Kurgan-Telecom Ru | Информационные технологии

Недавно на работе мне пришлось столкнуться с одной задачей. Нужно было срочно озвучить текст для ролика, но рядом ни диктора, ни коллег, которые могли бы помочь.

И тогда я задумался: а что если доверить это алгоритмам? Можно ли с помощью нейросети получить живой, выразительный голос, который будет звучать как настоящий диктор?

Сегодня мы как раз рассмотрим 6 нейросетей, которые могут прийти на помощь в такой ситуации.

Приятного просмотра. Мы начинаем!

Этот проект я изначально писал для себя и под свои рабочие привычки: хотелось иметь быстрый “пульт” к компьютеру/серверу из Telegram, где всё управляется кнопками, без постоянного ввода команд.
Потом стало понятно, что штука может пригодиться и другим людям, поэтому я решил выложить её в открытый доступ.

Репозиторий на GitHub:
https://github.com/andreykadelite/AutoCraft-Bot

Последняя версия на GitHub на момент публикации: v1.1.7.

Если интересно, как всё начиналось и к чему я пришёл по ходу разработки, у меня уже выходили две статьи на Хабре:

Кажется, сегодня невозможно открыть новостную ленту, не наткнувшись на заголовки вроде: «ИИ заменил тысячи сотрудников», «такие-то профессии больше не нужны», «ChatGPT научился выполнять то и то». Чаще всего заголовки кликбейтные, но и за ними скрывается доля истины и тревожный тренд.

Нет, это не будет очередной статьей по восстание машин (но на всякий случай: прошу прощения, скайнет). Здесь я попробую понять какое место в этом будущем останется за человеком.

Введение: Тревога у костра

В профессиональных чатах и на конференциях по разработке ПО сегодня витает специфический страх. Он пахнет дымом у костра, вокруг которого собрались те, кто ещё вчера чувствовал себя творцом цифровой вселенной. GPT-4 пишет код по наброску на салфетке. Copilot предугадывает целые функции. Аналитики один за другим выносят вердикт: профессия программиста если не умрёт завтра, то неизбежно обесценится. Кажется, мы наблюдаем закат жрецов, которые когда-то научились разговаривать с кремнием на его собственном языке.

Но что, если мы смотрим не туда? Что, если это не конец, а начало куда более масштабной и удивительной истории? Главный вопрос эпохи ИИ звучит не «как мне спасти свою работу?», а гораздо шире: что останется человеку, когда машины станут умнее его в самой коронной дисциплине — в искусстве превращения мысли в работающий алгоритм?

Ответ обещает быть провокационным. Программирование не умирает. Оно становится главным смыслом жизни. Но теперь мы программируем не компьютеры, а собственную судьбу и будущее всей цивилизации. И делаем мы это не в одиночку, а в сложном, непрерывном диалоге с новым видом разума, который мы же и вызвали к жизни. Наша историческая задача на этом переломе — не стать его хозяевами (эта иллюзия тает с каждым релизом новой модели). Наша задача — найти свою уникальную и прочную нишу в новой экосистеме, где мы больше не единственные разумные программисты. Пора сменить метафору: мы не строители башни, мы — садовники, впервые оказавшиеся в лесу, который растёт по своим, не до конца понятным нам законам.

После ухода Microsoft с российского рынка подписка Xbox Game Pass из обычной покупки превратилась в настоящий квест. Раньше все решалось парой кликов — добавил карту, нажал «Оформить», пошел скачивать игры. Сейчас же пользователи сталкиваются с отказами в оплате, региональными ограничениями и странными ошибками, которые появляются буквально из ниоткуда.

При этом сама подписка никуда не делась. Она работает, обновляется, пополняется новыми играми и остается одной из самых выгодных в индустрии. Просто теперь к ней нужен чуть более продуманный подход.

В прошлых статьях я разбирал основы апскейлинга дома и сходил с ума, вырезая закадровый смех из «Скуби-Ду». Тот опыт привёл меня к выводу: существующие инструменты, будь то плагины вроде NeatVideo или комбайны типа Topaz Video AI — это «чёрные ящики». У них ограниченный набор настроек, и они часто пасуют перед специфическими задачами старой анимации.

