Ух какая жесть, показывающая затянувшееся отсутствие централизованного управления у VK. Потому что весь отдел продвижения и взаимоотношений с аудиторией на этом месте нужно увольнять.
Присутствие знаменитостей и лидеров мнений — одна из важнейших ценностей любой публичной площадки. Во-первых, потому что это повышает уровень доверия у простых людей. Во-вторых, потому что лидеры мнений приводят за собой толпы фанатов.
У VK с этим в основном было плохо. Когда-то всё держалось на Дурове, который сам по себе притягивал аудиторию. Но всё равно писатели и журналисты тусовались в Фейсбуке, актёры и музыканты — в Инстаграме. Даже предельно пророссийские люди вроде Сергея Лукьяненко и Тёмы Лебедева после смерти ЖЖ ушли в американский Фейсбук, который во всём без исключения омерзителен, кроме ровно одной черты — ауры московского снобизма, притягивавшей туда элиты.
Но сейчас, когда оговнение Фейсбука достигло терминального состояния, приведя к блокировкам, для VK наступила золотая лихорадка — знай себе лови авторов. В некоторых ситуациях даже что-то попытались — вот Лебедева к себе перетащили, хотя хвалит он VK очень неубедительно, Инсту свою рекламирует до сих пор, а вместо ведения паблика его редакторы просто копипастят древние записи. В некоторых ситуациях, наоборот, проявили удивительную небрежность — почему российский политик Медведев ведёт текстовый блог в де-факто иностранном Телеграме, а не в VK?
Но вот с этими верификациями это просто стыд и позор. В комментариях другой известный русский писатель — Алексей Пехов — тоже указывает на аналогичную проблему.
Ладно, допустим в VK нет достаточно разумного топа, который настучит по голове тем, кто систематически пытается искусственно поднять счётчики у мертворождённых историй. Но хотя бы для реальных знаменитостей могли бы сделать исключение.
#web
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
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
#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