Урфина Джуса кто-нибудь помнит?

В общем, они идут за вами...

@cgevent

#Нейропрожарка

🥩 RIBEYE INFERNO - реклама стейка

👤 Автор: Артур Шатихин @artsabai
Группа в тг: @artkolpro
 
💡 Идея
Главная задача была - не обычно показать стейк, добавив немного провокации.

🎬 Производство
Большая часть проекта была создана через Magnific.
Картинки делал в GPT image и seedream pro. Особенно интересно показал себя Seedream 5 pro, который в Magnific доступен безлимитно.

Правда, иногда модель приходилось буквально умолять надеть на женщину лифчик. 😄
В некоторых генерациях она категорически отказывалась одеваться.

Для эротических сцен использовал Grok. Он срабатывал далеко не с первого раза, но при правильно составленном промпте позволял создавать лёгкую эротику и естественные движения. Все что связано с едой, было сделано в seedance 2.0.

🔊 Работа со звуком
Музыку создавал в Suno.
За основу взял одну из композиций Limp Bizkit, и переделал ее. По своему звучанию трек получился очень близким к Limp Bizkit — тяжёлым, жёстким, грязным и энергичным.

Мне понравилось, как эта музыка легла на видеоряд. Тяжёлый гитарный рифф хорошо сочетается с огнём, жаркой стейка, движениями девушки и общей атмосферой ролика.

💰 Стоимость
Основным расходом стала подписка на Magnific, которая стоит чуть больше $30.

В Suno потрачено минимум кредитов, поэтому не считаю.

GPT тоже не считаю, постоянно использую

🚀 Итог
В результате получилась концептуальная реклама, в которой гастрономия соединяется с эротикой.

@cgevent

Так, давайте еще поговорим про GEO (Generative Engine Optimization) - продвижение бренда в ответах нейросетей, аналог SEO для ИИ.

Но попасть в ответы нейросетей — только половина задачи. Ещё нужно понимать, где и как часто бренд там появляется.
Каждый раз прогонять бренд по ChatGPT, Perplexity, Claude и остальным моделям, отслеживая позиции, муторно.

Нашел интересный проект ГЕОранк. Он собирает аналитику по основным нейросетям в один дашборд. Видно, по каким запросам всплывает бренд, на фоне каких конкурентов, откуда модели берут о нем информацию и где позиционирование считывается криво. Из приятного, в списке есть локальные модели, которые западные сервисы не покрывают, а для бизнеса в СНГ это половина картины.

Механика простая. Заводишь свой продукт, добавляешь конкурентов и сегменты аудитории, а дальше загружаешь пользовательские запросы, хоть сотню, придуманные руками или нейронкой. Сервис прогоняет их по моделям и показывает, на какие вопросы нейросети рекомендуют людям тебя, а на какие только конкурентов. Рядом отдельная вкладка с подсказками, как это присутствие нарастить.

Волшебной кнопки там нет, залить бренд в нейросети не получится. Сервис показывает дыры, а закрывать их придется контентом и упоминаниями. Но без замера вся эта GEO-возня превращается в гадание.

Так что если хочется узнать, что нейросети рассказывают о вашем бренде, начать мониторинг можно тут

@cgevent

Hyperion 2.5: Довольно огненная модель от Топазянского.

TLDR: это немного больше, чем просто «Topaz научился сохранять в 10-bit».

Topaz выпустил Hyperion 2.5 - модель SDR→HDR, специально заточенную в том числе под 8-битное AI-видео. Она принимает обычный SDR/GenAI ролик и не просто перекладывает его в 10-битный контейнер, а пытается реконструировать дополнительный диапазон яркости и цвета, после чего может вывести результат в(!): ProRes 10-bit, H.265 10-bit или 16-bit half-float EXR.

Все эти ваши\наши видеогенераторы отдают сильно пережатый 8-bit материал. Если потом начать агрессивно красить его, например, в Resolve, вытягивать свет, делать маски, композ или HDR-master, быстро вылезают бендинг и ступеньки в градиентах и разваливающиеся цвета. Hyperion пытается восстановить недостающую информацию *до* грейда, чтобы материал вел себя ближе к нормальному high-bit-depth-исходнику. Topaz уже показывает production-кейс студии Primordial Soup Даррена Аронофски: они прогоняли GenAI через Hyperion 2.5 в 10-bit ProRes именно перед тяжелым цветокором, а в другом шоте использовали его для подавления заметного бендинга.

Но важная оговорка: Hyperion не может физически вернуть цвета, которые генератор никогда не в жизни не видел. Это AI-реконструкция/предсказание дополнительной информации. То есть это скорее «умный HDR remaster», чем магическое превращение 8-bit в настоящий camera RAW. Галлюцинация в более пригодный для поста dynamic range.

Из любопытного: с новым 16-bit EXR пока есть вопросы к color management. Юзеры уже обнаружили несоответствие между заявленным ACES2065-1 и метаданными Linear Rec.2020, плюс жалуются на пересвеченный результат во Fusion.

Но процесс адаптации убогого генератива для лухари-поста уже пошел, это очень круто. Ждем нативные 4К во всех генераторах и ну композить.

