Озвучка твоей книги на русском языке может стоить $2 уже сегодня

Я проанализировал где-то 15 разных ИИ моделей и провайдеров, которые есть на рынке. Основные критерии для анализа:
- есть внятный интерфейс, где можно работать
- понятный прайсинг
- не отвратительный результат
- без программирования

Средняя книга занимает примерно 500 000 знаков, рассчёт стоимости делал из этого.

Топ на сегодня по качеству:

1. ElevenLabs v3, одна книга примерно $60
2. ElevenLabs v2, $60 книга
3. Qwen 3, $10 книга
4. resemble.ai, $2 книга
5. minimax speech 02 hd, $60 книга
6. Модель ElevenLabs v2 но на другом провайдере, $50 книга

Это результат с ходу, чтобы долго не разбираться. Наверняка если ещё потюнить голоса и поразмечать текст то можно сделать качество получше.

Мне кажется Qwen 3 самый интересный вариант с точки зрению дальнейшего тюна и стоимости. В следующий раз посмотрю модели которые нужно разворачивать самостоятельно и это уже следующий уровень сложности.

Может вы ещё знаете какие-то варианты для озвучки текста? Пишите в комментарии.

P.S. В комментарии же добавлю примеры озвучки

Сделал знакомому сайт за 2 часа, хотя фронтенд не умел

Фронтенд всегда был моей слабой стороной. Мне честно говоря не особо важно как выглядит сайт. Главное как он работает. Но когда речь идёт о цветах, кажется внешний вид это самое главное.

Недавно знакомый владелец кофейни попросил сделать сайт. Он открывает новое направление - кофе и цветы в одном месте. Сайт как обычно нужен был вчера. На трёх языках. И чтобы выглядел прилично.

Первая мысль - да ну нафиг. Цветы это не корпоративная заглушка где сойдёт любой шаблон. Тут важна эстетика. А эстетика это ровно то что у меня хромает. Раньше такая история заняла бы неделю минимум: дизайн в фигме, вёрстка, адаптив под мобилы, кроссбраузерность - и это только визуальная часть. Плюс три языка. По старым раскладам геморрой дней на пять, и это если повезёт. Да и я давно уже не делал сайтов.

Но подумал: а что если дать себе жёсткий лимит в пять часов и проверить, что получится с ИИ? Знакомый подогнал домен и хостинг. Я взял UI скилл - он генерит дизайн-систему под конкретную нишу: палитру, шрифты, стиль, паттерн сайта. Сформулировал задачу в несколько предложений и запустил.

Через час сайт был готов на 80%. Дальше начались нюансы.

Мультиязычность ИИ накидал криво. Переключалка ломала вёрстку, часть строк не подхватывалась. Пришлось разобраться как устроен i18n в тайпскрипте и переделать руками. Ну как руками, попросить ИИ это пофиксить. Это заняло больше всего времени.

Второй затык - картинки. Без них сайт выглядел как каркас: структура есть, а настроения нет. Фото реальных букетов ещё не было. Сгенерировал заглушки через ИИ все в одном стиле под палитру сайта. Это прям улучшило визуал - сайт стал выглядеть законченным.

Итого: два часа. Адаптивная вёрстка, три языка с переключалкой, форма заказа. Раньше неделя, сейчас два часа. Ну и сайт который не стыдно показать, что для меня вообще редкость с фронтом. Приятно, что теперь вот этим все можно заниматься поменьше.

Скилл который использовал: https://github.com/nextlevelbuilder/ui-ux-pro-max-skill

Если знаете ещё похожие скилы для дизайна, кидайте в комменты.

P.S. Я очень внимательный, поэтому забыл добавить ссылку на сайт https://lifeflowers.am 🙂

Про greprag я уже писал как-то. Теперь можно говорить что работает и в продакшене

Дима, наконец, описал кейс поиска по сложным докам для местного 5000-го сообщества. Ну и репозиторий GrepRAG выкладываем в опенсорс.

GrepRAG работает просто: вы складываете нужные PDF и текстовые файлы в одну директорию, система ищет по ним через ugrep, а уже потом дает модели только релевантные фрагменты для сборки ответа.

https://khabaroff.studio/notes/greprag-bot/

Международный конкурс AI фильмов в России

Недавно узнал что в России есть конкурс AI фильмов https://myfilm48.ru/ Интересно, что организаторы сотрудничают с Канским фестивалем (не тот который в г. Канск, Красноярский край).

Вот тут можно посмотреть работы https://video.myfilm48.ru/

При регулярной разработке скорость ответа от LLM важна

Сейчас больше работаю с codex для программирования. Обычно ставлю ризонинг Extra High. Вроде так получше получается (замеров я конечно же не делал). В таком режиме модель может думать достаточно долго и пока ждёшь ответа отвлекаешься телеграмчик там проверить, музыку переключить. И фокус уходит.

