TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #258 · 16.03
Вчера была новость о желании Яндекса продать «Новости» и «Дзен», и о том, что на них претендует VK. Про новости говорить нечего, с ними всё более менее понятно. Куда интереснее Дзен. Изначально он создавался с благой целью — дать Рунету недостающую площадку для длинных текстов и авторских статей. Но, как это нередко бывает, его сгубила жадность. Трэш и мусор давали лучшие метрики и лучшие доходы с рекламы. Из-за этого и на самом Дзене появилась рекомендация «Пишите как можно чаще» и читатель там установился соответствующий. С невероятной скоростью Дзен превратился в помойку из неадаптированных ссылок на внешние сайты вперемешку со статьями в духе «Десять самых крутых супергероев марвел» в разделе про кино. Содержание и форма соответствующие: неграмотные тексты от школьников, бестолковые бессодержательные комментарии от домохозяек. Его, конечно, пытались из этого болота вытянуть, а сейчас вообще стали превращать в русскую альтернативу Ютубу, но, кажется, то ли слишком поздно, то ли никаких ресурсов уже не хватает. Непонятно только, что с ним будет делать VK. Собственную текстовую платформу VK убивает уже не первый год. Даже если не брать в расчёт общую негативную репутацию соцсети — алгоритмическая лента, которая скорее вам покажет мем с котиком, чем хорошую статью, не оставляет авторам здесь особого пространства для развития. Ну и какие-нибудь совершенно дебильные «Клипы» для не слишком развитых детей делают персональной кнопкой на главном экране приложения, а тексты и статьи не делают — акцент площадки вполне ясен. Моя гипотеза: VK окончательно добьёт текстовую часть Дзена, сделав её UI/UX ещё более невыносимым, чем сейчас. И на этих костях построит себе свой Ютуб. Возможно даже в будущем этот видеодзен заменит встроенный раздел с видео тут. И может даже Клипы схлопнут с дзеновским аналогом коротких видео. #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