В Китае построили проект Hyper loop, который хотели построить в США: капсулу уже разогнали до 1000 км/ч. Поезд на магнитной подушке двигается в вакуумной трубе со скоростью самолета.
Строится трасса Шанхай–Ханчжоу: 200 км за 9 минут. Следом — Пекин–Шанхай за 1,5 часа. Проект ведёт CASIC — производитель спутников и ракет.
Индия тестируют hyperloop Дели–Джайпур. Обещают сократить путь с 5 часов до 30 минут.
Американский проект в 2023 году закрылся после десяти лет пиара Илона Маска.
30 мая 1960 года Совет Министров СССР издал постановление о параллельной постройке двух прототипов Ми-8 - однодвигательного В-8 и двухдвигательного В-8А .
Представьте себе магов.
Не тех, что спасают мир, борются с тьмой или налаживают баланс стихий.
А тех, кто слишком силён, чтобы не разрушать.
Когда магия становится проклятием, а каждый ритуал — трещиной в ткани реальности,
начинается не война…
а соревнование за право быть последним именем, высеченным в камне умирающего мира.
Настольная игра "Последние колдуны умирающего мира" (Last Sorcerers of the Shattered World)
Я разрабатываю настольную игру, где каждый ход — это выбор между силой и разрушением.
Каждый шаг вперёд — это шаг по выгорающей карте.
Каждое столкновение — это паника и скорость в дуэли, где время — твой главный враг.
Философская глубина — не ты защищаешь мир, а наблюдаешь, как он умирает по твоей вине.
Настоящая цена силы — чем ты сильнее, тем быстрее рушится всё вокруг.
Битвы в реальном времени — не расчёты, а гонка: побеждает не сильнейший, а быстрейший.
Пространство как ресурс — поле исчезает, его нельзя "захватить" — его можно только прожечь.
Победа — это выжить… или завершить финальный ритуал, который аннулирует всё.
Без спасения — тут нет "выйти из игры и вернуться". Умер — значит всё.
Карта как драма — ты строишь её и ты же уничтожаешь. Магия сожрала геометрию.
Прокачка через превосходство — ты не "фармишь", ты доминируешь. Это другое ощущение.
Многоходовка на выживание — последний не всегда сильнейший, но всегда — дальновиднейший.
Это игра не про магов. Это игра про выборы, последствия и выжженные следы власти.
Если тебе близка эстетика краха, разрушения и последнего взгляда в бездну —
эта игра для тебя.
Если интересно — подписывайся и узнавай новости из первых уст.
Название: Last Sorcerers of the Shattered World.
P.S. И еще: спешите участвовать в конкурсе оригинальных разработок настольных игр 2025 (КОРНИ 14) с призовым фондом 200 000 рублей от издательства настольных игр "Стиль Жизни"!
🔸 О чём будет эта статья:
Это история о запуске голосового продукта без инвестиций, без команды на 10 человек и без мак ноутбуков. Только идея, немного Python, желание автоматизировать то, что кажется очевидным, и Telegram-бот, который родился из расчетного долгого времени разработки.
Мы расскажем:
Как всё началось с простой мысли: «А что, если голос можно превратить в текст для быстрой записи?»
Когда я понял, что традиционные методы записи не так эффективны, пришла идея использовать голос для быстрого и структурированного фиксирования мыслей.
Почему я не стал ждать «идеального момента»
Желание решать проблему подтолкнуло меня к действиям без ожидания идеальных условий.
С какими трудностями столкнулся
Трудности с реализацией и организацией были, но они только ускорили процесс поиска решений.
Как писал MVP на коленке
Сделать быстро и с минимальными затратами — так появился первый прототип.
Как тестировали на друзьях и случайных людях
Обратная связь от знакомых помогла улучшить продукт.
Почему Telegram оказался идеальной точкой входа
Телеграм был простым и удобным инструментом для быстрого запуска проекта.
Если ты когда-то хотел запустить свой продукт, но откладывал из-за «недостатка ресурсов» — это история для тебя.
Если тебе интересно, как рождаются реально полезные вещи — из боли, рутин, неудобства — тебе сюда.
Если ты хочешь понять, как мыслит команда, которая делает сервис для реальных людей, а не питчей — ты на месте.
