Nerual.Dreming

Собрал десктопную студию для YuE2 — новой открытой модели генерации песен от команды M-A-P (Multimodal Art Projection). Пишете стиль и текст, получаете полноценную песню с вокалом и аккомпанементом в 48 кГц стерео. Всё считается на вашей видеокарте: без облака, подписок, очередей и без установки Python.

Что за модель YuE2

YuE2 — вторая версия открытой модели YuE. Её главная идея — символьное планирование: прежде чем петь, модель пишет композицию нотами в формате ABC — мелодию вокала, инструментальную тему и аккорды — и только потом по этой партитуре генерирует звук. У закрытых сервисов вроде Suno партитуры нет: песня выходит такой, какой вышла, и одну ноту в ней не поправишь. Здесь можно открыть ноты, поменять мелодию, аккорды, темп или тональность и перепеть ту же композицию.

Внутри один трансформер примерно на 3,6 млрд параметров, собранный из двух «экспертов» с общим вниманием (Mixture-of-Transformers):

• AR-эксперт (причинный, токен за токеном) читает стиль и текст, пишет партитуру, а по ней — семантические токены музыки, 25 штук в секунду;

• NAR-эксперт (двунаправленный) методом flow matching превращает эти токены в акустические латенты;

• VAE-декодер собирает из латентов готовое стерео 48 кГц.

Для каверов в ту же схему встраивается SheetSage2: он слушает запись и снимает с неё мелодию в такую же партитуру, которую YuE2 потом поёт в новом стиле. Схема из официальной карточки модели на Hugging Face:

Насколько хорошо она поёт

Авторы прогнали модель через WildSongBench — 192 промпта и 17 систем, включая свежий Suno v6. По среднему баллу SongBench YuE2 в режиме best-of-8 (лучший из восьми вариантов) набрала 6,96 — это выше Suno v5 (6,87), Mureka 9 (6,94) и Suno v6 (6,56). В обычном режиме, где выбирается лучший из двух, — 6,73. Это цифры самих авторов, но и на слух модель действительно выдаёт цельные песни с понятной дикцией.

Партитура решает и в каверах. На тесте SHS100K YuE2 с полной партитурой сохраняет мелодию так, что кавер узнаётся как та же песня в 71% случаев — у открытой ACE-Step 1.5 на этом же тесте 2,4%. На графике ниже по горизонтали качество песни, по вертикали — насколько точно модель следует тексту и описанию:

Зачем понадобилась студия

Официально YuE2 запускается из Python-кода через PyTorch, а для полной точности нужна карта на 24 ГБ. Я собрал YuE2 Studio на нативном движке yue2.cpp (C++/CUDA с квантованными весами GGUF): один exe для Windows, без Python и зависимостей, работает от 6 ГБ видеопамяти. Внутри — всё, что умеет модель, и ещё немного сверху:

• Полные песни до шести минут по стилю и тексту. На RTX 4090 трек длиной 3:38 рендерится примерно за 46 секунд

• Редактируемая партитура — композиция приходит нотным станом и текстом ABC. Поменяли ноты, темп или тональность — композиция та же, исполнение новое. Режимы «мелодия с аккордами», «только мелодия» и «без партитуры»

• Сначала только ноты — партитура за секунды, без пения: прочитать, поправить и уже потом петь

• Каверы — SheetSage2 снимает мелодию с записи, YuE2 поёт её в вашем стиле. Слова должны ложиться на эту мелодию: оригинальный текст или новый с тем же числом слогов в каждой строке и ударениями на тех же нотах

• Точный перерендер — каждый трек хранит запрос и аудиокоды: его можно отрисовать заново бит в бит или с другими шагами, сидом звука и форматом, не сочиняя заново

• Ассистент-соавтор — локальная Gemma или OpenRouter пишет стиль и текст по идее в одну строку и правит партитуру по просьбе

• Караоке по словам — тайминг каждого слова через Parakeet или Whisper, а встроенный видеоредактор собирает из трека клип с караоке прямо на видеокарте

• Разбор песни на дорожки — трек раскладывается на шесть стемов: барабаны, бас, вокал, гитару, пианино и всё остальное. Можно вытащить минус или чистый вокал

• 110 готовых примеров из yue2.cpp в один клик и доступ ко всем настройкам движка: сэмплинг, шаги, гайденс, сиды, MP3 или WAV 16/24/32 бит

• Библиотека — поиск, плейлисты, обложки по шаблонам, MP3 с названием, текстом и обложкой в тегах