И вот как-то случайно поставилось Medium. И ответы стали приходить заметно шустрее. И процесс пошёл заметно плавнее, без вот этих остановок постоянных.

Ритм решает в общем. Наверное с мгновенными ответам будет вообще отлично.

В субботу участвовал в хакатоне по автономным AI агентам. 87 городов, 886 участников по миру. Я занял первое место по Армении. Побывал в местной академии наук, атмосферненько там!

Пока самая лучшая модель для озвучивания аудиокниг

У гугла вышла новая модель для озвучки Gemini 3.1 Flash TTS и пока это лучшее что я слышал.

Про аудиокниги я уже писал несколько раз, мне очень интересно как тут всё развивается:
- https://t.me/dimaprodev/50
- https://t.me/dimaprodev/61

Сколько будет стоить озвучка книги в 500 000 знаков?

Стоимость использования Gemini 3.1 Flash TTS:
- Input tokens: $1.00 per 1 million text tokens
- Output tokens: $20.00 per 1 million audio tokens

А если для книги:
Входные токены (текст): 333333 (~$0.3333)
Длительность аудио: 545.45 мин (~9.1 ч)
Выходные токены (аудио): 1090909 (~$21.8182)
ИТОГО: $22.15

К посту добавил пример генерации того же отрывка из Незнайки, чтобы было с чем сравнить.

309 правил, которые закрывают дыры в AI-агентах

На соревновании AI-агентов https://bitgn.com/, где я участвовал, был ряд заданий на безопасноть. Там всплывали промпт инъекции, попытки читать лишние файлы и другие сценарии, после которых агент делает то, что не должен.

Из этого и родилась идея плагина для opencode, который отсекает такие вещи заранее. Не через инструкции для модели, которые можно обойти, а через regex правила, которые проверяются до вызова тула или отправки промпта в LLM.

Такой подход выглядит намного надежнее. Правила можно тестировать, разбирать на реальных кейсах и постепенно усиливать. Плюс opencode опен сорс, и его можно запускать с локальными моделями, что уже делает его интересным для использования внутри компаний.

Сами правила я не хотел придумывать из головы, поэтому ориентировался на реальные атаки и существующие наработки. Спасибо Валерию Ковальскому за то, что собрал такие правила в чудесном проекте.

В общем вчера навайбкодил плагин для opencode

https://github.com/tjvjk/opencode-policy

Сейчас в нем есть:
- установка одной командой + небольшой конфиг
- 309 правил из коробки
- поддержка локальных моделей
- open source

Я уже сам этим пользуюсь. Если тоже работаете с агентами через opencode, попробуйте и напишите, что думаете.

ИИ ускоряет мою разработку в 10 раз

У меня с Сергеем Хабаровым есть общий сайд проект https://prepod.am Я там пишу код с 2024 года. Где-то пол года назад я практически перестал писать код руками и пишу только с помощью llm. Решил сегодня посмотреть как изменились мои показатели.

В общем получается интересно. Строк кода в 5 раз больше за день. При этом рабочих дней в 2 раза меньше. Ещё и коммитов в один день в два раза больше. Получается примерно в 10 раз быстрее чем раньше. Офигеть. Одно дело когда читаешь про это в каких-то статьях, совсем другое когда смотришь на своих цифрах.

А у вас как?

Зачем, собственно, платить $49 в месяц за готовый сервис, когда можно потратить $500 в день на его создание самостоятельно в Claude?

Про Ральф луп и эскапизм

Недавно я испытал то самое чувство восторга. Чистый, незамутненный поток, когда у тебя получается. По версии декана моего мат фака это именно то, ради чего люди программируют. Я запустил Ральф луп.

Это чертовски эффективная цифровая молотилка. Схема, по которой я гонял ИИ, выглядит максимально просто:

  ┌── СТАРТ
  │     │
  │ задача + промпт
  │     + память
  │     │
  │ claude / codex
  │ opencode / pi / ...
  │     │
  │ готово?
  │  /      \
  └ нет      да
             │
           КОНЕЦ

Ральф луп как он есть.

Основные особенности:

- контекст не забивается, модель работает в самом умном режиме - первые 30-40% контекста
- есть память в виде файлов
- как только модель решает это нашла решение она останавливается
- каждый цикл запускается с нуля
- на входе только память + промпт + задача
- уроки из каждого прохода записываются в файл памяти

Примерно так сейчас работает режим /goal в клоде и кодексе. Но можно обойтись и простым баш скриптом.

В рамках соревнования на bitgn.com я затестил этот подход. Раньше я после каждого цикла смотрел что получилось, давал новые вводные, перезапускал. А теперь отпустил ситуацию, поделал домашние дела и поел пока присматиривал одним глазом за роботом.

