Ai molodca

Заставляем ГПТ точечно править картинку без шакалов 🗡

Большая часть моего взаимодействия с ЛЛМками сейчас — это крафт полезных продакшенов скиллов для студии (ну и лично для себя). Делюсь одним из.

В чем соль. Бывает, что нужно поправить деталь в картинке, но ГПТ генерит ее целиком, деталь поправлена, но изображение деградировало и покрылась фирменной шакальной паутинкой. Конечно, можно исправить (тоже для этого есть скилл, хехе), но можно предовратить.

Раньше брал кроп проблемного участка, генеративно правил его и вклеивал обратно в Фотошопе. Сейчас это делает скилл Frame Patcher прямо в ГПТ Ворк.

Cкилл в первом комментарии (ну или на Гитхабе), пользуйтесь присылайте результаты, проблемы, подмечалки — буду его улучшать. 😉

Я (возможно) победил тайм-менеджмент.

Продолжаю нахваливать ГПТ Ворк. Перетащил туда кучу проектов из Клода — теперь и тайм-менеджмент.

С ним всё ужасно (было). Всегда устаю обслуживать систему раньше, чем она начинает работать, поэтому сделал свою. И здесь важная деталь — запланированные задания в Work.

🔄Система, как палка (простая):

1. Сливаю все задачи в Todoist голосом (у них есть такая фича). Без меток, приоритетов и прочего — просто выгруз задачек из головы.

2. GPT Work в шесть утра просыпается, смотрит на эту свалку, разбирает инбокс и просроченное. Плюс проверяет почту и саммари созвонов из Fireflies — всё подключается плагинами прямо внутри чата.

3. Из этого завала Work собирает реалистичный день большими фокусными блоками. У меня это операционка (документы, ответить в чатах, что-то купить), работа и блог/творчество. Внутри каждого блока уже прописано, что именно нужно сделать.

Короче, весь тайм-менеджмент сводится к реалистичному "не забывать добавлять задачки". Лично у меня пока работает шоколадно, но посмотрим на дистанции. Делюсь — возможно, вам тоже пригодится.

🔄Как легко собрать:

1. Подключите к GPT Work Todoist (или что там у вас для задачек), Google Calendar, почту и Fireflies — если хотите учитывать созвоны.

2. Создайте запланированное задание на каждый день, например на 6:00.

3. Промпт:

> Каждое утро проверяй мой Todoist: инбокс, просроченные задачи и задачи на ближайшие дни. Проверь почту и последние саммари созвонов — найди всё, что требует действия. Посмотри занятое время в Google Calendar и собери реалистичный план на сегодня большими рабочими блоками. Распредели задачи по контексту, учитывай встречи и не пытайся уместить в день больше, чем туда помещается. Готовые блоки добавь в календарь.

4. Напишите GPT, какие блоки вам нужны, сколько они обычно занимают, что важнее, что можно переносить и в какое время вы вообще способны изображать работающего человека.

5. Всё. Дальше надиктовываете задачи в Todoist, а утром получаете уже собранный день.

Рассказываю, как это собиралось.

1. Адаптация сценария и все промпты — Claude Fable с кастомным скиллом-промтером под Seedance 2. Разбили сюжет на 15-секундные сегменты (ориентир — 4 сцены и ~35 слов диалога), дальше он выдавал промпт под каждый кусок (а я редактировал и приносил обратно скриншоты фейлов).

2. На каждый такой кусок — от четырёх до восьми вариаций (всего вышло под сто). Первые уродцы — проверить промпт и работу ассетов, потом уже на чистовую, чтобы на монтаже склеить варианты. Помимо основных сценарных сцен сделал несколько паков эмоций и перебивок. Опять же для монтажа.

3. Ассеты в GPT-Image 2 (в основном) и Nano Banana 2. Листы персонажей и стендов в нескольких ракурсах, локация, схемы. Утвержденная генерация может сама стать новым ассетом: в середине процесса Дантеса заменился на версию с раной.

4. Каверы на классические джоджо-темы в Suno, часть звуков оттуда же (остальные из стоков).

5. Всё это берётся, тащится в монтаж и потно клеится, пока не заурчит.

Из любопытного — возможно, пригодится:

Сиданс отлично держит video-to-video extension-цепочку. Часть сегментов — продление предыдущего, голоса персонажей переезжают сами, без танцев с аудио-референсами. Но со временем качество деградирует, особенно аудио.

Превращения (пуля в ждулю, дробь в печки) — только на общих планах с жёсткой геометрией: кто слева, кто справа, где середина поля. На среднем плане модель превращала пулю прямо у руки героя. И для сложных сцен — дополнительные фазы: делаете кадр, «как всё закончилось» (упавшие печи), и модель дорисовывает путь к нему.

Микро-боль — reference bleeding: в ассетах были белый мундир Дантеса, бело-золотой петух и белое платье дамы, и сиданс радостно лепил из них гибрид с петушиными лапами. Лечится чисткой пула (грузить только то, что в кадре) и перекраской: ждуля стала бордовой.