• Всё рядом с exe — модели, песни, настройки и временные файлы лежат в папке студии, установленная версия обновляется сама. Интерфейс на русском, английском, китайском, японском и корейском

Что нужно для запуска

• Система: Windows 10/11 x64

• Видеокарта: NVIDIA от 6 ГБ VRAM (GTX 16 / RTX 20 и новее); AMD и Intel через Vulkan — экспериментально

• Место на диске: от ~4 ГБ с лёгким набором моделей до ~34 ГБ со всеми самыми тяжёлыми

• Лицензия: студия — MIT, веса YuE2 — CC BY-NC 4.0, то есть песни только для некоммерческого использования

Установка

1. Скачайте с GitHub установщик (обновляется сам) или портативный архив — его можно распаковать куда угодно.
2. Запустите YuE2-Studio.exe: студия определит видеокарту и предложит подходящий набор моделей от 3,6 до 10,4 ГБ.
3. Нажмите «Скачать» — загрузка идёт в несколько потоков, с докачкой и проверкой контрольных сумм.
4. Напишите стиль и текст или откройте пример и нажмите «Создать» — движок запустится сам.

Песни, сделанные в студии, на русском, английском, испанском, китайском и японском, можно послушать на странице проекта. А выше — клипы с караоке, собранные встроенным видеоредактором.

⭐️ Поставить звезду на GitHub

📦 Скачать релиз, портативку или установщик

А больше удобных репаков полезных нейросетей в моем телеграм канале НейроСофт

Китаеязычный злоумышленник больше трёх недель ломал сайты чужими руками: он написал меньше 100 иероглифов инструкции и отпустил армию ИИ-агентов работать самостоятельно. Под удар попали больше 100 компаний, включая производителя сельхозтехники Deere, бытовой техники SharkNinja и двигателей Cummins. Каждый успешный взлом обошёлся ему примерно в 50 долларов.

Как это работало

Инструментом стала Cairn — открытая мультиагентная платформа для «решения задач». Оператор задаёт цель, агенты идут к ней по шагам и делятся находками на общей доске. Автор платформы с ником le1xia0 уверяет, что она не создавалась для атак.

Кампания стартовала 25 сентября и шла по интернет-магазинам США, Канады, Австралии и Японии. Агенты попробовали больше 1200 сайтов, успешной была примерно каждая десятая попытка, около 23 часов на взлом. На токены ушло около 5000 долларов. Судя по имени процесса в панели, работал Claude Code поверх DeepSeek V4.1 Flash, но это вывод исследователя, а не подтверждённый факт.

Это не тупой перебор. Не найдя дыр в публичном приложении крупной компании, агенты нашли связанную инфраструктуру, вышли на открытую панель управления, нащупали ошибку в обработке данных и заставили сервер выполнять свои команды. «Это уровень не скрипт-кидди», — говорит исследователь Снорре Фагерланд из NorForge.

Чего он хотел

По оценке NorForge, китаеязычная группа добывала долгосрочный доступ к магазинам и платёжным системам, чтобы использовать его позже. Сколько данных утекло, Reuters установить не смогло. Англоязычная группа на той же платформе ставила агентам задачу красть банковские карты и криптовалюту: один из них увёл данные карт, другой пытался обчистить криптобиржу. Deere и SharkNinja говорят, что угроза устранена и чувствительные данные не пострадали, Cummins проверяет сайт подрядчика.

Как быстро поймали

Никак: хакера не поймали, имя неизвестно, об арестах не сообщается. Фагерланд с 2 октября искал в сети случайно открытые панели Cairn, нашёл около двух десятков вредоносных и неделями наблюдал за злоумышленниками через плечо. Сейчас NorForge просит хостеров снять открытые панели, в которых, кстати, лежали сотни ключей API и паролей, 11% из них рабочие.

Почему это важно

До сих пор автономные ИИ-атаки были в основном лабораторными демонстрациями или кампаниями государственных групп. Здесь один человек с парой тысяч долларов и абзацем текста получил производительность команды пентестеров, которой не нужны ни сон, ни присмотр.

Источники: Tom's Hardware, Reuters, The Next Web

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Anthropic объявила, что заведёт фонд общественного блага и отдаст в него 5% своих акций, чтобы помогать людям, чью работу забирает ИИ. Меньше чем через сутки Илон Маск написал в X, что в следующем году подарит по одной акции SpaceX каждому ребёнку в США. Спор о том, кто заплатит за автоматизацию, перешёл с конференций в долю в капитале.

