Охоспади, бывший генеральный директор Weta Digital станет новым генеральным директором Stability AI!
Наверное надо радоваться, хуже чем с было Мостаком уже не будет.
https://venturebeat.com/ai/stability-ai-gets-new-leadership-as-gen-ai-innovations-continue-to-roll-out/

Удивительно, как история повторяется. В начале нулевых мы перепаивали GeForce256 в Квадру, и независимо от этого подбирали версию драйвера от Нвидии, чтобы Maya не падала чаще двух раз в минуту.
Сейчас китайцы перепаивают память на RTX 20xx, делая из них почти 3090 по объему памяти, а мы обновляем драйвера, чтобы Stable Diffusion стал побыстрее считать.
Закон Джима Блинна действует, особенно сейчас, компьюта, то есть вычислительной дури, всегда будет мало.
https://habr.com/ru/articles/173545/

Ого, Kling обновился (к сожалению только в своем китайском приложении).

Добавили "Image-to-Video" and "Video Extension", причем видосы можно продолжать до (!) минут.

Сора нервно закуривает.... "бахать или не бахать апдейты?"...

Нарезочка видосов тут. Качество, конечно не дотягивает до соровского, но это уже готовое приложение...
https://twitter.com/Kling_ai/status/1804064065670779233

На видосе одна картиночка из Midjourney на входе. И все. На дворе июнь 2024. Что там было два года назад?

Наткнулся на пример нейродубляжа фильма Операция "Ы".

Просто послушайте, как оно годно сохраняет оригинальные голоса.

Кажется, мясные актеры дубляжа тоже скоро отправятся на рынок торговать луком.

Джедай от Нвидии.

Joint-image Diffusion Models for Finetuning-free Personalized Text-to-image Generation

В общем они предлагают как бы (как я понял), что-то среднее между RAG и Лорами, для создания консистентных изображений. Основной козырь - отсутствие долгого файнтюна моделей.
Сравнивают в основном с Дримбусом.
Основной акцент в работе - на создание синтетический датасетов.
Типа дали как референс курточку или сумочку и нагенерили датасет с этими ассетами, с сохранением консистентности.

Не очень понятно, куда и когда это будет прикручено.
И выглядит очень нарядно, поглядите тут:
https://research.nvidia.com/labs/dir/jedi/

(там между строк есть один момент - если дать на вход не 1-2, а 20-30 референсных картинок, то производительность катастрофически падает)

Но вот вам интересная новость.

Есть такая независимая модель для картинок Pixart Sigma. Натренирована знаете где? В Хуавее. Это не чекпойнт, это своя архитектура. Всего 0.6B параметров, а ухватки, как у SDXL (2.6B).
Так вот, написал эту модель в одно умное лицо Junsong Chen, который до прошлой недели числился как Research Intern в Хуавее. А теперь он Research Intern в Нвидия.
Пишет, что проект Pixart Sigma будут продолжать. Причем он - опен-сорсный.

Может пора уже увидеть что-то красивое (и опенсорсное) для картинок от Нвидия??

Из комментов тоже достаю.
Рейтинг качества Text-to-Speech софта
https://huggingface.co/spaces/TTS-AGI/TTS-Arena
Соответственно идете по списку сверху внизу и выбираете решение, подходящее по цене.
Например, Топовый ElevenLabs стоит 100 баксов за 10 часов в месяц (500000 символов)
https://elevenlabs.io/pricing

PlayHT со второго места - 40 баксов за 5 часов и 100 баксов за анлим
https://play.ht/pricing/

Пора завязывать со всеми этим клавиатурами и мышами. И пока Маск пилит свою иголочку, энтузиасты собирают свои нейроинтерфейсы. Причем такие, с помощью которых можно проходить
и второго, и первого Босса в ELDEN RING Shadow of the Erdtree.
Когда смотришь это, чуешь отчетливый аромат Матрицы.
Девушка сидит и просто кладет личико на ладошки и о чем-то там думает.
А теперь вспомним, как типичный геймер орет, подскакивает и потеет.
Мне вот интересно, какие у нее энергозатраты и ощущения.
Насколько я знаю, такой уровень нейро-обратной связи серьезно меняет определенные способности мозга. Также интересно, как эти новые способности влияют на "старые" способности. Что прокачивается параллельно?
Очень круто, явшоке.
Видео мне прислали со ссылкой вот сюда:
https://twitter.com/perrikaryal/status/1804649206310752418
А вот тут сама девушка пилит свой интерфейс. Неинвазивный притом!
https://www.youtube.com/watch?v=UXzncNh7rr8

Марс атакует!

