🤖 Будущее наступило старик

В Сан-Франциско стартап REK устроил первый публичный поединок человека против гуманоидного робота.

🥊 Финал получился совсем не в пользу кожаного: робот отправил соперника в нокаут. Мужчина получил перелом руки и подозрение на сотрясение мозга.

😯 Наступил звездный час для инфоцыган

Чувак наглядно показал разницу нейросетей против реального видео...

С добрым утром! 🫡

🎬 ИИ научили снимать рекламные ролики одной командой

/brag — open-source инструмент, скилл для AI-кодинг-агентов, который берёт созданный вами проект и превращает его в короткое презентационное видео для соцсетей.

Репозиторий уже собрал 7 000 звёзд на GitHub.

▶️ Работает максимально лениво:
/brag

Дальше агент сам определяет, как лучше показать проект, выбирает ключевые моменты, продумывает подачу и передаёт сценарий в Hyperframes, который собирает, таймит и рендерит ролик.

На выходе получаем:
💬 готовый brag.mp4;
💬 музыку, движение и эффекты;
💬 план и композицию ролика;
💬 готовый текст для публикации в соцсетях;
💬 опциональную озвучку через --voice;
💬 возможность задать собственный стиль через --tone.

Пример:
/brag --tone "Эффективный стиль киберпанк"
или просто:
/brag --voice

Инструмент заточен не только под Claude Code. Автор заявляет поддержку Codex CLI, opencode, а через Agent Skills — Cursor, Copilot, Gemini CLI и других совместимых агентов. Для работы потребуются Node.js 22+, FFmpeg и Hyperframes CLI.

📱 Установка для Claude Code:
/plugin marketplace add latent-spaces/brag
/plugin install brag@brag

⚙️ Для других агентов:
npx skills add https://github.com/latent-spaces/brag --skill brag

Теперь после нескольких часов вайбкодинга можно не тратить ещё пару часов на монтаж демки 😎

♎️ GitHub/Инструкция

⬇️ Сохраняем

#python #soft #github

😎 Когда узнал, что зарабатываешь больше айтишников

🤨 Победил босса? А теперь посмотри рекламу.

Microsoft 🪟 запатентовала систему, которая потенциально позволит вставлять рекламу прямо между игровыми событиями — после победы над боссом, завершения квеста, катсцены или раунда в мультиплеере.

Идея завязана на временном доступе к игре: пользователь получает определённое количество игрового времени, а когда оно заканчивается — может посмотреть рекламу и получить дополнительный «кредит», чтобы продолжить играть.

Можно ненадо 🤨

⚡️ Open-source AI-диктофон: записывает разговор, распознаёт участников и превращает часы аудио в базу знаний

Speakr — self-hosted платформа для расшифровки и анализа аудиозаписей. Запускается на собственном сервере, а вместо обычного «аудио → текст» умеет превращать записи в структурированные и доступные для поиска заметки.

Можно записать встречу, лекцию, созвон или интервью — дальше Speakr:

💬 автоматически расшифровать аудио;
💬 определить, кто именно говорит, и разделить реплики по спикерам;
💬 узнавать одного и того же человека в разных записях через голосовые профили;
💬 автоматически создавать саммари по собственному промпту;
💬 вытаскивать из разговора задачи и события;
💬 синхронизировать текст с аудио — нажал на реплику и сразу перешёл к нужному моменту записи.

🔥 Но самое интересное — чат с собственными записями.

Можно спросить ИИ:
«Что мы решили насчёт изменения цены и кто был против?»

Speakr ищет информацию по библиотеке записей, формирует ответ и ссылается на конкретные фрагменты разговора с таймкодами. Есть отдельный Inquire Mode для семантического поиска сразу по всей коллекции.

Под капотом тоже интересно, есть возможость подключить:
🔣WhisperX,
🔣OpenAI,
🔣Mistral/Voxtral,
🔣AssemblyAI,
🔣OpenASR,
🔣Alibaba FunASR
🔣 или собственный ASR-сервис.

Для автоматизации есть REST API, Swagger, webhooks и интеграции с n8n, Zapier и Make. Транскрипты можно автоматически экспортировать, например, в Obsidian/Logseq.

Есть поддержка длинных записей, папок, тегов, нескольких пользователей, SSO, общего доступа и политик автоматического удаления старых записей. Сам Speakr можно установить как PWA и пользоваться им с телефона.

👨‍💻 Главная фишка — self-hosted подход: проект рассчитан на развёртывание на собственной инфраструктуре, что особенно интересно для личных и рабочих разговоров, которые не хочется хранить в очередном облачном сервисе.

⚙️ Установка и запуск Speakr

1. Создаём папку:

mkdir speakr && cd speakr

2. Скачиваем конфиги:

wget https://raw.githubusercontent.com/murtaza-nasir/speakr/master/config/docker-compose.example.yml -O docker-compose.yml

wget https://raw.githubusercontent.com/murtaza-nasir/speakr/master/config/env.transcription.example -O .env

3. Настраиваем `.env`:

nano .env

Указываем API-ключи и модели для распознавания речи и AI-анализа/саммари.

4. Запускаем:

docker compose up -d

5. Открываем Speakr:

http://localhost:8899

Проверить работу:

docker compose ps

Посмотреть логи:

docker compose logs -f

➡️ Для большей приватности Speakr можно связать с локальным WhisperX — тогда распознавание аудио можно выполнять на собственной машине.

Записал разговор → получил расшифровку → саммари → задачи → спросил ИИ, о чём вы говорили полгода назад.

♎️ GitHub/Инструкция

#python #soft #github

🌟 Работа на заводе тоже ВСЁ

Корейцы запилили робота-сварщика.

Дройд умеет варить самые сложные швы в труднодоступных местах и ползает по любым поверхностям, даже по потолку.

Перепрофилируемся в сантехника, пока свободно 🌟

😂 В CS вышло крупное обновление

С добрым утром! 🫡

🔥 Крутые, простые команды для ChatGPT, которые прокачают ваши фотографии за пару секунд

Никакого Photoshop и часов ретуши — просто загружаете фотографию в ChatGPT и пишем:

🔣 /glowup — улучшить снимок и сделать образ эффектнее.

🔣 /faceclean — убрать прыщи, мелкие морщины и другие несовершенства кожи.

🔣 /addmakeup — добавить макияж и преобразить образ.

🔣 /outfitideas — подобрать идеи одежды и новых образов.

🔣 /makeupideas — придумать варианты макияжа под вашу внешность.

Сохраняем, пригодится!

#промт #нейросеть

⚡️ CyberScraper 2077 — когда обычного парсера уже недостаточно

Продвинутый веб-скрапер с поддержкой ИИ, который объединяет парсинг сайтов с возможностями OpenAI, Gemini и Ollama. Вместо простого сбора HTML помогает анализировать контент и превращать полученную информацию в нормальные структурированные данные.

Что умеет:
🖍 работать на Windows и Linux, есть запуск через Docker;
🖍 предоставлять удобный интерфейс для настройки сбора данных;
🖍 подключать ИИ для анализа и структурирования найденной информации;
🖍 экспортировать результат сразу в JSON, CSV, HTML, SQL и Excel;
🖍 использовать stealth-режим при работе с сайтами;
🖍 работать с CAPTCHA и другими препятствиями, которые могут встретиться при автоматизированном сборе данных.

💻 Чтобы ловко обходить капчи, защиту и глубже понимать контент, который вы собираетесь парсить.

🖥 Установка и запуск

Потребуется Python 3.10+.

git clone https://github.com/itsOwen/CyberScraper-2077.git
cd CyberScraper-2077

virtualenv venv
source venv/bin/activate

pip install -r requirements.txt
playwright install

Добавляем API-ключи:

export OPENAI_API_KEY="ваш-ключ"
export GOOGLE_API_KEY="ваш-ключ"

▶️ Запускаем CyberScraper:

streamlit run main.py

После запуска открываем:

http://localhost:8501

Также проект поддерживает Ollama с локальными моделями и запуск через Docker.

По сути, задаёте, что именно хотите получить с сайта, запускаете сбор — а на выходе получаете уже подготовленные данные вместо необходимости вручную разбирать гору страниц.

💻 Отличная находка для тех, кто работает с Python, автоматизацией, сбором больших объёмов информации и AI-агентами.

♎️ GitHub/Инструкция

😳 Лайф | 📲 Зеркало Max

#python #github #soft

🌟 Ошибка стоившая айтишнику 1 МИЛЛИАРД долларов

Эрик Гулликсен нашёл старый контракт с NVIDIA и обнаружил, что 33 года назад ему недодали акции, которые сегодня стоят ~$1 млрд.

В 1993 году за работу над первым чипом NVIDIA ему полагалось 25 000 акций, но забрал он лишь чуть больше половины, 9 375 из них так и не начислили.

С учетом всех последующих дроблений этот пакет оценивается примерно в 4,5 млн акций — около $1,02 млрд.

Разработчик пошёл в суд, но оказалось поздно: срок исковой давности истёк, акции и деньги вернуть не получилось.

Цена ошибки в миллиард долларов 😰

💻 Viseron — прокачиваем собственное домашнее видеонаблюдение без подписок и облаков.

По сути, можно собрать у себя мини-Сити-17: система умеет детектить
💬 движение,
💬 распознавать людей,
💬 лица и объекты.

📸 Камера уже не просто пишет видео, а понимает, что происходит в кадре.

🐳 Ставится локально через Docker, после запуска открываете веб-интерфейс и настраиваете всё под себя. Главное — данные никуда не улетают: всё работает на вашем железе.

Хотели нормальное видеонаблюдение без облачной зависимости и платных подписок — забираем.

♎️ GitHub/Инструкция

#python #soft #github

🤪 Глава NVIDIA Дженсен Хуанг заявил о наступлении «Эры низкого IQ»

По словам Дженсена, в будущем человеку не придётся держать в голове огромный объём базовых знаний — значительную часть этой нагрузки возьмёт на себя ИИ.

Детям может быть необязательно даже учить таблицу умножения, если необходимые вычисления мгновенно выполнит ИИ.

По сути, ценность будет смещаться от «сколько ты знаешь» к «насколько хорошо ты умеешь пользоваться интеллектом машин».

Беда…🌟

💀 Раньше в ботофермах использовали настоящие смартфоны, теперь только ИИ

С добрым утром 🫡

🔥 Нейронка, которая превращает обычные фотографии в 3D-сцену за считанные секунды

VGGT (Visual Geometry Grounded Transformer) — open-source модель, способная восстановить геометрию реального пространства по одной, нескольким или даже сотням фотографий.

Загружаем снимки объекта, комнаты, здания или локации — VGGT может определить:

🔣 положение и параметры камер;
🔣 карты глубины — Depth Maps;
🔣 3D Point Maps;
🔣 соответствующие 3D-точки между разными кадрами.

Есть готовая визуализация через Gradio и Viser, а результат можно экспортировать в COLMAP и дальше использовать, например, в пайплайнах NeRF / Gaussian Splatting.

⚙️Установка:

git clone git@github.com:facebookresearch/vggt.git
cd vggt
pip install -r requirements.txt

▶️ Пример запуска:

import torch

from vggt.models.vggt import VGGT
from vggt.utils.load_fn import load_and_preprocess_images

device = "cuda" if torch.cuda.is_available() else "cpu"

# bfloat16 поддерживается на Ampere GPU
# с Compute Capability 8.0+
dtype = (
    torch.bfloat16
    if torch.cuda.get_device_capability()[0] >= 8
    else torch.float16
)

# Загружаем модель.
# При первом запуске веса автоматически
# скачаются с Hugging Face.
model = VGGT.from_pretrained(
    "facebook/VGGT-1B"
).to(device)

# Указываем собственные фотографии
image_names = [
    "path/to/imageA.png",
    "path/to/imageB.png",
    "path/to/imageC.png",
]

images = load_and_preprocess_images(
    image_names
).to(device)

with torch.no_grad():
    with torch.cuda.amp.autocast(dtype=dtype):

        # Получаем камеры, depth maps,
        # point maps и другие предсказания
        predictions = model(images)

👨‍💻 Хотим не возиться с кодом?

Ставим зависимости для готового интерфейса:

pip install -r requirements_demo.txt

И запускаем Gradio:

python demo_gradio.py

Открывается веб-интерфейс, куда можно загружать изображения или видео, запускать реконструкцию и интерактивно рассматривать полученную 3D-сцену прямо в браузере.

Есть и отдельный 3D-viewer:

python demo_viser.py \
  --image_folder path/to/your/images/folder

А если нужен результат для дальнейшей работы в 3D, VGGT умеет экспортировать реконструкцию непосредственно в COLMAP:

python demo_colmap.py \
  --scene_dir=/YOUR/SCENE_DIR/

После обработки получаем параметры камер и 3D-точки в каталоге sparse, которые можно использовать дальше в соответствующих 3D-пайплайнах.

Очень мощная штука для Computer Vision, 3D, робототехники, AR/VR и Gaussian Splatting.

♎️ Пробуем

#python #soft #github

💀 В Шанхае работает огромный порт, где почти нет кожаных мешков

Контейнеры на терминале перемещает целая система роботов.

В порту работают 155 беспилотных машин, 121 автоматический кран и ещё 29 огромных кранов у причала.

💻 Всё оборудование объединено в единую цифровую систему управления.

#cyberpunk