Доступ и промтинг для Veo 3 😏

Делюсь своим опытом.

😎Доступ:

1) Включаете VPN на Америку.

2) Регистрируете новый американский Gmail.

3) Арендуете американский номер для СМС, например на OnlineSim. У меня вышло 170 рублей.

4) На моменте регистрации нового Gmail указываете этот номер, вписываете пришедшую СМС.

5) Если пишет, что номер не поддерживается, пробуйте другой — у меня сработало только с 10-й попытки.

6) Идёте на https://labs.google/fx/tools/flow под новым аккаунтом.

7) Покупаете подписку на Google AI (если есть заграничная карта); у меня вышло $125.

8) Генерите на все 12,500 кредитов. Одна генерация (8 секунд) — 100 кредитов.

🗒 Промтинг:

Всё по классике: субъект, контекст, действие, стиль, камера, композиция, атмосфера. К этому добавляются речь и фоновые звуки. На русском звучать можно — используйте says in Russian: "Ваш текст".

Кстати о сплатах, они уже давно существуют, но на данный момент очень тяжело показать их людям, которые совершенно не знакомы с технологиями и AI.

😚🤫🫠🤥😶
😚Сплаты на самом деле уже сейчас могут быть вашей домашней 3D фотографией и библиотекой воспоминания мест в 3D.

😚😶‍🌫️Например на RnD online своей выставке, я решил показать пару родных мне мест. Места из 2021, 2023, 2024, 2025 года. Некоторые из них выставки, некоторые любимые места или места старта хороших проектов.

😚😗😙
😚Это мои анкерные точки(места силы), которые я сохраняю не только в памяти, но и могу уже показать и вам. Они правда в варианте Диорамы больше, чем места где можно погулять, но кто не любит Диорамы?(Это не Дорамы если что)

😚😀😄 ВНИМАНИЕ!
😚😶‍🌫️заходить только с компа, подождите до конца загрузки сплатов
😚😶‍🌫️можете оставить лайки или комментарии, представьте что я вас пригласил на свою выставку в реальности!
😚😶‍🌫️там есть небольшие записки на английском
😚😶‍🌫️если убежали в другую локацию, зайти вновь по линку

😚🥲☺️😊
Выставка тут — https://live.arrival.space/94840817_8977

🎃😺😸😹😻
https://live.arrival.space/dinorsaur_gunma — вот тут музей динозавров, но не от меня, это сплат действующего музея

😚🤫🫠🤥😶
Lesswrong — это онлайн-сообщество и блог, где люди обсуждают способы думать эффективнее, принимать более обоснованные решения и минимизировать когнитивные искажения.
😚Не знаю как я на него попал, но он часто в рассылке подкидывает мне статьи и методы от которых у меня кипит мозг, и похоже создает новые нейронные связи.
😚И сегодня в одной из таких рассылок было про Теорему о хорошем регуляторе.

Теорема о хорошем регуляторе — это теорема, разработанная Роджером К. Конантом и У. Россом Эшби, которая является центральной в кибернетике. Изначально она была сформулирована так: «Каждый хороший регулятор системы должен быть моделью этой системы». Это означает, что любой регулятор, который является максимально простым среди оптимальных регуляторов, должен вести себя как образ этой системы при гомоморфизме.

😚🥵Вот и я ничего не понял. Потому я попросил Gemini 2.5 pro описать это попонятнее для обычных людей, вот что получилось:
😚😗😙
😚Представьте себе двух поваров, которым дали одну и ту же задачу: приготовить идеальный стейк на гриле.
😚😶‍🌫️Агент — это повар.
😚😶‍🌫️Среда — это гриль, стейк, температура воздуха и т.д.
😚😶‍🌫️Целенаправленная задача — приготовить стейк определенной прожарки (например, medium rare).

😚Повар №1 (Простой регулятор, без модели)
Этот повар действует по простой инструкции: «Положи стейк на гриль, держи 3 минуты, переверни, держи еще 3 минуты, снимай».
😚😶‍🌫️Одна задача: Он умеет выполнять только этот один, строго заданный алгоритм.
😚😶‍🌫️Нет обобщения: Если вы дадите ему стейк потолще, или на улице будет холоднее и гриль быстрее остынет, он все равно будет слепо следовать инструкции "3 минуты + 3 минуты". Результат будет уже не идеальным (стейк будет сырым). Он не может адаптироваться.
😚😶‍🌫️Нет модели: У него нет внутреннего понимания («модели») того, как жарится мясо. Он не понимает, что толщина мяса, начальная температура, жар углей — все это влияет на время готовки. Он просто робот, выполняющий одну программу.

😚Повар №2 (Хороший регулятор, с неявной моделью)
Этот повар — опытный. Ему можно ставить разнообразные задачи: "сделай medium rare", "а теперь well-done", "а этот тонкий кусок сделай medium".
Как он этого добивается? Он изучил неявную прогностическую модель своей среды. Это значит, что в его голове (в его навыках) заложены знания, которые позволяют ему предсказывать результат.
😚Эта «модель» состоит из множества наблюдений и связей:
😚😶‍🌫️Прогноз по толщине: Он смотрит на стейк и думает: "Ага, этот кусок толстый, ему понадобится больше времени, примерно по 5 минут на сторону".
😚😶‍🌫️Прогноз по жару: Он подносит руку к грилю и чувствует жар. "Угли сегодня не очень горячие, значит, нужно держать мясо чуть дольше или опустить решетку ниже".
😚😶‍🌫️Прогноз по звуку и виду: Он слышит шипение, видит, как образуется корочка, и по этим признакам предсказывает, что происходит внутри куска.
😚😶‍🌫️Прогноз по упругости: Он нажимает на стейк пальцем или щипцами. По упругости мяса он может точно предсказать степень прожарки внутри, не разрезая его.

Самое главное — эта модель неявная. Повар не решает в уме дифференциальные уравнения теплопередачи. Он просто знает, что если стейк упругий, как подушечка большого пальца, — это medium rare. Его опыт и навыки и есть эта встроенная, рабочая модель.

😚Вывод и связь с теоремой
Опытный повар (агент), чтобы быть способным к обобщению (готовить разные стейки в разных условиях), был вынужден изучить неявную прогностическую модель своей среды (понять, как толщина, жар и время влияют на прожарку).

Он не просто реагирует, он предсказывает. Он заранее понимает, что если он оставит толстый стейк на 3 минуты, результат будет плохим. Именно это умение предсказывать на основе внутренней «карты мира» и делает его «хорошим регулятором».

Точно так же любой сложный AI, будь то автопилот в машине или умный термостат в доме, чтобы эффективно работать в меняющихся условиях, должен не просто следовать инструкциям, а построить внутри себя модель своей среды и научиться предсказывать последствия своих действий.
🎃😺😸😹😻