Kurgan-Telecom Ru | Информационные технологии

Новая видеомодель Google Veo Omni Flash 1.2 заняла 4-е место в моём тесте «текст в видео». В октябре я дал 12 видеомоделям один промпт про уличного повара с лапшой и поставил каждой оценку от 1 до 10. У Omni Flash 1.2 получилось 8,5, а у прошлой версии, Veo Omni Flash 1.1, было 7 и 6-е место. Ролик у обеих стоит 21 токен.

Во втором моём тесте, «оживление кадра», модели получали три готовых кадра (портрет, стройку и банку) и оживляли их, а я считал итог из 100. Здесь Omni Flash 1.2 набрала 76,2, почти столько же, сколько Omni Flash 1.1. Оба теста я повторил для Omni Flash 1.2 на тех же промптах и кадрах и добавил три сцены на референсы. Ссылки на оба рейтинга внизу.

Ролик теперь длится до 15 секунд, а в SYNTX.AI в режим референсов можно загрузить до 7 картинок. Держит она их по-разному: в рекламе линейки из 6 упаковок удержала 4, а в ролике про зал с 7 тренерами у 3 сбились детали: волосы, татуировка, положение в кадре. С физикой пока не всё гладко: капли на банке стоят на месте, а боксёрская груша качается, хотя по ней никто не бьёт. Для черновика сцены по тексту за те же 21 токен у Omni Flash 1.2 оценка выше, чем у прошлой версии. А рекламу с жидкостью и линейку упаковок я бы проверял по кадрам: здесь модель ошибается заметнее, чем обещает Google.

Технология Retrieval-Augmented Generation (RAG), или генерация с поиском по источникам, позволяет ассистенту опираться не только на знания, полученные при обучении, но и на корпоративные документы. Она помогает находить в базе знаний фрагменты, подходящие к вопросу, и передавать их модели для подготовки ответа.

19 ноября в 11:00 на вебинаре VK AI Space разберем, как собрать ассистента с RAG и проверить его ответы. Дмитрий Багрий, менеджер продукта VK Tech, расскажет:

Привет, Хабр!

Мы занимаемся разработкой инструментов для управления ИТ-инфраструктурой и сегодня представляем наш новый продукт — cscan. Это сетевой сканер и инструмент для безагентской инвентаризации, который является частью экосистемы программы для инвентаризации компьютеров Severcart.

Мы выпускаем версию 0.1 как Freeware, чтобы предоставить специалистам удобный и лёгкий инструмент для решения конкретных задач учёта оборудования.

Для ровной дикторской начитки локальных TTS-моделей сегодня хватает с запасом: подаёшь на вход чистый образец голоса, расставляешь ударения — и получаешь разборчивую озвучку для лекции, технической заметки или видеоинструкции.

Сложности начинаются, когда нужна не дикторская читка, а актёрская игра с широким эмоциональным диапазоном — чтобы внутри одного абзаца голос прошёл через горькую иронию, ком в горле, глухой шёпот на выдохе и резкий эмоциональный срыв. Компактные модели на 0,5B–1,7B параметров такие перепады сглаживают: нейросеть держит среднюю интонацию исходного образца и читает драматический монолог с тем же бодрым выражением, что и документацию к API.

Ниже расскажу, через какие грабли я прошёл, пытаясь решить эту задачу локально — от ручной правки высоты голоса в фонетическом пакете Praat до подбора актёрских референсов — и как с этим справляется вышедшая в конце октября 2026 года модель Fish Audio Drama 3 (35B-A3B MoE) в сравнении с младшей версией S2 Pro (4B).

Сложный сбой в 1С редко начинается с чистого листа. Внутренняя команда уже проверила журналы, сравнила окружения и выдвинула несколько гипотез. Но при передаче задачи следующей линии поддержки часть контекста теряется, и диагностика фактически начинается заново.

Длина обращения сама по себе не помогает диагностике. Даже подробное письмо бесполезно без точного времени, масштаба, условий воспроизведения и перечня уже выполненных проверок. Ниже - структура, которая превращает сообщение «у нас тормозит 1С» в рабочее описание инцидента.

Ледяные регионы Земли находятся под угрозой опасного таяния. Авторы доклада ООН утверждают, что после неизбежного периода превышения целевых показателей глобальной температуры необходимо будет удержать это превышение и даже снизить его масштабы так, чтобы оно всё же уложилось в величину менее 1 °C.

Масштабные и необратимые потери снега и льда разоблачают устойчивый миф о том, что превышение установленного Парижским соглашением целевого показателя в 1,5 °C до 2 °C или 3 °C может быть управляемым или даже предпочтительным по сравнению с безотлагательным сокращением выбросов, говорится в докладе.

Со времён доиндустриальной эпохи планета нагрелась на 1,3 °C. Неспособность ограничить выбросы парниковых газов и защитить природу заставила учёных заключить, что определённое превышение целевого показателя неизбежно, даже если удастся удержать потепление к концу столетия на уровне 1,5 °C.

Однако из‑за чрезвычайно серьёзных последствий для криосферы, то есть всей воды Земли в твёрдом состоянии, включая лёд и снег, учёные призывают сделать период превышения этого порога как можно более коротким. Кроме того, из атмосферы необходимо удалить достаточно углерода, вызывающего глобальное потепление, чтобы в долгосрочной перспективе значительно снизить повышение температуры, в идеале до уровня менее 1°C к 2150 году.

Согласно докладу, значительное превышение целевого показателя, ожидаемое при сохранении нынешней политики, с пиковым потеплением около 3 °C, приведёт к оттаиванию почти всей приповерхностной вечной мерзлоты, сделает вероятными «серьёзные и, возможно, внезапные» нарушения океанической циркуляции и вызовет широкомасштабное закисление океана. Новейшие научные исследования показывают, что морской лёд восстанавливается медленнее, чем считалось ранее.

Фичу раскатывают 5% → 25% → 50% → 100%, а потом каждый день открывают отчёт и ждут, пока метрика «прокрасится». Выглядит безобидно, но при таком подходе ошибка первого рода растёт с 5% до 30–40%, а тесты с p = 0.07 «дожидаются» значимости в половине случаев даже без всякого эффекта.

Разбираем, почему так происходит, и как смотреть в A/B‑тест сколько угодно раз и не обманывать себя: границы O’Brien‑Fleming, alpha‑spending и mSPRT. С формулами, цифрами и кодом на Python.

Поиск по смыслу плохо различает «открыто» и «не открыто»: векторы почти совпадают, потому что тема одна и та же. В словах это знают все, а вот насколько это системно и можно ли починить без дообучения, мне хотелось проверить на данных.

Идея простая. В word2vec есть знаменитое king − man + woman ≈ queen: «пол» оказывается почти линейным направлением. Есть ли такое «направление негации» в финальных эмбеддингах моделей, то есть в тех векторах, по которым реально ищут? И если есть, можно ли одной такой осью лечить слепоту к отрицанию?

Как я проверял