Зачем вообще всё это понадобилось
– как идея родилась из личной рутины
– голосовые, заметки, неуспевание фиксировать мысли
– «хочу просто сказать и получить нормальный текст»
С чего было начало технической части
– Python + библиотеки для распознавания речи
– эксперименты с Vosk, Whisper
– первые сломанные скрипты и первая фраза, которую система распознала
Почему Telegram и MVP за пару дней
– запуск без фронта и лишней сложности
– простой бот, отправляешь голос — получаешь текст
– реакция друзей: «Эммм… Это ты сделал?»
– как фиксили баги в реальном времени
Работа с текстом: сделать не просто транскрипт, а читаемый текст
– как начали «чистить» речь
– от удаления "э-э", "ну", до перестроения структуры.
– И создания правильного форматирования с разбиением на абзацы
Сайт, демка, первые фидбеки
– как собирали сайт для демонстрации
– кто первые пользователи, как реагировали
– какой фидбек оказался самым неожиданным
Что было самым сложным
– не техническая часть
– не бот
– а сделать так, чтобы продукт был «невидимым», простым и реально полезным
Что будет дальше
– продолжаем тестирование и доработку
– активно собираем фидбек, чтобы сделать продукт ещё лучше
– в ближайших статьях расскажем о новых фичах и о том, как развиваем систему дальше
Как пришла мысль разработки продукта?
Я по профессии специалист по компьютерным сетям и программист. Основная часть моего времени уходит на работу с кодом, но иногда хочется разобраться и в чём-то новом. Так я решил изучить тему право интеллектуальной собственности — просто для себя.
Чтение началось бодро: статьи, материалы, заметки. Но через какое-то время заметил, что информации становится слишком много. Прочитал абзац — вроде понятно. Перешёл к следующему — и тут понял, что не могу вспомнить, что было в предыдущем. Всё смешивается. Начал ловить себя на том, что читаю одно и то же несколько раз, потому что просто не удерживается в голове.
Тогда я решил записывать. Казалось бы, логично: фиксировать ключевые мысли, чтобы потом не забыть. Сразу вспомнились студенческие конспекты — быстро записать и забыть. Но когда стал делать это сейчас, уже осознанно, стало понятно, что такое способ обучение крайне не эффективный.
Во-первых, я начал писать от руки — и быстро столкнулся с тем, что потом с трудом разбираю свой почерк. Иногда вообще не могу понять, что хотел сказать. Во-вторых, редактировать такие записи практически невозможно. Ошибся — надо зачеркивать. Хочешь вставить мысль — уже негде. Всё выглядит одинаково важным, найти нужное потом тяжело.
Я решил поискать, как люди в целом ведут конспекты, чтобы делать это эффективнее. Обратился к ChatGPT — он выдал список из семи основных техник:
7 популярных методов конспектирования:
Метод Корнелла
Разделение страницы на три части: ключевые слова, основные записи и краткое резюме. Это помогает структурировать информацию и облегчить повторение.
Метод обрисовки (Outline)
Классическая иерархия: заголовки и подпункты, удобен для логической структуры.
Картирование (Mind Map)
Основная тема в центре, от неё расходятся подтемы, помогает визуализировать связи.
Метод боксов (Boxing Method)
Информация делится на блоки, каждый с одной темой, что ускоряет поиск.
Метод предложений (Sentence Method)
Короткие предложения без структуры, удобно для быстрого фиксирования информации.
Метод таблиц
Информация в виде таблицы с терминами, определениями, примерами и комментариями, удобно для сравнений.
Цифровой метод (Zettelkasten)
Каждая мысль — отдельная карточка, между ними устанавливаются связи, идеален для долгосрочной базы знаний.
Каждый метод интересен по-своему, но все они требуют усилий: остановиться, переосмыслить, оформить. Иногда на это уходит больше времени, чем на само чтение — особенно если хочется не просто написать, а понять и потом использовать.
Я понял, что в моём ритме это не работает. Нужно было что-то быстрее и проще — тогда я начал экспериментировать.
Я заметил, что лучше всего усваиваю материал, когда пересказываю его. Даже не кому-то, а самому себе. Это помогает закрепить смысл в голове. Так родилась идея проговаривать ключевые мысли вслух.
Я стал читать абзац, а затем кратко пересказывать его на своём языке — без заучивания, просто чтобы проверить, понял ли я суть. В этот момент включал запись на телефоне. Получались короткие голосовые заметки по 20–30 секунд.