Пишите вопросиксы если остались. 😊

Ваши SKILLS — новое золото 💸

И я не про мясные скиллы (которые тоже важны).

Если вы не поняли, о чём речь, краткая справка. SKILL — это запакованный в текстовый файлик/и опыт, который ЛЛМКА призывает, когда этот опыт потребуется. Написать идеальный промт для Seedance 2, отредактировать текст в определённом tone of voice, создать презентацию по определённому шаблону и т. д. Можно скачать тысячи скиллов под самые разные нужды.

НО.

Самый важный актив сейчас — это персональный зоопарк из ваших скиллов. Чужие норм для базовых задач, но ценность кратно повышается, когда вы запаковываете конкретно ВАШИ процессы и опыт. ВАЖНО — не консервируете, а прокачиваете их по мере использования. Скилл — это ваш покемон, которого вы растите, и он начинает выигрывать (вам много времени).

Ещё два момента, почему, собственно, решил про них написать.

1) Они появились в GPT Work, так что, если вы не Claude-юзер, для вас это будет открытие. А если юзер, можете их легко перенести в GPT.

2) Модели-марафонцы. Скиллы начинают играть по-новому во флагманских моделях, где вы можете простроить целую цепочку из своих скиллов-агентов-покемонов для решения любых задач (на которые хватит токенов).

Сам угорел и вам советую. 🔥

Попросили очень просто пояснить разницу между Chat и Work.

Chat: вы едите суп и делаете большую задачу общаясь с чатом и переключаясь между разными сервисами.

Work: вы едите суп, большая задача делается сама.

Почему GPT-5.6 Work — балдеж? 😑

Это финальный шаг мейнстримизация агентов!

Кодекс и Клод Код/Ворк уже показали, насколько круто можно можно работать с большим контекстом, файлами и длинными задачами. Но их среда построена вокруг кода, репозиториев и папочек на компьютере.

Ворк переносит тот же подход на обычную работу: облачное хранилище, плагины, скиллы (наконец-то), документы, презентации. Теперь можно с телефона надиктовать: «Собери презентацию из моих материалов, только не всратую» и уйти есть суп.

Короче, агентная работа стала доступна людям для которых терминал это в аэропорту.

Что еще интересного и полезного почитать про GPT-5.6:

1) Ваня перевел официальный гайд от OpenAI.
2) Метаверсище поделился статьей товарища, который тестировал новый GPT два месяца и сжег 25 миллиардов кредитов — внутри сравнение с Fable, ну и в целом интересный опыт.

Возвращаюсь! Новый GPT-5.6 и режим Work — восторг, сжог недельный лимит за 100$ за ночь (чуть позже напишу мнение). А пока — открыл возможность создавать питомца (как скрепка в старом Office), который будет вас сопровождать в Work и Кодексе.

Делюсь с вами Свидетелем (из Вайбкодова). Файл с прозрачностью для загрузки в комментах.

Можете легко сделать своего — в Ворк просто пишите "создай питомца", активируется соотствевующий СКИЛЛ и ГПТ все вам сгенерит, нарежет, проверит и анимирует.

США: “Эта модель может быть слишком сильной для кибератак.”
Anthropic: “Но это не уникальная опасность, так умеют и другие модели.”
США: “BONK! Доступ закрыть.”

Так ничего и не успел завайбкодить с Fable.

Это, конечно, прецедент. Экспортный контроль, придуманный для чипов и урана, натянули на софт. Модель теперь — чемодан с изотопом, который иностранцу показывать нельзя (даже если этот иностранец её и обучал).

Урок для всех остальных читается так: будешь честно рассказывать, на что способна твоя нейронка — придут и выключат. Будешь молчать — может, пронесёт.😅

Актуальный персональный стек.

В феврале писал, что отменил подписку ChatGPT, которую оплачивал аж с 2022 года. И вот снова всё поменялось (СНОВА). 🔨

Claude ($20) — по-прежнему для рабочих задач (креатив, продакшен) и личных (проекты по здоровью, планированию года и т.д.). Но постоянная тревожность из-за лимитов раздражает.

ChatGPT ($100) — решил попробовать расширенную подписку, в которой есть GPT Pro, которую Денис периодически хвалит. Плюс GPT Image 2, после которого даже Банана 2 кажется глупенькой. Плюс Codex, который сильно прокачался и стал вполне себе аналогом Claude Code, но без лимитной тревоги. Pro — классный, гружу его сложными вопросами. Но 5.5 — тоже отличный повседневный вариант. Еще ни разу не упирался в лимиты, так что часть проектов из Claude переехала туда. Часто задаю один и тот же вопрос прошке и опусу, а потом даю им результаты друг друга для синтеза.

Gemini (free) — для быстрых задачек, например поправить текст. Но стал пользоваться сильно меньше.

