Dreams come true!

С помощью AI сгенерировали эффект полёта во сне. Смотришь видео и прям ощущаешь как паришь. Блин, ну реально же во снах такой эффект.

Есть у вас такое ощущение при просмотре? В VR хочу такое посмотреть 😍

ИИволюция

Раньше жена говорила: "Купи мне Dyson".

Скоро робот: "Купи мне Dyson, иначе я не смогу убирать каждый день ваш срач в квартире" напевая песню Фредди Меркьюри "I want to break free".

ИИволюция

OpenAI представила новое поколение аудио-моделей: точнее Whisper 3 и с эмоциями!

Теперь любой разработчик может использовать мощнейшие голосовые модели прямо в API:

Speech-to-Text (доступна в API):

- Новые модели GPT-4o-transcribe и GPT-4o-mini-transcribe значительно превзошли по точности Whisper v3 и другие популярные решения.
- Они показывают лучший результат (более низкий WER) даже при сложных условиях: шумном фоне, акцентах или быстрой речи.
- Идеально подходят для колл-центров, расшифровок встреч и подкастов.

Text-to-Speech (доступна в API):

- Новая модель GPT-4o-mini-tts умеет не просто озвучивать текст, но и выражать эмоции и интонации по вашей инструкции.
- Например, можно попросить модель говорить «как сочувствующий оператор поддержки», профессиональный диктор или даже рассказчик историй.
- Голосовой AI становится максимально естественным и персонализированным.
- Whisper 3 был хорош, но OpenAI подняла планку ещё выше: новые модели дают точность и гибкость, которых раньше не было.

Официальная новость: https://openai.com/index/introducing-our-next-generation-audio-models/

Послушать разные варианты озвучки можно на этой площадке: www.openai.fm

Пора пробовать в проектах!

ИИволюция

Anthropic выкатил web поиск в Claude.

На-ко-не-ц-то!

Но есть но, доступен пока только в США и по подписочке. В остальном, медленно, но верно нагоняет остальных игроков на рынке.

После выхода новости, на всех площадках самый главный вопрос вайберов: “А будет ли web search работать в Cursor и когда?” 😆

UPD: говорят, что в Cursor уже завезли!

ИИволюция

Разработчики до появления ИИ: тратили 10 часов, чтобы автоматизировать задачу, которую вручную можно сделать за 1 час.

После появления ИИ: 10 минут «вайб-кодинга», чтобы автоматизировать задачу на 1 минуту.

Когда уже вайб-разработка с AI достигнет уровня как на фото, но с одной кнопкой “Да”? 💀

ИИволюция

Частная школа в Техасе внедрила AI-тьюторов, и результаты учеников взлетели до топ-2% по стране!

– В школе Alpha в Остине дети проводят два часа в день с AI, который помогает им учиться в индивидуальном темпе.
– Остальное время они посвящают развитию навыков вроде ораторского искусства, финансовой грамотности и командной работы.
– Сооснователь школы Маккензи Прайс говорит, что благодаря персонализированному подходу ученики учатся быстрее и лучше.
– Сейчас в Alpha обучаются сотни детей, и модель расширяется по США.

AI не заменяет учителей, а освобождает их для более глубокой работы с детьми — вот в чем магия!

Хочется в ближайшие 2 года увидеть больше таких кейсов.

Почитать новости: тут и тут.

ИИволюция

Ржу не могу!

У одного вайбера, Cursor попытался заменить в коде модель с gpt-4 на 3.7-sonnet, хотя в его запросе вообще ничего связанного с этим не было.

Cursor явно не фанат OpenAI и подыгрывается Anthropic 💀

ИИволюция

Общий сбор, OpenAI стрим запланировала

Судя по фото, вероятно завезут нативную генерацию изображений в gpt-4o

ИИволюция

Наконец-то завезли настоящую омнимодальность в GPT-4o!

Теперь изображения генерируются самой моделью 4o, а не проксируются через DALL-E "под капотом", как раньше. Всё, как и обещали в 2024, но теперь оно реально работает.

Что появилось:
– Генерация изображения по промпту, с учётом всех нюансов (цвета, стиль, размер, композиция, до 10–20 объектов в сцене).
– Отлично рендерит текст внутри изображений — можно делать меню, постеры, мемы, обложки и всё такое.
– Поддерживает пошаговое улучшение — можно уточнять запрос и получать новые итерации.
– Умеет удалять фон, менять стиль, добавлять/убирать объекты — почти как текстовый Photoshop.
– Можно загружать свои картинки и дорабатывать их — всё происходит в контексте чата, модель “помнит”, что ты делал до этого.

Немного деталей:
GPT-4o обучалась на совместном распределении изображений и текста — то есть она понимает не только, как описывать картинки, но и как визуальные элементы связаны друг с другом. Это даёт ей эффект визуальной беглости — модель осмысленно работает с символами, схемами, композициями.

Плюс, OpenAI закатили агрессивный посттренинг, чтобы повысить точность и связность. В итоге: 4o понимает, что рисует, не путается в деталях и может использовать свои знания для генерации полезных визуальных материалов, а не только «красивых картинок».

Не всё конечно идеально:
– Медленно — до минуты на одну генерацию (но оно того стоит).
– Фотореализма как у Midjourney пока нет, в демо всё было скорее стилизованным.
– Сложно даются мелкие надписи, графики и тексты на не-латинице — могут быть косяки.

Доступ:
– Уже доступно всем в ChatGPT — Plus, Pro, Team, даже Free.
– В API обещают завезти на следующей неделе.
– Генерация по умолчанию включена, ничего настраивать не нужно.
– DALL-E по-прежнему доступен через отдельный GPT, если прям хочется (но я не понял где это искать или видимо нужно просить в запросе использовать DALL-E)

В сети уже огромное кол-во примеров с генерацией, поэтому не буду ничего постить, пробуйте сами (увлекательное занятие).

Официальная новость с кучей примеров: https://openai.com/index/introducing-4o-image-generation/

ИИволюция