А вот вам интересный скандальчик: в Нью-Хемпшире обзванивали людей по телефону и голосом Байдена уговаривали не голосовать. В день обзванивалось от 5 до 25 тысяч человек, делалось это с помощью text-to-speech синтеза от крутых ребят из ElevenLabs. Разумеется, елевенлабз ни при чем, они просто инструмент сделали. Но расследование говорит, что сделано это было небольшой компанией Life Corporation. Ее владельцем является Вальтер Монк, он же является владельцем другой компании, Voice Broadcasting, главная специализация которой — телефонные обзвоны для политиков.

Короче, если не посадят — получилось отличное демо технологии и хорошая реклама компании. И я не понимаю, почему в других странах почти не используют обзвоны перед выборами.

https://edition.cnn.com/2024/02/06/tech/nh-ag-robocall-update

LGM: Large Multi-View Gaussian Model for High-Resolution 3D Content Creation

В полку генераторов 3D на гауссианах по картинкеи по тексту прибыло.

Ключевые фишки - высокое разрешение и скорость - 5 секунд на один объект.

Есть экспорт меша, примеры можно интерактивно покрутить на сайте.

Код
Демо

#textto3D #imageto3D #gaussian

Suno втихаря запустили сервис по созданию песен ко дню святого Валентина. Там нужно вписать, кому эта песня посвящена, где вы встретились и что делает этого человека уникальным. Сервис генерирует стихи и песню, которую можно послать вместо валентинки. Дешево и сердито.

Эта новость не стоила бы выеденного яйца, если бы не слухи, что там под капотом третья версия Чирпа, которой пока нет в открытом доступе. И на мой слух генерации действительно получаются лучше. Микс чуть более внятный, нет такой каши в низах, эффект автотюна на голосе сильно ослабился. Всё ещё не идеально, но лучше, чем было раньше.

https://vdaysong.com/yzet6p2y

Попробовать самому можно вот тут: https://v-day.suno.ai/

Дата выхода третьей версии на основной платформе пока хранится в секрете. Но вроде как скоро.

#suno

Кто хотел Depth Anything для видео?
У нас есть его

Демо

#image2depth #video2depth

DynamiCrafter: Animating Open-domain Images with Video Diffusion Priors

Генерация видео с акцентом на реалистичность движения

- контроль частоты кадров
- зацикливание видео
- управление движением через текст
- генерация по исходной картинке и тексту

Код
Демо
Колаб

#text2video #image2video

ComfyUI-3D-Pack

Набор инструментов ComfyUI для работы с 3D-входными данными и генерации 3D, на основе #nerf #gaussian и т д.

Уже интегрирован LGM

Набор еще в процессе разработки

Гитхаб

#imageto3D #image2image

Elevenlabs открыли возможность зарабатывать на своем голосе. Загружаете 30-минутный образец своей речи и вперед. Есть возможность контролировать категории контента, для которых ваш голос можно использовать.

Можно ли выводить гонорары на российские счета - сильно сомневаюсь.

Попробовать

#voicecloning #text2speech