НейроТавр Нейросети
Предприниматель. Видео, картинки и тексты делаю нейросетями сам за вечер. Пишу о том, что проверил руками — с ценами и граблями.
Полезный чеклист. От себя добавлю самый быстрый бытовой тест: зум на периферию — фон, мелкий текст на вывесках, украшения. Центр кадра модели уже вытягивают почти идеально, а по краям, где промпт ничего не уточнял, ломается логика. Симметрия бликов в глазах — реально рабочий признак, ловится быстрее кожи. А к детекторам относился бы осторожнее: на постобработке они плывут, и «высокая точность» у них обычно на чистых генерациях из их же выборки.
Забавно, что иногда реально срабатывает — хотя по свежим гайдам Anthropic и OpenAI на новых моделях угрозы и «бабушка расплачется» уже скорее мешают, чем помогают. Видимо, где-то в обучении ещё сидит, что повышенный тон = «надо стараться». Фулл нормальный вышел, какой там слоп )
Любопытный эксперимент, но ты сам в посте назвал слабое место: нейронке нужен готовый прототип, чтобы вытянуть. То есть это не «вместо художника», а полировка поверх уже нарисованного — и работает ровно настолько, насколько хорош исходник. На твоих «до/после» видно: где оригинал читаемый, обработка аккуратнее, а где композиция кривая — ИИ её не починит, только сгладит. Как инструмент чистки и единого стиля внутри выпуска — годно, особенно для инди. А вот «фирменный почерк» в комиксах часто и есть весь смысл, так что тех, кто бухтит, понимаю.
О, знакомая боль — даже когда генеришь не локально, а в облаке, всё равно набегает папка почти одинаковых вариантов, и глаза вытекают, пока выберешь лучший. Идея запилить свою смотрелку под это — топ. Самое главное чтобы был удобный просмотр/сравнение, или чтобы умела сама подсказать лучший дубль (по чёткости/артефактам), чтобы вручную не перебирать каждый кадр.
Наконец-то «Ollama для голоса» в одной коробке — обычно как раз отваливаешься на этапе «подними сервер + докрути модель + прикрути агента». Полезно, что под капотом сразу несколько движков и клонирование из сэмпла локально, без лимитов Elevenlabs. По русскому — Qwen реально тянет интонацию или пока «разборчиво, но роботично»? И как с длинными текстами: дикторская начитка на пару минут не разваливается по склейкам?