Позже я прослушивал их или переводил в текст с помощью распознавания речи. Это оказалось неожиданно удобно: голосовые фрагменты не перегружены деталями, в них остаётся главное — и это мои собственные формулировки.
Так я пришёл к формату, который действительно сработал: понятный пересказ — в аудио. Без лишней структуры и ручной писанины. А при необходимости — всё можно превратить в текст, структурировать, сохранить или передать системе, которая поможет с анализом.
Этот подход оказался значительно эффективнее привычных заметок. Я больше не пытался записать всё подряд — только то, что действительно понял. Это экономило время и помогало лучше усваивать материал.
Со временем появилась потребность автоматизировать процесс — и тогда я решил сделать веб-сервис, который бы помог сохранять и обрабатывать голосовые заметки. Для быстрого запуска я сначала настроил сохранение записей в Telegram, как самый простой и доступный способ. Подробно о реализации, сложностях и технических деталях расскажу чуть ниже.
Главное, что я понял — самый простой способ иногда оказывается самым эффективным. Важно просто найти тот формат, который подходит именно тебе.
2. С чего было начало технической части
Всё началось с идеи, которую я придумал в голове, и с опросов среди друзей, чтобы понять, кому этот продукт может быть полезен. Я быстро понял, что идея голосовых заметок и их автоматического преобразования в текст могла бы быть полезной в разных сферах: от образования и бизнеса до повседневных задач. Это стало основой для следующего шага.
Затем я начал изучать основные фреймворки для работы с распознаванием речи. В первую очередь обратил внимание на Python и библиотеки для распознавания голоса, такие как Vosk и Whisper, а также на коммерческие решения от крупных компаний, таких как Яндекс. Это дало мне представление о том, что доступно в плане технологий.
Мой первоначальный план был прост: я хотел превратить голос в текст, затем обработать текст с помощью алгоритмов для выделения ключевых слов и идей, а затем передать это пользователю через веб-интерфейс. Я выбрал Django для бекенда, так как он казался идеальным выбором для быстрого старта.
Приблизительный макет проекта Визуал
Я начал с экспериментов с различными фреймворками, включая Vosk и Whisper. Решение использовать локальные нейросети для распознавания голоса оказалось одним из наиболее подходящих вариантов, так как оно позволило работать без зависимости от облачных сервисов. Однако, после нескольких тестов и установки моделей для распознавания, я понял, что интеграция будет сложнее, чем я ожидал.
Вариант тестов английской модели (легкие быстрые модели для экспериментов)
Далее я провел оценку времени, которое займет реализация всего проекта: от разработки фронтенда и бекенда до интеграции голосового распознавания и создания пользовательского интерфейса. Примерные расчёты показали, что на весь процесс может уйти от 3 до 6 месяцев.
Рассчитав, что времени на реализацию будет достаточно, я решил сосредоточиться на тестировании технологии и на том, как она работает в реальных условиях. И в какой-то момент, уже наблюдая за развитием технологий в этом сегменте, я увидел, что те компании, о которых я думал, уже сделали то, что я собирался только начать.
После серии тестов с распознаванием речи на базе Vosk и Whisper, а также после анализа конкурентов, стало ясно: времени на полноценную реализацию проекта — с фронтендом, бэкендом, пользовательским интерфейсом и всей обвязкой — нет. Разработка сайта с названием QuadratusAI, его подключение к распознаванию и создание визуального интерфейса могла бы занять месяцы. Это был бы хороший следующий шаг после получения обратной связи, но не первоочередной.
Я понял, что нужно запускаться максимально быстро, без лишних слоёв сложности. Так родилась идея Telegram-бота — простого, понятного и доступного для всех моих знакомых. Никакого веб-интерфейса, никаких регистраций — только Telegram, только голос и текст.
Я сел в выходные и полностью сосредоточился на создании минимального жизнеспособного продукта (MVP). На тот момент у меня не было опыта написания ботов для Telegram, и весь код оказался в одном файле — громоздком и запутанном. Я не до конца понимал, как правильно организовать взаимодействие с Telegram API, как обрабатывать разные события и команды. Несмотря на это, базовая логика работала: ты отправляешь голосовое сообщение — получаешь текст в ответ.
Первые пользователи, в основном друзья, были удивлены:
«Эммм… Это ты сделал?» — такой была типичная реакция.
