Эти куклы надоели настолько, что я не выдержала: решила сделать свою и поделиться промтом с вами 😂
Как сделать такую же винтажную куклу по своему фото?
1. Нужно зайти в chatGPT.
2. Копируем промт из комментариев и прописываем свои параметры: текст / палитра и тд.
3. Прикрепляем фото, на котором хорошо видно ваше лицо
4. Прикрепляем фото одежды (если хотите одеть куклу по референсу)
В комментариях оставляю идеальный подробнейший промт, который использовала я, и с которым у вас точно получится стильная генерация 💔
*обратите внимание, что в бесплатной версии есть ограничение на генерацию
Обязательно поделитесь своими шедеврами в комментариях 🤌🏼
#ai@mariinavodesign
US: FCC Takes Stand Against AI-Generated Voice Robocalls
Greetings everyone! The Federal Communications Commission (FCC) has issued a new rule that deems AI-generated voices in robocalls illegal.
Under the ruling, state attorneys general gain the authority to take action against scammers utilizing AI voice cloning tools in their calls. The decision clarifies that AI-generated voices fall under the category of "artificial or prerecorded voices" as outlined in the Telephone Consumer Protection Act (TCPA), prohibiting their use in unsolicited robocalls without prior consent.
#FCC#Robocalls#AI
📌Kirish – Tadqiqotning dolzarbligi va maqsadi haqida qisqacha tushuntirish
📌Metodologiya – Tadqiqot qanday ma’lumotlar va usullar asosida bajarilgan
📌SWOT-tahlil natijalari:
🔹Kuchli tomonlar (Strengths) – Raqobatchilardan ustunlik beradigan jihatlar
🔹Zaif tomonlar (Weaknesses) – Ishlab chiqarish, xizmat yoki marketingdagi kamchiliklar
🔹Bozordagi imkoniyatlar (Opportunities) – Yangi mijozlar jalb qilish yoki o‘sish imkoniyatlari
🔹Tahdidlar (Threats) – Bozordagi xavf-xatarlar, raqobatchilar yoki regulyativ muammolar
📌 Xulosa va strategik tavsiyalar – SWOT-tahlil natijasida chiqarilgan eng muhim xulosalar va biznesga tavsiyalar
🎯Deep Research kimlar uchun foydali?
📌Startaplar va biznes egalari – yangi mahsulot chiqarishdan oldin bozor tahlili qilish uchun
📌Marketing mutaxassislari – raqobatchilar va mijozlar segmentatsiyasini yaxshiroq tushunish uchun
📌 Investorlarga – yangi biznesga kirishdan oldin bozor xatarlarini baholash uchun
📌Tadbirkorlar va tadqiqotchilar – bozor haqida chuqur tushunchaga ega bo‘lish uchun
💡Deep Research sizga nima beradi?
✅Bozor haqida chuqur tushuncha – Eng muhim biznes qarorlarini asoslash
✅Raqobatchilarni chuqur tahlil qilish – Bozorda eng kuchli va zaif jihatlarni tushunish
✅Strategik reja ishlab chiqish – Ishni to‘g‘ri yo‘nalishda rivojlantirish
📌Ishonch bilan ayta olamiz – bu vaqtni tejash va samaradorlikni oshirish uchun mukammal vosita!
#Marketing#AI#SWOT#BiznesStrategiya
📡@kunuzai
ByteDance'ning yangi mo''jizasi: OmniHuman-1 texnologiyasi taqdim etildi
🔍Asosiy xususiyatlari:
▫️Har qanday o'lchamdagi portretlarni jonlantirish
▫️Rasmlar va chizmalarga harakat berish
▫️Audio va video orqali harakatni boshqarish
💡Afzalliklari:
▫️Yuqori sifatli animatsiya
▫️Universal qo'llanilish
▫️Real vaqtda jonlantirish
⚡️Muhim: Texnologiyaning ochiq kodi mavjud emas.
🔗 Batafsil: omnihuman-lab.github.io
#AI#ByteDance#Animation#Technology
🌟 FlexTok: адаптивная 1D-токенизация изображений от Apple.
FlexTok - метод токенизации изображений, который преобразует 2D-изображения в упорядоченные 1D-последовательности переменной длины.
Его цель - сократить объем данных, необходимых для обучения генеративных моделей, и при этом оставить достаточную информацию для качественной реконструкции и генерации.
В отличие от традиционных подходов, где число токенов фиксировано и зависит только от размера изображения, FlexTok подстраивается под сложность контента: простейшая сцена может кодироваться несколькими токенами, а сложная - десятками и сотнями .
FlexTok, это по сути, пайплайн из 3 компонентов: ViT‑энкодер, квантование регистров и маскирование внимания:
ViT‑энкодер с набором «регистровых» токенов читает латентные представления VAE‑GAN и конденсирует их в 1D-последовательность до 256 регистров .
Затем, с помощью FSQ‑квантования, каждый регистр дискретизируется в код из заранее определенного словаря размером ~64 000.
На этом этапе применяется "nested dropout": во время обучения случайно обрезаются последние токены, чтобы модель научилась упорядочивать информацию от грубых форм к деталям.
Параллельно применяется авторегрессионная маска внимания: каждый токен в цепочке видит только те, что были до него, и не знает о тех, что идут после. Это заставляет модель генерировать изображения шаг за шагом, от первого токена к последнему, и упрощает ей задачу прогнозирования следующих элементов.
Декодер в FlexTok - это модель rectified flow, которая на вход берет укороченные токены и слегка зашумленные латенты VAE и учится предсказывать тот шум, который нужно убрать, чтобы вернуть исходное представление.
