Tsuev | Blog

Написал себе бота, который будет запускаться вместе с моделью qwen-image. Генерации стали доступнее, ну или мобильнее) Данные берутся из самого comfyui, также поддерживается стриминг прогресса генерации #петпроект

Разнес свой стартап! Очень залипательный проект, можно разнести любой сайт в интерактивной игре 😂 https://destroy.spritefusion.com/ #интересно

В продолжение темы генерации картинок. Мое удивление, когда эта локальная модель идеально сформировала буквы без каких-либо артефактов и ошибок. A clean modern vector illustration on a pure white background. Large centered text reading exactly "NORTHWIND", with every letter spelled correctly and clearly separated. Bold geometric sans-serif type Еще 1-2 года назад топовая модель от OpenAI не имела такой возможности, все мы помним размазанные буквы и несуразицы. А модель от яндекса (YandexArt) до сих пор страдает от этого. #петопроект

Пошли дальше: поставил себе локальнуюa LLM Qwen3:14B Вы спросите зачем? Из данных тестов, которые делались вместе с вами. На данном этапе модель для генерации изображений имеет явный недостаток, она не умеет раскрывать ваш промпт. Условно, если вы напишете "хочу самолет", с вероятностью 90% он выкинет какой-нибудь кривой артефакт. А теперь я поставил между промптом юзера и результатом, прослойку ввиде локальной модели Qwen3 на 14 млрд параметров (это максимум, который комфортно поддерживает мое железо) Теперь техническая сторона, на схеме все просто: промпт ➡️ тг бот ➡️ Qwen3 (улучшает ✨) ➡️ nodejs-app (промежуточное ПО) ➡️ Qwen-Image (создает изображение✨) ➡️ тг бот (отправляет изображение в чат) Но на деле, видюха не может одновременно держат в себе 2 модели, потому что просто не хватает ресурсов. Поэтому в ollama через которую я открываю Qwen3 ставим переменную выгрузки llm из VRAM через 5 секунд после запроса, это чревато тем, что первый запуск будет долгим, но тут происходит интересная дилемма. Если оставить Qwen3 для быстрой улучшения пропта в VRAM, то Qwen-image будет отдавать ваше изображение в 3 раза медленнее. Иначе быстрая выгрузка освобождает ресурсы видеокарты, а qwen-image может спокойно собрать ваше изображение. Первый неоптимизированный запуск выдал порядка 6-7 минут в общем на результат по схеме выше Второй оптимизированный в среднем 15-30 сек на улучшение промпта и 100-115 сек на картинку Успех! #петпроект

Смотрим дальше... ollama run qwen3.5:9b

Каждый раз когда ии-агент спрашивает разрешение

Далее на очереди VoiceStudio абсолютно бесплатный аналог ElevenLabs с открытым исходным кодом. На примере мой клонированный голос, который читает введенный текст. Насколько это удивительно и точно. Далее пришлю оригинал своего голоса, где вы сможете послушать и дать сравнительный фидбэк) #петпроект Единственное он сильно глушит мой кавказский акцент)