Hyperion 2.5 доступен в актуальном Topaz Video, не в старом прекращенном Topaz Video AI. Работать можно локально или через облачный рендер. Сейчас отдельный план Topaz Video указан как $19/месяц по акции вместо $39, в него входит 400 cloud credits, дополнительные кредиты стоят $0.10 за штуку. Есть и Topaz Studio за $34/месяц при оплате $399 за год, куда также входит Video и ежемесячные кредиты.

https://developer.topazlabs.com/video-models/video-utilities/hyperion-2.5-sdr-to-hdr-new
https://www.topazlabs.com/news/primordial-soup-uses-topaz-hyperion-2-5-to-bring-8-bit-genai-into-10-bit-pro-video-finishing-workflows

Видос полезный, кстати, там Сиденский, Астра и прочие инструменты.

@cgevent

Ну, за барабанщиков. И аниматоров.

Disney Research научили 3Д-пероснажа играть на барабанах слуiая обычную музыку.

На вход подаётся аудио, а diffusion-модель генерирует полноценную 3D-анимацию барабанщика - движения корпуса, рук и палочек, причём удары должны попадать в нужный барабан в нужный момент. Это сложнее обычной music-to-motion: палочка движется быстро, промах даже на несколько сантиметров сразу ломает иллюзию. Поэтому авторы разделили обучение на две задачи: естественность скелетной анимации и отдельно точность палочек. В результате заявлена точность попаданий до сантиметрового уровня, при этом тело не превращается в механического робота.

Что невыносимо круто - системе не нужен MIDI или заранее размеченный трек с нотами. Авторы собрали собственный датасет, придумали аугментации и добились работы с обычным аудио, которого модель не видела при обучении. Для проверки они даже ввели две отдельные метрики: расстояние между палочкой и целью в момент удара и корреляцию движения с аудио. В пользовательских тестах сгенерированную анимацию часто не могли отличить от настоящего motion capture.

Еще раз: это уже не просто "персонаж двигается в ритм", а попытка восстановить из одной звуковой дорожки физически осмысленное исполнение на конкретном инструменте

И тут басисты "до-соль, до-соль". ИИ такой: а я тут зачем, там два кадра разных всего...

Контр-фагот: а у меня вообще один кадр!

Может быть полезно для игр, виртуальныо-метаверсных музыкантов и ну и автоматической анимации персонажей.

https://studios.disneyresearch.com/2026/08/18/generalized-audio-driven-synthesis-of-precise-drummer-motion

Дирижёр останавливает репетицию, смотрит на музыканта и говорит:
— Контрфагот, сыграйте ноту фа!
Музыкант издаёт низкий звук: «Тпррр-р-р».
Дирижёр:
— А теперь сыграйте фа-диез!
Музыкант снова издаёт такой же низкий звук: «Тпррр-р-р».
Дирижёр машет рукой:
— Ай, играйте, что хотите!

@cgevent

Фазовщики, заливщики, контуровщики.

Для тех, кто помнит, что такое штифты(есть на видео) и калька. И ацкие сканеры.

Наверное никто уже (кроме нейродеда) не помнит (а 95% и не знают), то в классической мультипликации были три самые пьющие профессии. Фазовщики, контуровщики и заливщики.
Гениальный режисер-мультипликатор рисовал только ключевые кадры своей твердой (не всегда) рукой. На кальке. Типа мячик на земле, мячик в воздухе.
Потом приходили фазовщики, и дорисовывали недостающие кадры, чтобы было 12 кадров в сек. Это примерно то, что делает любой 3Д-пакет, интерполируя движение между ключевыми кадрами, поставленными аниматором.
Потом приходили контуровщики и обводили карандашные наброски жирными черными контурами и переносили все это на целлулоид.
Потом приходили самые пьющие, заливщики. Они переворачивали целлулоид и заливали внутренность контуров цветными красками. Чтоб было красиво и в соответствии с колор-чартом. Переворачивали, чтобы контур был "сверху" над заливкой, если перевернуть обратно.
Работа была ацкая, люди реально спивались (вы думали, откуда такая склонность выпивать не чокаясь).

На видео босс рисует, остальные пока разминаются.

@cgevent

#Нейропрожарка

“Exquisitely Empty”

Автор: @BaroVilgotsky

Музыкальный клип для группы OMEGA DARK на песню “Exquisitely Empty” с альбома ‘Anhedonia’ (2026). Жанр - darkwave/industrial. Клип выдержан в стилистике horror/arthouse (не совсем для слабонервных)

Генерация изображений - NanoBanana 2, NanoBanana Pro
Генерация видео - Seedance 2.0
Монтаж - Movavi Video Editor
Музыка - FL Studio 21, доработка в Suno
Запись вокала - Cockos Reaper. Липсинк - встроенный в Seedance 2.0
В целом работа над клипом заняла около двух недель, с учётом того, что велась она нерегулярно.
Бюджет ~ 3500 рублей.
Ссылка на клип на YouTube: https://youtu.be/EkbxN5afefs
Альбом ‘Anhedonia’ на VK Music: https://vk.com/music/album/-2000269457_28269457_e2b0b5f24aa699ae59
Альбом ‘Anhedonia’ на Яндекс.Музыке: https://music.yandex.ru/album/42823842

@cgevent