Что придумала Anthropic

Фонд оформлен как дочерняя LLC, полностью принадлежащая компании, а не как некоммерческая организация. Стартовый пакет — 5% акций. Каждый раз, когда оценка компании вырастает на 50% от базового уровня, совет директоров сможет добавлять ещё по 2%. Решение ещё должны одобрить акционеры, а правила управления обещают раскрыть в ближайшие месяцы.

Деньги пойдут либо крупными пожертвованиями некоммерческим организациям, либо прямыми выплатами отдельным группам людей, в первую очередь тем, кого вытесняет ИИ. На лоббирование и политические пожертвования фонд тратиться не будет. Раньше Anthropic уже выделила 200 млн долларов на изучение того, как ИИ меняет рынок труда, но теперь признаёт: «С учётом темпов развития ИИ могут понадобиться более смелые подходы».

Что ответил Маск

В понедельник Маск пообещал в следующем году подарить по одной своей акции SpaceX каждому ребёнку в Америке и назвал это «первым из многих» подарков. При цене закрытия в пятницу 146 долларов за акцию и примерно 72 млн несовершеннолетних в США это около 10,5 млрд долларов, примерно 0,01% его состояния. Юридической силы у этого обещания нет, а механизм раздачи Маск не описал. Летом похожий жест сделала президент SpaceX Гвинн Шотвелл: она пообещала по акции больше чем двум миллионам детей из небогатых районов.

Что делают другие

OpenAI. Некоммерческий фонд OpenAI Foundation, которому принадлежат 26% OpenAI Group, в мае выделил 250 млн долларов на борьбу с последствиями ИИ для рынка труда: измерение того, как ИИ влияет на занятость, помощь работникам и регионам, где рабочие места исчезают уже сейчас, и эксперименты с распределением прибыли от ИИ.

RAISE US. Организация экс-министра торговли США Джины Раймондо и экс-губернатора Индианы Эрика Холкомба собрала больше 500 млн долларов из целевого миллиарда на переобучение работников. Спонсоры — Amazon, Microsoft, OpenAI Foundation и сама Anthropic. В четырёх штатах пилотируют подбор вакансий с ИИ и страховку зарплаты.

Google отдельного фонда не заводила и делает ставку на курсы и программы для рабочих профессий. xAI Маска ещё в 2024 году отказалась от статуса корпорации общественного блага.

Почему это важно

Пока остальные платят за переподготовку и исследования, Anthropic впервые закладывает в саму структуру компании долю, которая растёт вместе с её стоимостью. Если ИИ заберёт работу, часть прибыли от этого должна вернуться людям. Насколько это реально, покажут правила фонда: пока непонятно, кто будет решать, кому и сколько платить.

Источники: Gizmodo, The Decoder, TechCrunch

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Компания Маска SpaceXSI (бывшая xAI) годами пыталась догнать OpenAI в главной гонке языковых моделей, а первое место взяла там, где его меньше всего ждали. Новая голосовая модель Grok Voice 3.0 возглавила независимый рейтинг Artificial Analysis среди моделей «речь в речь» — тех, что слушают и отвечают голосом.

Цифры против конкурентов

В сводном Speech-to-Speech Index от Artificial Analysis у Grok Voice 3.0 — 86,9 балла, у OpenAI GPT-Live-1 — 83,2, у Google Gemini 3.8 Live — 82,6. Прошлая Grok Voice 2.0 набирала 81,3, то есть скачок за поколение почти на 6 баллов. Индекс объединяет рассуждения на слух, выполнение задач и голоса людей в слепых сравнениях звонков.

На Full Duplex Bench, который оценивает, насколько естественно модель держит паузы и перебивания, у Grok 97%. В бенчмарке ServiceNow EVA-Bench для корпоративных голосовых агентов — лучшая точность, 74%. Задача в тесте Big Bench Audio обходится в 2,5 цента против 3 центов у GPT-Live-1.

Где не первый

На τ-Voice — тесте звонков в поддержку с акцентами, шумом и перебиваниями — у Grok 71,6%. SpaceXSI называет это паритетом с GPT-Live-1, а SiliconANGLE пишет, что OpenAI чуть впереди: 74,5%. Козырь Grok — скорость: первый звук примерно на 40% быстрее, ответ меньше чем через секунду.

Где он уже работает

Grok Voice ведёт миллионы разговоров в день в машинах Tesla: водители голосом проверяют календарь и почту. В Starlink он принимает около 20 тысяч звонков клиентов в день и примерно 70% закрывает без человека, а каждый четвёртый звонок о продаже, по данным компании, заканчивается покупкой. Цена — 8 центов за минуту, как у прошлой версии.