Моя личная статистика за один день:

- 59 итераций за один день
- строк добавлено 9051
- строк удалено 124
- 107 новых тестов

Прекрасный был тогда день.

Расскажи что такое агент, как будто мне 10 лет

- Папа, а что такое агент?
- Ну это когда в компьютере есть специальная программа, которая может принимать реше... (тут у сына очевидно потерялся фокус) шшшш ш ш шшшшшш ш ш шш шшшшшш ш ш ш шшшш ш ш ш ш
- А, это как фиксики которые могут управлять компьютером?
- Нууу да

Из семейных диалогов

Что такое ИИ нейтив компании?
(по версии Y combinator)

Один человек + ИИ вместо команд из разных людей.

ИИ делает продукт, собирает метрики и потом улучшает продукт на основе метрик.

Вся компания должна быть ИИ читаемой: таск трекер, переписка, база знаний, дашборды.

Фабрика софта. Человек пишет только спецификации и тесты. ИИ сам пишет код и подгоняет под тесты. «Это открывает эпоху инженеров с производительностью х1000 и х10000».

Мидл менеджеры не нужны - их заменит ИИ. У ИИ есть весь контекст.

Максимизация токенов, а не штата. «1 человек с ИИ = гугл инженер Х 1000» «Если ваш счета за АПИ вам комфортны, вы не дорабатываете»

Новым компаниям проще стать ИИ нейтив, потому что нет легаси и «благодаря этому двигаться в 1000 раз быстрее конкурентов».

Вот такое вот оно светлое будущее.

Источник: https://www.youtube.com/watch?v=EN7frwQIbKc

Code must not be written by humans
Code must not be reviewed by humans
(с)

Возможно ли такое вообще? И если возможно, то где о таком можно говорить в приличном обществе?

Даже если компании и признаются что пишут код с помощью ллм или строят процессы с помощью агентов, но всё равно говорят что финальный ревью за человеком. Это нужно чтобы сохранить лицо. Кому понравится когда их приватная переписка окажется где-нибудь на гитхабе в пулл реквесте? Наверняка клод код пишется с помощью клод кода. Но Антропик всё равно нанимает инженеров.

Если ты уже преисполнился и у тебя «аж пальцы горят» чтобы уже убрать из процессов людей и заменить их ллм болванчиком, что же делать?

Тут есть варианты:

1. Менеджмент понимает что есть риски, но есть и выгоды (вероятно). Есть карт бланш на всё. Тут вопросов нет.

2. Прямого разрешения нет, есть всякие полиси. Тут тоже есть вариант. Запили что-то такое, что сильно забустит компанию. А потом когда выяснится, что там оно всё само крутится и все данные улетали в Антропик или ОпенАИ, моли о прощении. И аппелируй к выгоде.

3. Страдать.

4. Найти другую компанию.

5. Стать соло пренером и показать всем кузькину мать! Запилить своего единорога! Ведь кодить теперь просто! Но тут нужно понимать, что кодинг это примерно 15% успеха, остальное дистрибуция, маркетинг и продажи.

Цитата в начале поста взята с сайта https://factory.strongdm.ai/ Парни сделали software factory. Интересно что тут есть аналогия с дарк китчен. Какая разница кто тебе готовит (пишет софт) и где? Главное результат. Об этом поговорим в следующий раз.

Очередное подтверждение что RAG не нужен

Гугл пару дней назад анонсировал Open Knowledge Format. Это формат для базы знаний которая будет доступна агенту и человеку одновременно. И это простые текстовые файлы. Вот несколько принципов из их статьи:

- Anyone can produce, without an SDK
- Anyone can consume, without an integration
- Survives moving between systems, organizations, and tools
- Lives in version control alongside the code it describes
- Is readable by humans and parseable by agents: the same file, no translation layer

К слову клод код прекрасно ищет по простым текстовым файлам. Тут тот же самый принцип. ИИ агенты уже достаточно хорошо справляются с таким поиском. При этом файлы остаются читаемые и для человека.

Я ещё в январе сделал простую библиотеку для AI поиска по файлам. Получается смотрел в будущее.

С этой библиотекой под капотом работает бот для помощи легализации в Армении https://t.me/ponaehaliam_bot Который я тоже сделал. Недавно обновил LLM на которой он работает. Поставил Gemini 3 Flash Preview. Раньше была Grok 4.1 Fast. Стоимость одного поиска осталась в районе 2 центов, но скорость сократилась до нескольких секунд. Фидбек от 5000 сообщества крайне положительный.

Мне RAG как организация поиска по базе знаний никогда не нравился. Конечно я его настраивал, именно поэтому и не понравился с инженерной точки зрения. Слишком много движущихся частей. Слишком много мест, где что-то может сломаться. Я за простые, рабочие и дешёвые инструменты.