Psy Eyes

Риме, убегающим от мамонтов, пиратящим корабли, итд. И тогда всё, что у тебя было на выходе это картинка. В 2026 народ уже пилит целые влоги с собой или AI-персонажами, путешествуя сквозь время и латентное пространство с высокой консистентностью и липсинком...

лор прокачиваются всё сильнее. Конкретно интерфейс ACE-Step UI под копирку "вдохновлён" Suno с его выбором моделей, загрузкой референс трека, режимом кавера, настройкой голоса, bpm, и лирики (даже улучшайзер можно подрубить), но обладает всеми крутилками опенсорса, которые тут на удивление органично вписаны. И помимо ожидаемых рулек параметров вроде настройки длительности, количества треков, шагов, и прочего, тут есть и экзотичные: выбор метода инференса, llm для обработки лирики, режим Thinking, и даже аудио-инпейнт для замены части композиции генерацией. А что ещё круче, в опциях каждого трека...

И у меня сразу дежавю, ибо они выпустили модель с таким же названием в прошлом году только без пробела в названии. Выяснилось, что ElevenMusic это одновременно и стриминг как Spotify для поиска новых артистов и прослушивания музыки, и генератор треков как Suno или Udio. Пока на платформе всего 4000 отобранных музыкантов и найти что-то по душе скорее всего будет проблематично. А вот с генерацией интереснее: платформа будет делиться доходом с авторами оригинальных генераций, а также ремиксов, сгенерированных на основе треков других авторов. Месяцем ранее они выкатили маркетплейс для треков. Стандартная...

Можно загрузить видео, вытащить звуковую дорожку через кнопку Detach, выбрать перевод на множество языков (включая русский), послушать превью, и, если всё ок, — получить это же видео с дубляжом на другом языке и липсинком. На аккаунт даётся 3 халявные попытки в месяц, пробуем. Меня удивило, что в тестовом видео с Анькой в начале произносится только половина имени — Кейдж вместо Николас Кейдж, — но нейронка сообразила и не перевела Кейдж как "клетка". С другой стороны она и Николас не должна была добавлять, ибо это не произносится, но мне здесь это показалось уместным для полноты контекста. Липсинк хорош, почти не косячит...

Выдаёт до 1080p со звуком в разных форматах кадра и с максимальной длительностью 15 сек. Промты поддерживают мультишот режим. На одно видео уходит 1-5 минут. Есть режимы: text-2-video, image-2-video, reference-2-video, и video editing. Причём похоже в отличие от Seedance 2 с лицами работать проще, см. пример с Мэтом Воркманом из Cinematography Database. Первые два режима уже можно пощупать на Fal. Они же уже наваяли гайд по промтингу. Качество видео на выходе годное, однако на примере с человеком, читающим книгу видно смазывание кадра в динамике, а текст книги нечитабелен. В Seedance 2 такое...

Теперь Comfy добавили два воркфлоу для генерации в Seedance 2 видео с лицами людей. Один ворк это reference-2-video, где в виде рефа подаётся изображение или видео, а второй ворк для генерации по двум ключевым кадрам. Закинутые в инпут картинки/видео с человеком сначала должны пройти верификацию: ты добавляешь в ворк изображение/видео с целевым лицом —> проходишь по сгенерированной ссылке на прохождение liveness верификации через облако ByteDance —> получаешь Group ID на персонажа и Asset ID на конкретную картинку/видео —> и дальше их используешь как рефы на основе которых можно генерить...

Есть воркфлоу для локального запуска и апка на Comfy Cloud. С фильмом Хакеры я даже по бырику чекнул не выдают ли нам кроп за оригинал. И действительно аутпейнт работает. Хаггинг Воркфлоу

19. Есть три шаблона: * Text-2-video: для генерации только по тексту * Reference-2-video (r2v): в качестве рефов можно подавать пачку картинок (в ворке 4, но по идее можно до 12) * FLF: генерация по 2 кадрам r2v здесь похоже использует только картинки, в то время как оригинальный omnireference на сайте Dreamina даёт вкидывать до 12 рефов в виде картинок, видео, и аудио. Может с апдейтами расширят функционал. Для глобального релиза модель пошла по кругу со всех сторон прошла цензуру и по умолчанию с лицами людей будет противиться что-либо генерить. Однако голь на выдумки сильна и способы обойти ограничения есть...

И выглядит это словно Хуанг познал дзен и прикрутил под капот лоры на реализм и апскейлеры. С резиком мало фрагментов с DLSS 5, чтобы оценить стабильность и качество фреймгена (хотя тут скорее нейрорендер). По остальным примерам ощущение, что всё какое-то пересвеченное, и в целом арт-дирекшн разработчиков теряется. Как буд-то DLSS 5 подталкивает игру перешагнуть зловещую долину, а она к этому не готова и ей лучше остаться такой с какими текстурами, освещением и прочим её задумывали...

выдержанным стилем MTV той эпохи. Сразу перед глазами TOP-чарт, чудаки, бесконечный просмотр клипов, экстрим, музновости и интервью, лайвы с концертов, звёздные бои насмерть, рестлинг, итд. Приколол Дюк Нюкем наоборот и другая безумная реклама и шоу. Понравилась тема с заменой виджеев на животных. Снимает часть барьеров с восприятия и выглядит свежо в знакомом антураже. Плюс они все разные, каждый в одежде со своим стилем, яркие, и ты даже по нескольким секундам чувствуешь, что они настоящие и у них есть характер. Они живут даже, когда видео закончилось. Моя любимая часть экстрим спорт Wild Zone и следующий за этим скейтборд клип Primal Animal...

Отличие от предшественника в наличии KV-кэша для ускорения мульти-референс редактирования. Он кэширует данные из рефов во время первого этапа денойза, и хранит их у себя вместо того, чтобы получать их каждый раз заново, тем самым устраняя избыточные вычисления в последующих шагах, что даёт ускорение в ~2,5 раза. При этом KV модель заточена генерить в 4 шага. На 4090 выдаёт картинку 832х1248 за 1 сек (3,28 ит/сек), хотя на первый запуск будет больше времени ибо идёт кэширование...