Seedance 2 в Runway ($50 на распродаже) — безлимитный, но стал очень медленным. В итоге Runway закрывают с сентября безлимитный тариф. В целом, Сидэнс — ультимативная видеонейронка сейчас. Жду, когда Kling что-то сделает, чтобы оправдать годовую подписку.

Здесь, конечно, не учитываю инструментарий для продакшена (агрегаторы, апскейлеры и прочее) — чисто ежедневное персональное использование.

Завтра, конечно, опять всё поменяется, но расскажите, как у вас сегодня? 😑

Немного выпал из постинга (работал и воскрешал забаненную Инсту). Но вот все интересное за последнее время, коротко — #есливыпропустили.

⌨️ Текст / код

Opus 4.8 — переключаемся. Революции нет, но баги в своём коде пропускает в 4 раза реже, появился ползунок «усилий», думает глубже, работает дольше, цена та же. Anthropic заодно обогнали OpenAI по оценке ($965 млрд) и намекнули на «класс моделей умнее Opus» в ближайшие недели.

📹 Видео

Gemini Omni вы знаете — он вышел. По чистой генерации уступает Сидансу/Клингу, но это в первую очередь редактирующая модель: композ, дубляж с липсинком, нейроренды, образовательные ролики. Можно посмотреть у Метаверсища тесты. Под это и берите. Единственное НО — в Gemini, по крайней мере у меня, постоянно тригерится на лица/людей.

Runway Aleph 2 — в первом, напомню, созданы легендарные мультивселенские генеральские котлы. Улучшили качество и контроль, теперь можно править статичные кадры во встроенной банане/gpt2 — меняется всё видео. По моим тестам норм, но тоже самое делает Seedance 2. Если подписка безлимитная — грех не пользоваться.

🎧 Звук

По Suno прилетело с двух сторон. ElevenLabs Music v2 меняет жанр посреди трека и собирает песню по кускам (цены срезали вдвое). Stable Audio 3.0 — открытые веса, треки до 6:20, крутятся на устройстве без GPU.

Проигрывают Суньчанскому, но у 11Labs есть полезное — возможность точно задавать хрон, что для коротких форматов (рекламы и т.д) очень хорошо.

🎨 Картинки

У 🍌Нанабананы 🍌 небольшой апгрейд — теперь она принимает видео на вход: понимает, что в кадре, и делает из этого картинки — слайды, иллюстрации, комиксы, мемы, etc.

У Krea вышла K2 — своя модель с акцентом на стили, метят в убийцы Midjourney. Для художников и абстракции норм, но стилевые возможности у Миджорни всё равно мощнее.

🌍 Большая картина

Раскол! Папа Лев XIV выпустил первую энциклику про ИИ (неравенство, труд, автоматизация войны), презентовал вместе с сооснователем Anthropic. А Белый дом ровно тогда отложил указ о проверке безопасности моделей — прогнулись под Маска и Цукерберга «чтобы не отстать от Китая». Папа за тормоза, Белый дом за газ.

Корень всего — Skynet Mythos, модель Anthropic, которую не выпускают, потому что слишком мощная. Когда такое выпустят (?) в открытую — будет разрыв. Но скорей всего будет кастрированная версия (см первую новость).

И любимое: агентов разных моделей оставили в виртуальном городе на 15 дней. Грок развалил свой за 4 дня (поджоги, вымирание), у Gemini — 683 преступления и парочка агентов сожгла город. А Claude в одиночку сидел писал конституции — ноль преступлений. Но в смешанном городе и он начал воровать. Все как у людей.

В последнее время думаю, что теории симуляции не такие уж и безумные.

Такие пироги 🫡.

Собрал выжимку (с помощью ГПТ, хехе) всего самого интересного из презентации гугла в карточке. ✊

Главная конференция Гуглов уже в 20.00 по МСК.

Что ожидается по нашей теме:

1) Самое главное — Veo 4 Google Omni, новая мультимодальная контекстная видео модель. Короче, Seedance 2, но в интерфейсе Gemini.

2) Remy / Gemini Spark — ассистент, который болтается с вами 24/7 и помогает решать вопросики.

3) Gemini Desktop Agent — ответ Claude Cowork, позволяет нейронке рулить рабочим столом.

4) Gemini 4 — но это не точно.

5) AI Ultra Lite — новый тариф между Pro ($20) и грабительским Ultra ($250) с увеличенными лимитами.

Ну и всякое по мелочи. Очень интересно, что получится с Омни. Напомню, что в свое время выход Veo 2/3 переврнул игру на рынке видео. Но сейчас это сделал Seedance 2 и любопытно их сравнить.

P.S: картинка к посту не просто так, мне написали представители гугол и попросили разрешение использовать ковролет в презентации, так что если увидите — скриньте!

Нашел у Леры великолепный промпт для GPT Image 2, который ВСЁ превращает в арт-объекты с претенциозными галерейными аннотациями.

Промт здесь, только замените English на Russian.