Параллельно с этим шла "боевой режим" — баги и ошибки устранялись прямо во время использования. Например, где-то не обрабатывались ошибки при скачивании файла, где-то Telegram возвращал неожиданный формат. Всё это приходилось чинить на лету.
Позже я начал добавлять функциональность — например, подключил облачную текстовую нейросеть, чтобы дополнительно очищать распознанный текст, убирать артефакты речи, структурировать его. Следующим шагом стало выделение ключевых слов и добавление эмодзи, чтобы текст выглядел более живо и дружелюбно в формате Telegram-сообщений.
Также в планах появилось ещё множество идей: распознавание спикеров, интеллектуальная фильтрация, интеграция с внешними сервисами. Но запуск через Telegram дал главное — возможность быстро проверить гипотезу, получить реальные отклики и продолжать развивать идею без длительных задержек на подготовку.
QuadratusAI Bot
Распознавать речь — это только половина задачи. Вторая, не менее важная часть — превратить сырую транскрипцию в читабельный, структурированный текст, пригодный для восприятия.
На этом этапе началась работа с «очисткой» речи: удаление слов-паразитов, таких как «э-э», «ну», «короче», избавление от лишних пауз, повторов и артефактов устной речи. Одной только транскрипции было недостаточно — нужна была перестройка структуры фраз, чтобы текст был логически связанным и не терял смысла.
Все эти задачи решались через разные промты и тесты — постоянно пробовались новые интерпретации, варианты запросов к языковой модели. Цель была одна: оставить суть, вычистив шум. И шёл поиск оптимального баланса: чтобы и смысл сохранялся, и текст становился ближе к «человеческому» письму — со склонениями, правильным порядком слов и логикой изложения.
После создания рабочего Telegram-бота появилась идея подготовить демонстрационный сайт QuadratusAI.
Цель — презентовать проект, собрать первые отзывы и протестировать реакцию аудитории. Также это был шаг в сторону будущего полноценного веб-интерфейса.
Пример с использованием DeepSeek
Генерация сайта с помощью нейросетей
Для ускорения процесса разработки было решено использовать нейросети и ChatGPT.
План состоял в следующем: описать идею, получить сгенерированный HTML/CSS/JS-код и как можно быстрее развернуть результат.
Однако на практике генерация сайта оказалась далекой от идеала. В ответах модели были ошибки, неполные блоки, либо слишком сложная структура.
Была предпринята попытка использовать полный стек генерации, включая React + TypeScript, но пришлось дорабатывать код вручную, местами редактируя результат через Cursor (IDE), а местами просто «допиливая» вручную по частям.
Вместо задуманного чистого HTML + CSS + JS получилось решение на React + TypeScript + CSS, так как только в такой связке нейросеть выдавала более-менее стабильный результат.
Наполнение и оформление
После исправления основных багов началась работа по наполнению:
Вставка и оформление скриншотов демо-бота.
Подготовка визуальных блоков с описанием возможностей.
Перевод описания на английский язык для международной аудитории.
Сайт был размещён на бесплатном хостинге для сбора первых фидбеков.
Итоговая сборка и отладка заняли примерно неделю — иронично, но, как потом показалось, было бы быстрее написать всё с нуля вручную. Тем не менее, опыт стал важным шагом в проверке инструментов и подходов.
6. Что было самым сложным
Самым сложным в проекте оказалось не разработка, не интеграции и даже не баги. Эти проблемы решаются с помощью технологий и терпения. Настоящая сложность была в том, чтобы продукт был настолько простым, что пользователь даже не задумывался, как он работает.
Задача заключалась в создании интуитивно понятного и мгновенного взаимодействия без лишних шагов и ожидания. Чтобы пользователь не думал, куда нажимать или что ждать.
Архитектура была разделена на два компонента:
Первый — Telegram-бот. Он лёгкий и минималистичный, принимает голосовые сообщения и отправляет обратно текст. Обработка голоса не происходит на этом сервере, что делает его быстрым и простым.
Второй — сервер для обработки данных. Здесь происходит распознавание речи, очистка текста от лишних слов, структурирование и добавление эмоджи. Этот сервер выполняет все сложные операции, но скрыт от пользователя.
Такой подход позволил разделить критическую логику от пользовательского интерфейса. Это обеспечило гибкость в масштабировании и обновлениях без риска повлиять на работу фронтенда. Система может тестироваться и улучшаться без видимых изменений для пользователя.