Чтобы обучение шло быстрее и давало более точные результаты, добавляют REPA‑Loss: он сравнивает промежуточные признаки с векторами из DINOv2‑L. Благодаря этому даже при очень жесткой компрессии (от 1 до 256 токенов), FlexTok успешно восстанавливает детали изображения.
FlexTok легко встраивается в текстово‑ориентированные модели и может улучшить соответствие изображения описанию, даже если число токенов меняется. К тому же его адаптивная токенизация применима не только к картинкам, но и к аудио или видео.
▶️Набор токенизаторов:
🟢Flextok_d12_d12_in1k - 12\12 слоев энкодер-декодер, датасет IN1K;
🟢Flextok_d18_d18_in1k - 18\18 слоев энкодер-декодер, датасет IN1K;
🟢Flextok_d18_d28_in1k - 18\28 слоев энкодер-декодер, датасет IN1K;
🟢Flextok_d18_d28_dfm - 18\28 слоев энкодер-декодер, датасет DFN.
▶️VAE:
🟠Flextok_vae_c4 - 4 каналов латента, коэффициент понижающей дискретизации 8;
🟠Flextok_vae_c8 - 8 каналов латента, коэффициент понижающей дискретизации 8;
🟠Flextok_vae_c16 - 16 каналов латента, коэффициент понижающей дискретизации 8.
🟡Страница проекта
🟡Набор на HF
🟡Arxiv
🟡Demo
🖥GitHub
@ai_machinelearning_big_data
#AI#ML#Tokenizer#Flextok#Apple
🌟Theory of Space: умеют ли ИИ-агенты строить карты пространства?
Команда из Stanford, University of Washington и Cornell опубликовала для ICLR 2026 бенчмарк Theory of Space. В исследовании принимали участие звезды индустрии: Ли Фэй-Фэй, Едзин Чой и Ранджей Кришна.
Работа проверяет, способны ли языковые модели самостоятельно исследовать незнакомое пространство и строить его связную карту так же, как это делают люди.
Концепция выстроена по аналогии с Theory of Mind из когнитивной науки.
Если Theory of Mind измеряет, насколько наблюдаемый понимает скрытые психические состояния других, то Theory of Space проверяет способность ИИ-агента моделировать скрытую физическую структуру среды.
Определению подлежали 3 навыка:
🟠построить карту из частичных наблюдений;
🟠обновить ее при изменении обстановки;
🟠использовать для решения пространственных задач определения направлений, локализации объектов и смены перспективы.
Принципиальное требование: все это должно происходить в активном режиме.
Агент стартует в незнакомом пространстве с несколькими комнатами, сам решает, куда двигаться и куда смотреть, и на каждом шаге выгружает JSON с координатами объектов. Оценивается не только финальный ответ, но и качество построенной пространственной модели.
Всего было сгенерировано 2700 вопросов на каждую конфигурацию среды (по 9 задач в 100 сценах) для 6 топовых моделей: GPT-5.2, Gemini 3 Pro, Claude Sonnet 4.5, GLM-4.6V, Qwen3-VL-235B и InternVL 3.5-241B.
Для ориентира: люди набрали 96,4% в визуальной среде и добрались до нужного охвата примерно за 10 шагов.
Результаты
🟡Активное исследование стало слабым звеном.
Когда модель должна сама решать, что исследовать, точность резко падает. Например, GPT-5.2 в визуальной среде теряет 11% (с 57 до 46).
Для сравнения авторы написали скрипт-агентов - детерминированные программы с жестко заданной стратегией обхода: зайти в комнату, сделать полный оборот на 360°, зафиксировать все объекты, перейти в следующую комнату. Никакого интеллекта, только алгоритм.
Такой агент достигает нужного покрытия за 9 шагов; модели тратят 14 и больше и при этом строят менее точную карту.
Авторы зафиксировали показательный факт: когда языковым моделям давали готовую правильную карту, точность на задачах вырастала почти до 95% , то есть с форматом представления все в порядке, проблема именно в процессе построения.
🟡Модели ведут себя по-разному.
GPT-5.2 бросается к каждой новой двери, не дообследовав текущую комнату. Gemini 3 Pro придерживается методичной стратегии "повернуться и осмотреться", напоминающей поведение скрипт-агента. У Claude Sonnet 4.5 четкого паттерна исследования не прослеживается вовсе.
🟡Ревизия убеждений - отдельная проблема.
В эксперименте объекты тайно перемещали после первичного исследования. GPT-5.2 правильно определял новую ориентацию объекта в визуальной среде лишь в 14,3% случаев против 97,9% в текстовой.
Более тревожный показатель - "инерция убеждений": модель видит объект на новом месте, но продолжает держаться за старые координаты из первичного исследования, как будто новая информация не пробивается сквозь уже сформированную картину мира. У GPT-5.2 это происходило в 68,9% случаев.
🟡Разрыв между текстом и картинкой огромен.
Ориентация объектов в визуальной среде определяется правильно в 20-32% случаев против 91-92% в текстовой. Значительная часть провалов - не провал пространственного мышления как такового, а проблема восприятия изображений на входе.
Вывод исследования
Модели умеют рассуждать о пространстве, когда им дают готовую картину. Но самостоятельно добывать нужную информацию, эффективно перемещаться и при этом удерживать целостную карту в памяти - пока нет. Это разные задачи, и тут ИИ проигрывает даже примитивному алгоритму.
🟡Страница проекта
🟡Статья
🟡Датасет
🖥GitHub
@ai_machinelearning_big_data
#AI#ML#LLM#TheoryOfSpace#ICML2026