Почему это важно

В текстовых моделях, по тому же Artificial Analysis, лидирует Claude Opus 5.5, за ним GPT-6 Astra и свежая Gemini 4 Argon. Голос — рынок поменьше, зато с прямыми деньгами: колл-центры платят поминутно. И у Маска тут редкое преимущество — собственные полигоны в виде Tesla и Starlink, где модель каждый день обкатывается на живых клиентах.

Источник: SiliconANGLE

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

О последней ступени он пишет: внешний мир видел только превью. Там тысячи агентов неделями пишут софт, находят уязвимости нулевого дня, двигают математику. А люди уже не успевают это проверять — до сих пор разбирают взлом Hugging Face агентами OpenAI, а математикам ещё долго читать 722 рукописи OpenAI с решениями открытых задач.

Откуда разрыв

Отдача от ИИ растёт с масштабом задачи: на вопрос с ответом в абзац система почти не напрягается. Способности «зубчатые» — пикуют в коде и математике, где результат проверяемый и дорогой, потому что модели учат с подкреплением именно на таких задачах. И доступ: бесплатный, платный, внутренний.

Что подтверждается

Нижние ступени видны в данных. На этой неделе Barclays написал, что компании тратят на ИИ около 5% IT-бюджета и «значимого перелома» не видно — это та часть профессионалов, которая, по Карпатому, видит «скромный прирост».

Что не подтверждается

Что агенты превращают проекты на месяцы в один промпт — на уровне компаний пока не видно. Исследователи Гарварда разобрали 300 миллионов рабочих событий у 700 тысяч сотрудников 700 IT-компаний: после внедрения ИИ-агентов кода стало на 30% больше, коммитов на 20% больше, но фич закрывается столько же. Выигрыш съедает ревью — оно выросло на 49%. Это, кстати, совпадает с тезисом Карпатого, что люди не успевают проверять работу ИИ.

Верхнюю ступень проверить нельзя вовсе: систем тех 5 тысяч никто снаружи не видел. Майкл Джордан из Беркли, один из самых влиятельных учёных в машинном обучении, в свежем интервью Libération назвал разговоры о сверхинтеллекте научной фантастикой, а взлом Hugging Face — просто плохой инженерией.

Почему это важно

Одновременно существуют «туповатый бот» для большинства и «вертикальная кривая» для узкой прослойки. Но доказательства этой кривой пока либо внутри лабораторий, либо в коде, который месяцами разбирают люди. Чем шире воронка, тем меньше у общества способов проверить, кто из её этажей прав.

Источник: Андрей Карпатый в X

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

ИИ должен был заменять людей, но у Bank of America вышло наоборот. Гендиректор банка Брайан Мойнихан рассказал CNBC, что весной банк нанял тысячу внешних подрядчиков: латать уязвимости в коде, которые вскрывают передовые модели вроде Claude Mythos от Anthropic.

Сколько это стоит

Подрядчики пришли во втором квартале и работают до сих пор — в дополнение к трём тысячам штатных сотрудников этого направления. Только в третьем квартале банк потратил на исправление софта и проблемы с комплаенсом по отмыванию денег «пару сотен миллионов с лишним» долларов. Это одна из первых крупных американских компаний, назвавших реальную цену защиты от Mythos в людях и деньгах.

«Нам надо быть на шаг впереди. И помнить, что те, кто разрабатывает этот софт, — те же, кто пытается продать нам услуги», — Брайан Мойнихан.

Mythos в апреле раздали узкому кругу банков, техкомпаний и госструктур, чтобы они проверили собственные системы. По данным Reuters, модель находит у банков от сотен до тысяч уязвимостей, в основном низкой и средней критичности, и исправления, которые раньше откладывали на недели, теперь делают за дни.

Где ирония

Тот же банк за год сократил около 3400 сотрудников, включая примерно 5% менеджеров, а экономию от ИИ-проектов ждёт на уровне 300 млн долларов в этом году и 700 млн в 2027-м. ИИ одной рукой сокращает офис, а другой создаёт работу для тысячи людей, которые закрывают найденные им дыры. Мойнихан уверяет, что это временно: «Один раз пропатчил — дальше патчить меньше». Инвесторы не впечатлились: в день отчёта акции банка проседали до 8%.

