TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #129 · 2.01
Твиттер — самая странная соцсеть. Начнем с того, что там никто не зарабатывает. Я ни разу не слышал, чтобы в твиттере кто-то получал доход от своего десятитысячного аккаунта. Хотя раскрутить такой аккаунт не проще, чем Ютуб до миллиона, а с него уже люди вполне себе живут и на работу не ходят. Но главное не это. Там очень своеобразная аудитория. Я имею ввиду тех, кто пишет очень часто, и вообще ведёт регулярную онлайн социальную активность именно в Твиттере. Так вот, там ярко выражена квинтэссенция либерально-молодёжной повестки: люди в депрессиях и на терапиях, с прогрессивными, но не работающими отношениями, с тревожностью и неуверенностью в себе, с видимой эмоциональной нестабильностью и ранимостью, незрелые адепты инфантильных идеологий. Читаешь как "Килл Ми Плиз", очень полезно — собственные проблемы кажутся незначительными. С другой стороны, именно эта аудитория в таком её состоянии производит самые смешные шутки, и вообще создает один из наиболее интеллектуальных и остроумных русскоязычных источников контента. А ещё там прям много пишут текстов, даже длинные рассказы оформляют "тредами" — цепочками ответов на собственные твиты. Во всём остальном интернете тексты убили дети, а в Твиттере тексты живут милостью невыросших взрослых. Достаточно умных, чтобы писать клёво, но недостаточно мудрых, чтобы разобраться со своей жизнью. Не знаю, как в англоязычном мире (кажется, не так), но в Рунете Твиттер это совершенно уникальное явление. #web
Hashtags
Търсене: #text2video
@phygitalcreative · Post #3157 · 29.06.2023 г., 13:26
Rerender a video теперь можно запустить в колабе. Работает пока не очень, можно ожидать что в официальном релизе будет лучше. Много красивых примеров на официальной страничке colab @тоже_моушн #text2video#video2video
Hashtags
@semasci · Post #1081 · 24.04.2025 г., 10:37
Wan стал условно бесплатным Китайская модель для генерации картинок и видео Wan.Video стала условно бесплатной. Теперь сама генерация бесплатна, а кредиты (которые, как и раньше, дают немного бесплатно) тратятся на приоритезацию в очереди. Т.е. плата только за время выдачи результата. Соответственно, если можете подождать, то бесплатно). Качество генерации вполне на высоте, как картинки, так и видео. Можно подкладывать свой аватар (лицо), на примере: Educational Content with a Cozy Cafe Ambiance: A young man, dressed in a stylish dark polo shirt, stands against a warm, wooden cafe backdrop. His short, neatly-groomed hair frames his face as he passionately discusses recent advancements in neural networks. Holding a smoking ceramic cup of cappuccino, his eyes meet the camera with engaging confidence. The ambient lighting from table lamps softly illuminates his features, enhancing the intimate educational atmosphere. In the background, cozy cafe tables and a hint of bustling activity create a lively yet focused setting. The camera smoothly moves in for a mid-shot, capturing the essence of trustworthy knowledge-sharing. А главное, доступен в России без VPN, общаться можно на русском. Из минусов: 1. Время ожидания в очереди не указывает, невозможно понять, секунды остались до выдачи или часы. Это прям огромный минус, надеюсь скоро исправят. 2. Текст на картинке пытается выдать на китайском. Тут просто это надо знать, тем более не многие модели вообще могут нормально текст на картинке сделать, и особенно на русском. https://t.me/semasci #wan#text2image#text2video#image2video
@githubtrending · Post #14988 · 23.07.2025 г., 00:00
#python#deep_learning#diffusion#flax#flux#hacktoberfest#image_generation#image2image#image2video#jax#latent_diffusion_models#pytorch#score_based_generative_modeling#stable_diffusion#stable_diffusion_diffusers#text2image#text2video#video2video The Hugging Face Diffusers library is a powerful and easy-to-use tool for generating images, audio, and 3D molecular structures using advanced diffusion models. It offers ready-to-use pretrained models and flexible components like pipelines, schedulers, and model building blocks, allowing you to quickly create or customize your own diffusion-based projects. Installation is simple via pip or conda, and you can generate high-quality outputs with just a few lines of code. This library benefits you by making cutting-edge AI generation accessible, customizable, and efficient, whether you want to run models or train your own[1][2][5]. https://github.com/huggingface/diffusers