Ринат Шакиров | Промпты для Midjourney | ChatGPT |

Раз в пару недель в твиттере вирусится очередная система, которая «всё сама»: придумывает идею, запускает, продвигает, монетизирует. Тысячи репостов, все сохраняют в закладки.

Автор канала Короче, капитан знает человек 20, которые честно пытались собрать что-то такое. Денег это не принесло ни одному.

Нейросети тут ни при чём, они правда стали сильными. Сайт или бота сейчас можно собрать за выходные. Но большинство всё равно тратит месяцы на продукт, за который никто не готов платить. Раньше на это уходил год, теперь уходит меньше, но смысл не меняется.

Сложность теперь не в том, чтобы что-то сделать. Сложно понять, кому это нужно и сколько за это готовы платить, причём выяснить это до того, как сел писать код.

Об этом и пишут в канале — разбирает запуски небольших проектов:
🔘откуда взялась идея,
🔘как её проверяли,
🔘сколько это стоило и что в итоге получилось.

Есть реальные цифры, и неудачные запуски тоже не прячут.

Если вам интересно, как маленькие проекты начинают приносить деньги на самом деле, а не в твиттере, заглядывайте: ➡️ @its_capitan

Реклама. ИП Зуев И.В. ИНН: 360408359441 erid:2VtzqxMSdQS

Создаем 3D модель из одного изображения

Speridlabs выпустила Idol, открытую ИИ-модель для генерации 3D-объектов по одному изображению. Модель самостоятельно достраивает обратную сторону, которой нет на фотографии.

В основе лежит технология 3D Gaussian Splatting. Вместо привычной полигональной сетки модель создаёт объект из множества трёхмерных элементов, которые передают его форму, цвет и объём. Результат можно вращать и рассматривать с разных сторон.

Idol генерирует до 1 млн таких элементов, при этом потребляет не более 7,2 ГБ видеопамяти. Разработчики заявляют о генерации за 3 секунды, хотя в опубликованных тестах при стандартных настройках RTX 5090 потребовалось 14,1 секунды, а RTX 4090 около 19 секунд.

Модель обучена с нуля, веса и код опубликованы под лицензией Apache 2.0.

Результат экспортируется в стандартный формат 3DGS PLY, а попробовать генерацию можно через демо на Hugging Face.

GitHub
Hugging Face
Демо

dailyprompts.ru

🎃 Одна картинка — легко. Сто в одном стиле — вот где начинается хоррор

Для одной генерации длинного промпта хватает. Но когда бренду нужна серия в едином стиле — сотни иллюстраций, карточек, баннеров, 3D, — одного промпта уже мало. Крупные команды в этот момент переходят от промптов к системам: гайды, референсы, связки моделей и проверка результата.

27 октября Phygital+ проводит AI Falls — бесплатную онлайн-конференцию, где команды бигтеха показывают, как у них это устроено:

— Авито: как гайды бренда превратили в систему генерации иллюстраций
— Спортмастер: какие AI-инструменты работают в продакшене и сколько экономят
— ТБанк: как ускорили флоу 3D-иллюстраций

Плюс живой мастер-класс от Британки на реальной задаче. Запись пришлют всем зарегистрированным, а в подарок дадут готовые связки нейросетей для дизайна и маркетинга.

📅 27 октября, 14:00 МСК, онлайн
👉 Зарегистрироваться бесплатно

erid: 2VtzqvMSt2y

xAI выпустила Grok Bot 1.0

Теперь боты следят за рабочими процессами, замечают незавершённые задачи и предлагают помощь без отдельного запроса.

Grok Bot работает на собственном облачном компьютере, открывает сайты, использует приложения и выполняет задачи от начала до конца. В версии 1.0 добавили несколько возможностей.

— Командная работа. Одного бота можно подключить к Slack или Microsoft Teams. Он читает обсуждения, учитывает контекст разных сотрудников и может координировать работу с другими ботами.

— Участие в созвонах. Бот подключается к видеовстречам, отвечает на вопросы в чате, запоминает решения и использует их в дальнейшей работе.

— Проактивность. Следит за проектами, замечает приближающиеся дедлайны, готовит материалы и напоминает о незакрытых задачах.

— Обучение на опыте команды. Запоминает предпочтения сотрудников и принятые решения. Если один человек объяснил боту более эффективный способ работы, эти знания могут использовать остальные.

— Работа с инструментами. Улучшено управление браузером, создание документов и презентаций, интеграции с Gmail, Google Calendar и GitHub.

Например, во время обсуждения рекламной кампании бот может заметить, что новые исследования аудитории противоречат выбранной стратегии, предложить изменить материалы и поручить другому боту обновить презентацию.

При этом агенты учитывают права доступа сотрудников, запрашивают подтверждение чувствительных действий и проверяют, какую информацию разрешено публиковать в общих чатах.

dailyprompts.ru

Google выпустил свой Jev

В основе лежит новая мультимодальная модель Gemini Decision 1, предназначенная для быстрого принятия решений на основе разных типов данных.

Модель обрабатывает до 1000 вопросов одновременно, анализируя текст, изображения, аудио, видео и PDF-файлы.

Например, можно загрузить видеозапись и попросить определить, появился ли в кадре конкретный объект, либо проверить сотни условий по документам и изображениям за один запрос.

Поддерживаются три формата ответов, да или нет, выбор из 2–255 вариантов и оценка по заданной шкале. Для каждого решения модель возвращает вероятность правильности.

По данным Google, полный запрос обрабатывается за 150–250 мс. Контекст до 256 тысяч токенов, стоимость $0,10 за миллион входных токенов, выходные токены не тарифицируются.

На общих тестах Gemini Decision 1 обходится почти в 5 раз дешевле Gemini 3.5 Flash-Lite. Модель уже используется внутри Google для выбора подходящих моделей и проверки безопасности запросов.

API доступен в Google AI Studio, есть бесплатный уровень для тестирования.

dailyprompts.ru

ElevenLabs выпустила Scribe v3, новую модель распознавания речи

Представили две модели для перевода аудио в текст. Scribe v3 обрабатывает готовые записи, а Scribe v3 Live распознаёт речь в реальном времени. Обе поддерживают 102 языка.

По внутренним тестам ElevenLabs, Scribe v3 допускает на 27% меньше ошибок в словах по сравнению с предыдущей версией. При этом на записях с тремя и более участниками количество ошибок в определении говорящего снизилось на 17%.

Scribe v3 Live сократила количество смысловых ошибок на 43%. Модель теперь учитывает контекст всего разговора, а не только паузы. Например, если человек замолчал посреди диктовки номера телефона, голосовой агент не перебьёт его раньше времени.

Добавили библиотеку до 10 тысяч специальных терминов для распознавания названий, медицинской и юридической лексики. Scribe v3 также позволяет редактировать формат расшифровки обычным текстовым запросом, например записывать все даты в определённом формате.

Обе модели уже доступны через ElevenAPI и в приложении ElevenLabs. Scribe v3 Live также интегрирована в ElevenAgents.

dailyprompts.ru