Новая опенсорсная модель текст ту спич.
140 языков.
Клонирование голоса по сэмплу в шесть секунд.
А ещё MARS5 позволяет выполнять "глубокое клонирование", которое улучшает качество клонирования и выходных данных, но при этом требует немного больше времени для создания аудио.

За актеров озвучки уже пили. Ладно, просто помолчим, пока он нас клонирует.

Всё есть тут:
https://github.com/Camb-ai/MARS5-TTS

P.S.
In general, at least 20GB of GPU VRAM is needed to run the model on GPU (we plan to further optimize this in the future).
Есть платный апи.

Некоторые боятся что ИИ заменит их, а другие, наоборот, с нетерпением ждут

ИИ-врач AIME — это один из тех проектов, который может значительно улучшить качество жизни сотен миллионов людей на планете.

Команда провела тесты эффективности ИИ-доктора по 32 категориям (диагностика, эмпатия, качество предложенного плана лечения, эффективность принятия решений). По 28 из 32 бот показал результаты лучше, чем живой доктор. По остальным — сравнимый результат.

Для обучения бота использовался подход self-play, когда 3 независимых агента (пациент, врач, критик решений врача) провели более 7 миллионов приёмов. Для сравнения, в среднем терапевт за всю свою карьеру делает неколько десятков тысяч приемов пациентов. Именно поэтому уже сегодня ИИ-доктор позволит оказать качественный сервис для 99% населения планеты, которые не могут позволить личного врача, а через несколько лет будет лучше большинства терпевтов/радиологов/педиатров и т.д. — но только никогда не уставший, условно-бесплатный, имеющий мгновенный доступ к любой медицинской литературе и обученный на сотнях миллионов интеракций с пациентами.

Конечно, в медицине главное это "не навреди", поэтому после публикации отчета в январе команда работает над улучшением продукта, безопасностью и готовится к получению необходимых лицензий от FDA и прочих. Массово такие продукты появятся не прям завтра, но технически это уже возможно.

Метис: как бы chatGPT от Амазона.

Вчера, когда писал про датацентры, невольно задумался: вот у Амазона вычислительной дури практически больше всех. Но мы давно не слышали никаких апдейтов про их языковые или другие модели.

Были новости про LLM Titan AI, а более мощная версия под названием Olympus, как сообщается, находится в разработке. Есть также Rufus, помощник, призванный помочь вам делать покупки и просматривать обширный каталог товаров Amazon.

Я также писал о превращении Alexa в чатбот, который может стоить от 5 до 10 долларов в месяц и позволит пользователям просить Алексу о более продвинутых функциях, таких как составление электронных писем или заказ в Uber Eats, с помощью одной подсказки.

И вот, наконец, судя по утечкам, у Amazon появился внутренний проект под названием "Метис". Это чат, offering conversation using text and image-centric answers. Говорят, что Метис может обмениваться ссылками, отвечать на последующие запросы и генерировать собственные изображения.

Сообщается, что Amazon хочет, чтобы бот также мог использовать расширенный поиск, позволяющий ему находить и предлагать информацию, которой он не был специально обучен. В качестве примера в отчете приводится предложение актуальных цен на акции.

В сети уже окрестили его chatGPT killer. Ну ок, а почему не Gemini killer или Claude killer?

В общем ждем ответочку от Амазона, им явно есть на чем тренировать модели. Было бы что тренировать.

https://www.tomsguide.com/ai/forget-chatgpt-amazon-reportedly-working-on-new-metis-ai-chatbot

Асики для LLM. Но не для всех.

Соху: Полмиллиона токенов в секунду для Llama 70B!


Помните были асики для майнинга?
Теперь есть такие же для трансформинга.
Компания Etched сделал специальные чипы для просчета именно архитектуры трансформер. CNNs, RNNs или LSTMs там ускоряться не будут. Stable Diffusion 1.5 тоже кстати.

Короче, один сервер с 8-ю чипами Sohu молотит как, внимание, 160 Nvidia H100! То есть он в 20 раз быстрее, чем H100.
Этот чип в ДЕСЯТЬ раз быстрее, чем еще не появившийся Nvidia Blackwell (B200) GPU.

Конечно, это все заверения разработчиков чипа.
Основной посыл - зачем платить за монстров, доедающих закон Мура, когда можно купить чип для конкретной задачи, а точнее даже архитектуры.

