🎬 Как все делают эти ИИшные видео?
Даже жаль, что у меня нет времени запускать свой курс — придется отдать вам все бесплатно. Напишите своему агенту:
`Установи скилл github.com/tonyprots/motion-film-skill`
После этого он сможет любой материал (будь то отчет по работе, исследование, сайт продукта или пост для соцсетей) превратить в стильный видеоролик.
Сценарий, озвучку и монтаж он сделает сам. От вас — утвердить этот сценарий, сказать «поехали» и отсмотреть результат. Модели можно подключить свои (если захотите и какие захотите).
Генерит и 16:9 для презентаций, и 9:16 для рилсов и шортсов. Ролик на две с половиной минуты на M1 собирается за 10 минут (хотя вычитывать его перед сборкой может часами, чтобы качество было топовым). Править можно по кусочкам (это все код), без сюрпризов в соседних кадрах, как при перегенерации нейровидео.
Если скилл пригодится и вам, поддержите его звездочкой на GitHub, мне будет приятно. И кидайте в комментарии примеры ваших генераций.
Больших сил ребятам.
В ночь с 7 на 8 октября дата-центр Яндекса в Сасово был серьезно повреждён из-за атаки БПЛА. Его работа полностью остановлена. Сегодня утром произошла атака на ещё один наш дата-центр, в Калуге. Часть инфраструктуры вышла из строя. Ни в Сасово, ни в Калуге сотрудники не пострадали. Сейчас на месте работают экстренные службы и наши специалисты.
Дата-центры — «железное сердце» Яндекса. Их работоспособность критична для сервисов, которые стали частью повседневной жизни людей. Миллионы пользователей проверяют пробки и строят маршруты, слушают музыку, смотрят кино, заказывают продукты и получают ответы на вопросы. Наши технологии помогают вести бизнес сотням тысяч компаний: принимать заказы, обслуживать клиентов, взаимодействовать с партнёрами.
Мы понимаем, что для наших пользователей, клиентов и партнёров каждый сбой — это нарушенные планы и невозможность сделать то, что было частью повседневной жизни или работы.
Команды Яндекса ночью и днём делают всё возможное, чтобы обеспечить работу сервисов и помочь тем, кого затронул инцидент. Сейчас это наша самая важная задача, но, к сожалению, она непростая.
Спасибо нашим сотрудникам — тем, кто находится на площадках, и тем, кто продолжает работать над восстановлением сервисов. Спасибо партнёрам за терпение и сотрудничество, а пользователям — за понимание.
Мы продолжаем оценивать состояние инфраструктуры — пока назвать сроки восстановления работы оборудования в дата-центрах очень сложно. Будем рассказывать о ситуации по мере появления информации.
Команда Яндекса ❤️
🔉 Делюсь своим самым используемым скиллом
90% правок нейросети я даю голосом. За две минуты так объясняешь больше, чем успел бы набрать за десять. Но Whisper, самая ходовая модель в приложениях для диктовки вроде Handy, с русским справляется так себе (я делал замеры на больших датасетах), а на рабочем сленге и названиях продуктов спотыкается любая модель.
Поэтому я собрал скилл transcriber, и теперь через него проходит каждая моя диктовка, интервью и созвон.
Что он умеет:
— Действительно качественно распознавать русскую речь и проверять сам себя.
Основная модель — GigaAM от Сбера, а не Whisper: она ошибается в 2,3 раза реже.
Вторая модель другой архитектуры независимо слушает ту же запись и формирует список правок для починки.
Все это работает и для английского — со своей парой моделей, тоже проверенной замерами.
— Не терять названия и корпоративные термины.
Словарь терминов собирается сам из расхождений моделей, мне остаётся изредка подтвердить написание.
— Превращать видео и подкасты в текст.
YouTube, VK Видео, Rutube, выпуски подкастов Яндекс Музыки, хоть плейлисты целиком. Это полноценная расшифровка, а не пересказ автосубтитров. Если для конкретного видео точность не так важна, скилл за секунды возьмёт и готовые субтитры с YouTube.