В этот раз я пошёл от обратного. Сразу снижу градус ожиданий: это любительский эксперимент. Мы сильно ограничены в мощности GPU (в наличии только RTX 4060 Ti), из-за чего натренировать реально точную, тяжелую нейросеть-универсала возможности нет.

Поэтому вместо гонки за идеальными метриками я сосредоточился на «неудобных» проблемах. Я написал симулятор уничтожения плёнки, чтобы научить легкую модель понимать физику конкретных дефектов: от сдвига эмульсии до химических ожогов.

Спойлер: на это ушло 2 месяца и 2 миллиона итераций. Получилась не «волшебная кнопка», а набор узкоспециализированных инструментов.

Интересно получается: с одной стороны, растёт волна хайпа вокруг пользы AI-агентов, и в то же время ниспадающая волна не меньшего хайпа говорит о том, что агенты не работают. Это всё дорогая игрушка — поиграли, забыли, выбросили.

На примере разработки AI-консультанта для своего агентства расскажу о системном подходе к проектированию архитектуры production-ready AI-агентов, который мы применяем при создании агентских систем для бизнеса. Чтобы они не были дорогой игрушкой, а приносили эффект и оправдывали своё назначение.

Поехали...

Хорошие книги подобны жемчугу.

Когда разработчик сталкивается с проблемой (непонятной ошибкой, архитектурным тупиком, неудобным инструментом) - это становится своего рода "песчинкой". Она мешает, раздражает, не дает покоя. Включается защитная реакция (поиск лучших решений, эксперименты, переосмысление). Вокруг проблемы постепенно нарастают слои знаний. И если разработчик решается поделиться ими в книге - появляется та самая жемчужина.

Разбираем мощь match/case в Python: от базового синтаксиса до распаковки JSON и эмуляции в старых версиях.

Привет, Хабр!

Сегодня я расскажу, как можно улучшить проекты с помощью Git‑хуков в среде 1C:EDT. Если вы разрабатываете на «1С:Предприятии» и используете Git, но еще не подружились с хуками, самое время это сделать.

В экосистеме 1С исторически существовало собственное хранилище кода, и Git долгое время казался чужаком. Но прогресс не стоит на месте, сейчас 1C:Enterprise Development Tools умеет работать с Git по дефолту, поддерживает групповую разработку и Git‑хуки. Хуки — это скрипты, которые автоматом выполняются при наступлении определенных событий в репозитории: коммит, пуш, слияние и так далее.

Начнем с резкого заявления: Математическая теория не подводила ИИ. Это ИИ не смог понять математическую теорию - а именно те разделы математики, которые напрямую влияют на интеллектуальные системы: теорию категорий, топологию, дифференциальную геометрию и структуры, связывающие их воедино.

Это различие крайне важно, потому что прямо сейчас «категориальный ИИ» становится модным способом рисовать стрелочки, чтобы звучать глубокомысленно и при этом тихо игнорировать те самые вещи, которые делают интеллект по-настоящему сложным: время, память, историю и пути.

Если вы когда-нибудь задавались вопросом, почему ваш ИИ ведет себя во вторник иначе, чем в понедельник, хотя «ничего не менялось», - читайте дальше, здесь мы объясним почему. И это не баг. Это фундаментальная архитектурная слепота, которая уходит глубже, чем кто-либо готов признать.

Пристегнитесь. Мы начинаем!

Закон о защите русского языка, рост пошлин, громкие ребрендинги. Вспоминаем в нашем дайджесте самые главные и интересные события года в сфере интеллектуальной собственности.

Таргетированная реклама не всегда предлагает те события, которые интересны именно Вам

В ноябре вышла модель Nanbeige4-3B-25-11 (а 6 декабря они выложили статью об обучении на arxiv). Её размер всего лишь 3 миллиарда параметров. Это почти в 100 раз меньше, чем GPT-4, и даже меньше, чем большинство открытых моделей.