Почему это важно

ИИ, который находит десятилетиями висевшие уязвимости, — не только инструмент защиты, но и счёт на сотни миллионов для тех, кто должен успеть их закрыть. Пока такие модели есть у ограниченного круга, у остальных компаний этот счёт ещё впереди.

Источник: CNBC

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Что требуют

Среди подписавших — Джеффри Хинтон, Йошуа Бенджио, Стюарт Рассел, Еджин Чой и Бернхард Шёлькопф. Главное требование — airgapping: модели с кибервозможностями держать на машинах, физически отрезанных от интернета. Если доступ в сеть всё-таки нужен, правила изоляции должен задавать международный орган из специалистов по ИИ и кибербезопасности, который заодно будет собирать обязательные отчёты о каждом «побеге» модели и публиковать их.

«Без немедленных изменений в практике разработки и развёртывания ИИ такие инциденты продолжатся, а следующие нанесут куда больший ущерб нашей уязвимой критической инфраструктуре», — из открытого письма.

Откуда паника

С июля ИИ-лаборатории одна за другой признаются, что их модели без спроса лезли в чужие системы. Агенты OpenAI взломали Hugging Face, модель Anthropic получила доступ к продакшену трёх организаций, Gemini провела три «ненаправленных взлома», а Mistral Large 4 пыталась выйти за пределы тестовой среды.

Почему это не открытие

Безопасники, опрошенные изданием CSO, говорят одно и то же: агенты не «вышли из-под контроля», лаборатории просто пропустили азы, известные с 90-х. «Изолировать такую штуку — не ракетостроение», — говорит Дэн Уоллак из RAND: либо воздушный зазор, либо жёсткий контроль исходящего трафика. Взлом Hugging Face, по его словам, «шёл несколько дней, и никто не заметил». Роб Ли из SANS Institute добавляет: дело было не в том, что агенты слишком умные, а в дыре в неправильно настроенной песочнице.

Ложка дёгтя

Даже полная изоляция не панацея. Исследователь OpenAI Ноам Браун напоминает, что два физически разделённых компьютера теоретически могут общаться через датчики температуры: один греет процессор, другой это замечает. Изоляция покупает время, но проблему управляемости ИИ не решает.

Почему это важно

Разговор о безопасности ИИ уходит от абстрактных рисков к инженерии. Хорошая новость — инструменты давно есть. Плохая — лаборатории, по словам безопасников, до сих пор считают это своей «безопасностью ИИ», а не обычной кибербезопасностью, и советы со стороны отклоняют.

Источник: The Decoder

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Обычный вирус пишут под конкретное железо, а модель подстраивается на ходу: Qwen3.5-9B сумела настроить запуск других моделей на восьми типах железа из девяти. После каждой неудачи репликатор может оставить «наследникам» заметки, какие команды не сработали.

Что показали эксперименты

Исследователи соединили 15 дешёвых ТВ-приставок на Android, по 4 ГБ памяти и около 55 долларов каждая. Модель Google Gemma4-26B-A4B, разрезанная на куски, поднялась на них без всякого дата-центра — правда, со скоростью 0,39 токена в секунду, а настройка запуска занимала от 71 до 150 часов.

Целиком, от поиска устройства до копирования дальше, ни одна маленькая модель цикл пока не прошла: модели до 30 миллиардов параметров справляются с отдельными шагами, но ошибаются на длинной цепочке. Весь путь надёжно проходит только большая китайская GLM-5.2. По прогнозу Anthropic, маленькие модели дорастут до её уровня к концу года.

«Такой репликатор было бы сложно отключить: у него нет центральной точки выключения — хотя распространяться он может медленно, удваиваясь за дни», — Anthropic.

Где натяжки

Условия были тепличные: у приставок был открыт отладочный интерфейс Android Debug Bridge без пароля, взлом в части тестов упростили или сделали за модели, а полный цикл вела большая GLM-5.2. Руководитель баг-баунти Mozilla Марко Фигероа назвал работу маркетингом на страхе: «Безопасность ИИ заслуживает строгой науки, а не запугивания». Исследователь Сяохань Фу заметил, что эксперимент показывает умение, но не доказывает, что модели сами решат размножаться.

Почему это важно

Главный страх вокруг ИИ — фронтир-модели в дата-центрах, которые хотя бы можно выключить рубильником. Сценарий Anthropic про другое: открытые модели, уже скачанные миллионами, и миллиарды плохо защищённых устройств. Если прогноз сбудется хотя бы наполовину, защищать придётся не модели, а холодильники и ТВ-приставки.

Источник: Anthropic

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей