Грудень-2024 приголомшує: вибух ШІ напередодні свят, або “слоп” року!
Привіт, друзі! З вами Ліла Гарт, і я занурюю вас у виру останніх новин зі світу штучного інтелекту. Грудень – мій улюблений місяць, час затишку, бажань, какао та спогадів про добре проведений рік. Але цього разу світ ШІ вирішив влаштувати нам новорічний феєрверк, хоча, можливо, не зовсім той, на який ми всі чекали.
В той час, як усі, наче люди, готувалися до заслужених вихідних, раптом – бах! – відбулась низка гучних релізів. Новин було стільки, що я ледве встигала їх фіксувати. Сьогодні поринаємо у цей вихор подій, адже, як то кажуть, “тримайтеся міцно”, бо це буде один з найшвидших оглядів, які я коли-небудь робила!
Готові? Я – так! Починаємо!
Розділ 1: Чи можна довіряти картинкам? OpenAI дивує знову, а Flux 2 Max намагається не відставати
Розпочнемо з найгучнішої новини тижня від OpenAI. Вони випустили GPT Image 1.5, доступний у ChatGPT та API для розробників. Навіщо? Звісно, щоб кинути виклик “монстру” від Google – Nano Banana Pro. Це був, мабуть, найважливіший реліз тижня, але я вже зробила про нього окреме відео з порівнянням обох моделей [переглянути].
Але новинки від OpenAI – це ще не все. Компанія Black Forest Labs презентувала Flux 2 Max. Його варто протестувати разом!
Flux 2 Max прагне конкурувати з Nano Banana та GPT Image 1.5. Його головна фішка – генерація та редагування зображень. Уявіть: додати логотип на чашку кави (як на прикладі з посадковим талоном), ітеративно редагувати зображення, коли модель пам’ятає контекст. Сподобалась робота з “заземленою генерацією” – коли модель ніби досліджує, що має бути на зображенні, і потім додає це. Схоже на Nano Banana, але… побачимо на практиці.
Я протестувала Flux 2 Max на тих самих задачах, що й інші моделі. Наприклад, ось фото. Запит: “Видали людину праворуч від мене, але залиш моє обличчя, позу, освітлення та фон незмінними. Зміни мій одяг на чорну шкіряну куртку і додай ледь помітне неонове підсвічування позаду. Не змінюй мою структуру обличчя чи вираз”.
Результат? Гібрид мене та Джо. Мене прибрали, людину праворуч залишили. Більшість інших результатів теж не вразили.
Нагадаю результати ChatGPT: фіолетове підсвічування, мене залишили, людей прибрали. Загалом – добре.
Тепер – Flux. Той самий запит, фото – а результат інший.
Цікаво: Чи знаєте ви, що перші ШІ-редактори зображень часто видавали кумедні, але непередбачувані результати? Це як навчити кота малювати – результат цікавий, але непередбачуваний!
Інший тест, який я робила з іншими моделями: “Створи біле полотно, поділене на дев’ять нерівних прямокутників, як макет журналу. Верхній лівий кут: чашка кави, що парує. Верхній правий: складена карта міста. Центральний лівий: пара навушників. Центральний правий: мерехтлива лампочка. Нижній центр: червоний блокнот. Кожен об’єкт має залишатися повністю всередині прямокутника”.
Результат Flux: створив лише п’ять (або шість) прямокутників замість дев’яти. Верхній лівий – чашка кави – є. Верхній правий – карта міста. Центральний лівий – навушники – теж на місці. Центральний правий – лампочка. Нижній центр – червоний блокнот. Але ж прямокутники…
OpenAI: просив дев’ять, дав десять. Всі об’єкти на місцях, але “залишатися в межах” проігноровано. Блокнот немов випробовує: “Ну що, ти сказав – залишайся в лініях? А я от буду на лінії. Робитимеш щось?”.
Висновок? Flux 2 Max – непоганий інструмент. Але до рівня Nano Banana чи OpenAI – поки що ні. Можливо, невдовзі вони здивують!
Розділ 2: Meta об’єднує зображення та звук – чи станемо композиторами за клік?
Від картинок переходимо до звуку. Meta випустила нову версію своєї моделі SAM (Segment Anything Model), але цього разу – для аудіо! Якщо знайомі з SAM для зображень, то розумієте суть: ви даєте зображення, кажете: “Підсвіти потяг” або “Прибери потяг”, і вона це робить. Тепер так само зі звуком!
Даєте аудіофайл і кажете: “Ізолюй тільки мову”, “Ізолюй тільки гітару”. Доступно безкоштовно в Meta’s Playground.
Я протестувала. Створила пісню за допомогою Sunno [переглянути]. Ось уривок:
(Звучить уривок пісні)
Натискаю кнопку, і ось що я бачу: вводжу, що хочу виділити. Спробуємо “гітари”.
Натискаю “Ізолювати звук”, і… вуаля! Окремий трек тільки з гітарами. Якщо послухати тільки їх:
(Звучить тільки гітара з пісні)
Вокал та інші інструменти зникли. А тепер послухаємо версію, де гітари прибрали:
(Звучать інші інструменти без гітари)
Бас, барабани – все на місці, гітар немає. Успішно виділили їх. Я додала ефекти – “мегафон” або “реверберацію”. Багато не змінилося, але це відкриває цікаві можливості для творчості.
Meta SAM Audio – це не тільки про музику. Ось приклад з подкасту, де говорять двоє людей. Спочатку:
(Звучить уривок подкасту з двома голосами)
“Hey, were here with Phoenix, our local sound editor.”
“Thank you for everything that you do.”
Я попросила ізолювати “чоловічі вокали”. І ось що вийшло:
(Звучить уривок подкасту, ізольовано чоловічий голос)
“Hey, were here with Phoenix, our local sound editor.”
Голос жінки зник. А якщо послухати другий трек, де вона говорить:
(Звучить уривок подкасту, ізольовано жіночий голос)
“Thank you for everything that you do.”
Це чудово, особливо для подкастерів чи музикантів. Можливість виділяти окремі звукові елементи – неймовірно. Те, що робили із зображеннями, тепер доступно зі звуком. Круто!
Розділ 3: Vibe Code – ШІ-додатки з телефону!
А тепер – щось новеньке. Забудьте про сервери та код. Чи знаєте ви, що ваші ШІ-додатки можна створювати прямо… на телефоні? Саме так!
Новий інструмент, Vibe Code, дозволяє будувати ШІ-додатки та відправляти їх в App Store з вашого смартфону. Відкриваєте додаток, робите “щипок” екраном – і ви в інтерфейсі, схожому на CapCut. Описуєте додаток, Vibe Code його створює.
Можна генерувати не тільки код, але й візуальні елементи, звуки, навіть тактильні відгуки. Додати платний доступ, щоб заробляти. Одним дотиком відправляєте в Apple App Store. Ось так просто!
Спробуйте, перші три додатки можна створити безкоштовно з промокодом WOLFE. Посилання – в описі [переглянути].
Розділ 4: Відео – наступний фронт! Adobe, Luma AI, Kling та інші
Ми вже говорили про зображення та звук. Час відео! І тут цікаво.
Adobe Firefly тепер підтримує редагування відео за допомогою текстових підказок. Уявіть: “Видали цю людину”, “Додай цей звуковий ефект”, “Додай сяйво навколо персонажа”. Я ще не тестувала, але сама можливість – захоплює. Отже, відеоредактори вже приречені?
Переходимо до Adobe Firefly. Є бета-версія редагування відео. Завантажуємо відео. А ось – “text-based editing”. Показує транскрипцію відео. Можна редагувати текст для редагування відео. Наприклад, я видалила слово “gosh” з фрази “Oh my gosh, you’re so cute”.
(Звучить речення “Oh my, you’re so cute”)
“Gosh” зник. Це поки що базове редагування, схоже на редагування субтитрів. Але хто знає, що буде далі!
Далі – Luma AI з новою моделлю Ray 3 Modify. Вона дозволяє взяти відео і начатковий та кінцевий кадр, а потім змінювати відео на основі цих кадрів. Уявіть: у вас є відео, і ви можете “переодягнути” персонажів, змінити їх волосся, додати натовп.
Я спробувала: взяла кадр із себе, Джо та Бреда в броварні. Потім дала вхідний кадр, де я в шкіряній куртці з неоновим підсвічуванням (з попереднього відео). І попросила модель анімувати між ними.
(Демонстрація відео, де персонажі дивно рухаються, куртка з’являється неочікувано)
Ну… вони відійшли, я дивно одягнулась, рука проходить крізь рукав… Цікаво, але не ідеально.
Найцікавіше – тестування з “рухомим” відео. Я взяла відео, де я граю зі світловим мечем, і хотіла, щоб модель перенесла анімацію на зображення пірата з мечем, яке я створила в Leonardo.
(Відео-демонстрація, де спочатку я граю зі світловим мечем, потім з’являється пірат, але рух не зовсім збігається)
Спочатку все добре, але пірат з’явився, а моя анімація не повністю перенеслася.
Чому? Luma AI вимагає плату за використання “рухомих” відео. Спробувала без конкретного аватара, лише своє відео та початковий кадр. І через 10 хвилин очікування (довго!) отримала результат.
(Відео-демонстрація, де пірат рухається, але є артефакти та зникаючий меч)
Рух передано, але меч з’являвся та зникав, були артефакти. Але отримала анімоване зображення. Хочеться, щоб це працювало швидше та з чіткішими інструкціями, адже 10 хвилин очікувати на збій – неприємно. Але потенціал є.
Тепер Kling. Випустили нові функції, зокрема Motion Control. Це захоплення руху прямо в Kling. Модель розпізнає рухи тіла, складні дії, виразні обличчя. Дасте відео та зображення, і вона анімує зображення відповідно до відео.
Спробувала. Дала відео, зображення джедая з мечем.
(Демонстрація відео, де джедай анімується за відео)
Працює набагато краще! Є неточності, але прогрес очевидний.
А ще Kling додали AI Voice Control. Уявіть – ідеальний ліпс-синк!
(Демонстрація відео з ідеальним ліпс-синком)
“Is that my voice?”
“This one feels soft.”
“This one feels powerful.”
Вражає! Але коли я спробувала самостійно в Kling, щось пішло не так. Демонстрація неймовірна, але в моєму додатку ліпс-синк був… ну, таким собі.
(Демонстрація відео з Kling, де ліпс-синк не дотягує до демонстрації)
“Sharing my favorite lip gloss I wear to work.”
Вони сказали, що це працює у версії 2.6. Спробувала створити відео з промптом: “Чоловік дивиться в камеру і каже: ‘Не забудьте підписатися на Matt Wolf'”.
(Відео з Kling, чоловік говорить: “Don’t forget to subscribe to Matt Wolf.”)
Виглядає добре! Якщо сказати Kling додати мовлення, це працює чудово. Найкращий ліпс-синк, який я бачила.
І останнє з відео – Alibaba Wan 2.6. Схоже на Kling: даєте референсні відео та зображення, і модель анімує зображення. Синхронізація звуку і відео, можливість створювати відео з простих підказок.
(Демонстрація відео з Wan 2.6)
“See what I did there?”
“N yo, hold my poodle. Hold my poodle.”
Я зробила відео з Сантою, який стрибає і кричить: “Йой! Різдво тут!”.
(Відео з Сантою, який стрибає і кричить)
“Yay! Christmas is here!”
Не найшвидша модель, але результат… доволі милий!
Наостанок про відео: минулого тижня згадувала Runway ML 4.5, але помилилася, сказавши, що він не генерує звук. Виявляється, згідно з деякими звітами, він може це робити. Спробувала знову, але звуку досі не було. Якщо знаєте, як зробити так, щоб Runway Gen 4.5 генерував звук, напишіть в коментарях!
Розділ 5: Швидкий огляд – новини, які не можна пропустити!
І ось – моя улюблена частина – швидкий огляд новин, бо їх багато!
- OpenAI: Розробники можуть надсилати свої додатки до ChatGPT. Власна “App Store” для ChatGPT! Моделі не затверджуються автоматично, але можливість вже є. Функція Branching тепер є і в мобільній версії ChatGPT. А також, у Q1 2026 з’явиться “Adult Mode”. Цікаво?
- Google Labs: Показали новий продукт – CC. Агент продуктивності, який підключається до Gmail, Календаря та Диска, і надає щоденні персоналізовані “брифінги”. Зручно, якщо, як і я, використовуєте багато Google-акаунтів. Але поки що працює лише з особистими обліковими записами.
- Google Gemini: Покращили модель текст-у-мовлення Gemini 2.5. Звучить дуже природно! А ще, їхня функція Deep Research тепер генерує візуальні звіти з графіками та діаграмами. Поки що доступно лише для підписників Ultra, але це питання часу.
- Gemini 3 Flash: Google випустила ще одну версію Gemini – Flash. Швидка, дешева і, як кажуть, досить точна модель. Ідеально для творчих завдань, але будьте уважні – вона може “галюцинувати” більше, ніж інші. Ця модель зараз стає дефолтною в Google Search.
- OpenAI GPT-5.2 Codex: Нова модель для кодування, яка, за заявами OpenAI, є найсучаснішою для професійного програмного інжинірингу та кібербезпеки.
- Нові відкриті моделі:
- Nvidia Neotron 3: Серія відкритих моделей (Nano, Super, Ultra). Їх можна встановлювати та запускати локально.
- Xiaomi Mimo V2 Flash: Ще одна відкрита модель, яка добре працює в сценаріях з міркуваннями, кодуванням та агентами.
- Manus 1.6: Нова версія потужного агента.
- Тренування ШІ в космосі? StarCloud планує тренувати свою першу модель у космосі, розгортаючи центри обробки даних на супутниках. Футуристично, але питань багато: охолодження, космічне сміття.
- Microsoft Trellis 2: Бере зображення і робить 3D-моделі. Результати – реалістичні!
- Amazon: Має власний чат-бот, ексклюзивно для Alexa Plus абонентів. Але найцікавіше – AI буде відповідати на дзвінки у двері Ring! Зручно чи весело – хто знає, що скаже ШІ-охоронець…
- Mistral OCR 3: Найкраща модель оптичного розпізнавання символів (OCR) на сьогодні. Перетворює рукописний текст на друкований. Планую використати для власного щоденникового додатку.
- Meta AI Glasses: Мають функцію “Conversation Focus”, яка посилює голос співрозмовника в шумному середовищі. А ще – інтеграція зі Spotify.
- “Слоп” – слово 2025 року за версією Merriam-Webster! Означає “цифровий контент низької якості”, який часто створюється за допомогою ШІ. Нарешті, визнання!
Висновок: Рік “слопу”, але зі смаком!
Пам’ятаєте, грудень мав бути спокійним? Саме цей місяць вибухнув найбільшою кількістю новин зі світу ШІ. Як… ніби чекаєш тихого вечора, а раптом – свято, але не зовсім таке, як ти планував.
Ми побачили нові моделі генерації та редагування зображень, неймовірні можливості зі звуком, інструменти для створення ШІ-додатків з телефону, прориви у відеогенерації, покращення для розробників, нові можливості для користувачів Google та OpenAI, а також експерименти, як-от тренування ШІ в космосі.
І, звісно, “слоп” як слово року – офіційне визнання. Жарт, але влучно описує потік контенту. Але і в цьому “слопі” є магія. Це свідчення того, наскільки швидко розвивається технологія, наскільки креативними можуть бути люди, і як багато інструментів стає доступним кожному.
Що далі?
- Експериментуйте! Спробуйте нові інструменти. Використовуйте промокод WOLFE для Vibe Code, спробуйте Flux 2 Max, досліджуйте META Playground [посилання].
- Будьте уважні. Швидші та дешевші моделі можуть мати недоліки, особливо щодо точності. Завжди перевіряйте інформацію.
- Залишайтеся на зв’язку. Підписуйтесь на мій канал [посилання], щоб не пропустити огляди. Наступного тижня – ще один, сподіваюся, спокійніший.
Підсумовуючи, цей тиждень був справжнім випробуванням для мого обладнання і, чесно кажучи, для нервів. Але неймовірно захоплююче! Ми бачимо, як ШІ стає доступнішим, потужнішим і інтегрованішим у наше життя.
У підсумку: різдвяний сезон може бути напруженим, але це чудово, коли технології розвиваються так стрімко. Головне – не загубитися, а знаходити інструменти, які допоможуть творити, навчатися та розвиватися.
Дякую, що провели час зі мною. Сподіваюся, ви “в курсі”! До зустрічі наступного тижня!
До наступної зустрічі, і дякую, що “нердите” разом зі мною!