У них на сайте довольно правильные слова про спрос и предложение, так что очень ждем: где, когда и почем.

Они, кстати подняли 120M и за два года запилили чип.

https://www.etched.com/announcing-etched

Я уже писал, что часть команды Stability объединилась с разработчиками Комфи, анонсировав разработку универсального и гибкого интерфейса для генеративных моделей.
По ходу история с SD3 так избесила всех поборников опен-сорса, что движение набирает обороты.

Встречаем Open Model Initiative, призванную объединять разработчиков, исследователей и организации для сотрудничества в продвижении открытых и лицензируемых моделей искусственного интеллекта.
Туда вошли:
ComfyOrg, Invoke, Civitai и даже LAION (датасеты изображений).

Ждем Фокуса, Автоматика и других.

Меня больше всего радует вот это: "Создание общих стандартов для улучшения будущей совместимости моделей и методов совместимости метаданных, чтобы инструменты с открытым исходным кодом были более совместимыми в экосистеме." - Меньше зоопарка, больше UX.

Полный список деклараций вот тут (включая защиту прав художников)

Симулятор сайтов на стероидах Клода 3.5 и gpt4o.

Принес вам плазменное огнищще.

Помните, в прошлом веке люди рисовали картинки (неделями), потом нарциссически их выкладывали в веб-галереи, и ну радовацца и наслаждацца.
Помните, в прошлом веке люди (в больших количествах) делали сайты. На Front Page, например))
А потом выкладывали их на хостинг, и ну работать, кликать, рекламировать, в общем зарабатывать.

Потом пришел ИИ, и вот уже в галереи выкладываются ИИ-картинки, конкурсы выигрывают ИИ-работы, и в галереи мы лазим подсмотреть промпт. Чтобы нажать кнопку Сделать Красиво.

А теперь представьте себе, что галерею веб-сайтов, сделанных одной кнопкой с помощью ИИ. То есть можно жать на рычажок, генерить сайты, выкладывать их в галерею и ну хвастацца или зарабатывать. Кстати, в шапке поста скрин сайта с работающими ссылками, кодом и симуляциями, который я сделал одной кнопкой, точнее одним урлом.

Короче, это все теперь реально.

Держите мета-веб-сайт, который генерит веб-сайты. Как картинки, по промпту, точнее по УРЛу. Вводите доменное имя типа "конецглазамкрасивокак.graph", а он вам генерит сайт, понимая, что вы хотели зашить в имя сайта.
Пожалуйста, немедленно поглядите, что там люди генерят. Это просто за гранью. ИИ иногда творит просто чудеса.

И совсем уж вишенка - вы можете выбирать LLM типа Клода 3.5 или cpt4o или более старые модели для генерации кода сайтов. Непонятно за чей счет пока.

Вот сгенерил симулятор жидкости в вебе (fluidsimulations.com):
https://websim.ai/c/FmzE44ciGdY7KDUdR
Он сделал ВСЕ! Включая раздел Simulations с КАРТИНКАМИ!
https://websim.ai/c/yNAvcLSCw8GT3xOBB
Симуляции разрывают процессор, но работают. Я в шоке.
https://websim.ai/c/CEu6IB8Heqxsgs1zd

(надо залогиниться, чтобы переход по ссылкам работать).

В общем я залип. И вам того желаю!
https://websim.ai/

Совет. Чем длиннее имя сайта, тем больше информации он вытащит оттуда.

Первая реклама с Sora американской сетки для продажи игрушек

>Делаешь технологию чтобы работяги могли запускать гусей за копейки

>И без того крупный бренд берет технологию и экономит на людях делая рекламу с Sora

Чтож, будет срач

Ну за Вордпресс? Не совсем.

Тут Notion выпустил как бы конструктор сайтов. Там все сладко, 10 000 шаблонов, сео-оптимизация, подключение гугл-аналитики.
Ну и самое главное - кастомные домены!
Народ в твитторе уже выпивает за вордпресс, но есть пара моментов.

На бесплатном тарифе у вас вряд ли это получится.

На платном тарифе (10 баксов в месяц) вы будете платить еще 10 баксов в месяц(!) за кастомный домен. Итого 240 баксов в год.

Сравните с оплатой хостинга с вордпрессом на борту.

Для бизнеса или стартапа - вариант норм, для енд-юзера - не уверен.
https://www.notion.so/product/sites