Midjourney для людей: «Шедеврум» от Яндекса возглавил топ App Store
Новости Отредактировано
«Яндекс» выпустил приложение «Шедеврум» для генерации изображений с помощью нейросети. Оно уже попало в топы российского App Store.
1К открытий1К показов
«Яндекс» выпустил бета-версию 0.1.4 приложения «Шедеврум» для генерации изображений с помощью нейросети.
Что интересно, приложение практически сразу попало в топ российского AppStore.
Первую версию генеративной модели обучили на 240 млн примеров картинок с текстовыми описаниями. А сейчас обучение продолжаю на наборе данных уже из 500 млн примеров. Так что в будущем Яндекс обещает улучшить качество.
Разработчики рассказали, что Шедеврум «любит» точные описания, поэтому чем подробнее будет описание — тем точнее результат. Алгоритм умеет работать в разных художественных стилях, понимает русский и английский язык и учитывает пожелания по детализации или реалистичности.
У Шедеврума есть несколько минусов. Это только бета-версия, результаты пока не такие идеальные, как у Midjourney, DALL-E и других нейросетей, а доступ выдают с задержкой.
Но Яндекс сделал то, что давно нужно было сделать. Шедеврум — это простой и понятный инструмент для людей, далёких от нейросетей, VPN-ов, API, Discord-ботов и прочих технических сложностей.
И самое приятное — пользовательская лента, в которую можно сразу выложить изображения вместе с промптом, посмотреть и полайкать другие работы.
«Шедеврум» уже достойный конкурент Midjourney и DALL-E или ещё нет?
Да, давно пора было появиться продукту с нормальным UI
Нет, всё равно он зависит от Midjourney и DALL-E
1К открытий1К показов
В итоге нашел «ту самую» и сделал ей предложение — тоже по совету ChatGPT.
Промпт-инжиниринг — новый тренд в искусственном интеллекте и машинном обучении. Вместе с Даниилом Дранга, Head of AI Products and Data Science в Райффайзенбанке, разбираемся, что это за профессия, и изучаем продвинутый промптинг.
Инженер Microsoft научил GPT-4 играть в DOOM (1993) и уничтожать там различных монстров и противников. Получилось своеобразно
Полтора года работы над проектом с десятками нейронных сетей позволили собрать ценные лайфхаки по внедрению, оптимизации и совместимости моделей. Статья помогает понять, как избежать распространённых ошибок и найти решения текущий проблем.