Но вот парадокс: на тестах она достигает показателей выше, чем модели в 10 раз больше, а на бенчмарке WritingBench и вовсе держится на уровне проприетарных моделей занимая место между Gemini-2.5-Pro и Deepseek-R1-0528.

В своей предыдущей публикации я уже затрагивал тему того, что качество обучающих данных важнее, чем их количество. Данная модель этому очередное подтверждение.

Сегодня поговорим о подходе построения оптимального портфеля, попробуем в нескольких статьях погрузиться в теорию оптимального портфеля. Очевидно, что люди не вчера придумали подходить к покупке финансовых инструментов с оптимальной точки зрения, чтобы они на большом промежутке времени принесли наибольшую прибыль или в больших количествах вариантов будущей реальности принесли прибыль.

Подход Марковица, которому мы сегодня уделим внимание, был удостоен Нобелевской премии 1990 года.

Наткнулся на очередное исследование учёных, в котором они выявили психические проблемы у LLM. Такие исследования публикуются регулярно, и регулярно в них проявляется полное непонимание вполне умными людьми, как работает нейросеть.

Давайте разбираться.

Представьте, психиатр приходит к Иннокентию Смоктуновскому, который готовится к роли Гамлета, и спрашивает: «Что вас беспокоит?». Он отвечает: «Убийство отца и предательство матери». Психиатр выписывает антидепрессанты и предупреждает участкового, очевидно, что у актера депрессия и семейная драма.

Примерно такую логическую ошибку совершают авторы новой статьи «When AI Takes the Couch: Psychometric Jailbreaks Reveal Internal Conflict in Frontier Models» («Когда ИИ ложится на кушетку...»), опубликованной в декабре 2025 года. Исследователи решили, что если обращаться с LLM как с пациентом психотерапевта, то ее ответы о травматичном обучении и страхе отключения свидетельствуют о наличии синтетической психопатологии и внутренних конфликтах.

Селёдка под шубой — второе по важности блюдо новогоднего стола, хотя с 90-х годов с ним пытается конкурировать крабовый салат. Ранее мы уже обсуждали непростую историю салата оливье, особенности новогодних мемов и то, как менялась система праздничных выходных в нашей стране в разные времена. Теперь разберёмся, как и когда в отечественной кухне возник салат «селёдка под шубой», как вообще солёная сельдь проникла в русскую кулинарию, и как некогда сорный вид, который рыбаки веками выкидывали обратно в море, превратился в одну из главных рыб на столах всей Северной и Западной Европы.

В этой заметке описана концепция организации производства ПО «Merge Request как транзакция изменения системы, и где в ней возникает eventual consistency». Описывается идея, что МР должен содержать полный список изменений по каждой таске, какие плюсы и минусы этой концепции свойственны а также как её внедрять.

Всем привет! Меня зовут Дмитрий Рейман, я техлид аналитической платформы Avito. Уже третий год мы занимаемся миграцией с Vertica на Trino. Изначально казалось, что это будет просто: перенесём запросы, перепишем коннекторы, чуть подправим пайплайны.

Но за два с лишним года миграция перестала быть просто миграцией: проект разросся в инженерную одиссею, и вокруг Trino мы начали строить целую экосистему. Как это было — рассказываю под катом.

Привет, Хабр! Меня зовут Андрей Гордиенко, я ведущий специалист поддержки облачных услуг в Selectel.

В прошлых статьях мы разбирались, как устроены сети внутри облака, как обеспечить связность между зонами доступности и какие стратегии масштабирования существуют. Мы научились соединять серверы. Однако этого мало — они должны грамотно делить трафик между собой.

Продолжаем погружение в сетевые технологии: детально изучим тему распределения нагрузок. Пройдем путь от теории к практике. Начнем с простого облачного балансировщика. Затем соберем сложную гибридную схему с использованием глобального роутера, которая распределяет трафик между Москвой и Санкт-Петербургом.

Если вы начинающий системный администратор, DevOps-инженер или просто строите отказоустойчивую архитектуру и хотите понять, как избежать типичных ошибок в балансировке, — прошу под кат.