— Подхватывать диктовки из Handy.
Да, все настолько круто! Фоновый агент сам прогоняет каждую запись длиннее 20 секунд и кладёт текст в буфер обмена, улучшая Handy автоматом.
— Работать локально.
Запись никогда не уходит в облако: модели один раз скачиваются и дальше обрабатывают все на вашем компьютере. Важно для работы с NDA.
Установить просто — напишите своему агенту:
`Установи скилл github.com/tonyprots/transcriber-skill.`
Если скилл поможет и вам, поддержите его звёздочкой на Github, мне будет приятно.
P.S. А видео выше собрано другим моим скиллом — о нем расскажу в следующий раз :)
Кто главный конкурент Алисы и причем тут оркестрация?
Рынок потребительского ИИ в России довольно причудлив. Есть ChatGPT и Claude — где-то на последних местах по использованию, потому что доступны только «просвещенному меньшинству». Есть огромный Deepseek, попавший в руки, кажется, к каждому школьнику и студенту. Есть Алиса, в прошлом году с ним активно сражавшаяся, а затем — победившая и закрепившаяся на первом месте, аж с 40 миллионами пользователей в неделю.
Но главный конкурент Алисы теперь, как ни странно, Google с AI-Mode. Тот самый, который без рекламы, доступен из любого Google-приложения и буквально вшит тебе в Android. Я не воспринимал его всерьез, пока однажды на собеседовании кандидат не спросил меня: «можно я поищу контекст для ответа на вопрос с помощью ИИ?» Я разрешил, и он даже поделился экраном, чтобы я видел промпт. Запрос был в Google в AI-Mode, и это было настолько контринтуитивно, что помню свое удивление до сих пор.
Валера Стромов в интервью Форбсу описывал (кроме факта про Google), какие сложности встречаются на пути этой конкуренции — и главная, конечно, где на все найти железо. На многих задачах разницу между моделями разного класса невозможно заметить — но на сложных запросах она сильно режет глаз. Поэтому основной задачей становится оркестрация — выбор модели подешевле там, где результат работы будет таким же (например, на вопросе «сколько сейчас времени во Владивостоке»).
(такой же логики придерживаюсь я и для рабочих задач — запуская рой агентов подешевле для более простых задач, а синтез и присмотр за ними доверяя самым мощным моделям — но про это как-нибудь отдельно)
Хочешь победить последние модели Дипсика, но не готов давать всем самые мощные модели безлимитно, потому что в моменте не сможешь это окупить и даже просто обеспечить мощностями — надо учиться балансировать между моделями разной стоимости.
И тут вступает в дело вторая большая сложность — интерфейсы.
Когда я сам проектировал интерфейс для ассистента, всплывашка выбора модели доставляла сильную боль — это просто очень плохое продуктовое решение, заставлять юзера думать, какую модель взять (Sol или Luna лишь немного лучше старого выбора между какой-нибудь o1 и o3 mini).
И на днях у Яндекса наконец появился режим «Авто» для выбора модели под капотом — а это значит, что у большего числа пользователей на сложных запросах автоматически будет выбираться модель, способная на агентские рассуждения. Забавно, что это происходит за пару дней до еще более важной новости в мире упрощений — сегодняшнего объединения Claude и Claude Cowork. Я искренне верю, что с развитием оркестраторов и снижением стоимости инференса и Claude, и Claude Cowork, и Claude Code будут с одной точкой входа — а пока ребятам приходится разводить пользователей по разным вкладкам, а внутри — по разным моделям, а внутри — по разной мощности, а внутри — по разной скорости, а внутри...
А внутри побеждает тот, кто выбор уносит внутрь, и дает пользователю возможность просто не запариваться над выбором. Строите системы не для гиков — старайтесь «автовыбрать» как можно больше всего. Такие дела.