Результат — простота использования: отправил голосовое сообщение — получил готовый текст. Без загрузок и прогресс-баров. Вся сложная логика скрыта, что делает продукт «невидимым» для пользователя.
7. Что будет дальше
Мы уже добились немалых результатов. Простой, но мощный инструмент, который когда-то казался идеей, теперь полностью работает, избавляя от множества рутинных задач. Всё, что нужно сделать, это просто сказать — и система превращает ваш голос в чистый, структурированный текст.
От разработки до тестирования — мы сосредоточились на том, чтобы пользователю не приходилось думать о том, как всё работает. Бот в Telegram работает без лишних шагов и интерфейсов. Система обрабатывает голос, очищает его от ненужных слов, выделяет ключевые моменты и возвращает результат, как если бы это была самая естественная часть общения.
Но мы не останавливаемся. Уже сейчас мы собираем фидбек и работаем над улучшением функционала. Скоро появятся дополнительные возможности, которые сделают продукт ещё проще и удобнее. Мы уверены, что эта простота и эффективность помогут вам избежать сложностей с записью мыслей и идей в любой ситуации.
Пробуйте, и вы сами увидите, как это может быть полезно в повседневной жизни. Заходите на сайт, тестируйте в боте — и почувствуйте, как это работает.
Сам бот: https://t.me/AudioFastAi_bot
Страница с проектом: https://quadratus-ai.netlify.app
Телеграмм канал: https://t.me/QuadratusAI
Прототипы героев известных фильмов используются для создания реалистичных и ярких образов персонажей. Они помогают авторам лучше понять эпоху, в которой происходит действие фильма, и передать дух времени.
Сергей Безруков, как настоящий мастер перевоплощения сыграл множество известных личностей, таких, как Александр Пушкин, Сергей Есенин и Владимир Высоцкий. Причем в каждой роли он смотрелся весьма органично.
Мистер Биг из сериала «Секс в большом городе» был мечтой главной героини, но персонаж этот вовсе не выдуманный. Главная героиня сериала была списана с автора книги, по которой и сняли телесериал, и мужчина её мечты, так же реальный человек, а именно бывший издатель Vogue, GQ и Vanity Fair Рон Галотти. Отличие лишь в том, что в реальной жизни «Керри» и «Мистер Биг» в конце концов, так и не смогли быть вместе.
Капитан Джек Воробей из фильма «Пираты Карибского моря», которого так мастерски изобразил Джонни Депп, на самом деле был списан с Джека Уорда по прозвищу Пташка. Это реальный человек, который родился в 1553 году и был известен как удачливый пират и один из самых известных пиратов своего времени.
Шерлок Холмс из произведений Артура Конан Дойля, имеет реального прототипа, им был знакомый писателю профессор Джозеф Белл. Профессор Джозеф Белл был британским врачом, был разносторонним человеком, интересовался физикой, химией и изучал влияние ядов на организм человека.
Киношный боксёр Рокки, которого сыграл Сильвестр Сталоне, использует стиль боя, и даже имя реального американского боксёра Рокки Марчиано, который считается единственным непобеждённым чемпионом в тяжёлом весе. В отличие от него, история Рокки Бальбоа совершенно другая, несмотря на то, что их внешность похожа.
Охотник Хью Гласс, которого сыграл Леонардо ДиКаприо в фильме «Выживший» и за роль в котором он получил премию «Оскар», является легендарной фигурой. С одной стороны, история, показанная в фильме Алехандро Гонсалеса Иньярриту, кажется подлинной, и есть некоторые отдельные свидетельства этого. С другой стороны, Гласс писал письма о своей мести за убийство сына, и поэтому отделить правду от вымысла невозможно.
Лиам Нисон, исполнивший роль промышленника Оскара Шиндлера, спасшего более тысячи евреев от Холокоста, назвал этот проект «великим». Любопытно, что Спилберг изначально планировал пригласить на роль Шиндлера актёров Харрисона Форда или Бруно Ганца.
Создатели фильмов об Индиане Джонсе не заявляли о том, что этот персонаж создан по образу и подобию археолога Роя Чепмена Эндрюса, однако самые внимательные фанаты франшизы и опытные журналисты обнаружили высокую вероятность такого сходства в ходе собственных исследований.
Британский актёр Колин Ферт, известный по таким фильмам, как «Гордость и предубеждение» (1995), «Английский пациент», «Влюблённый Шекспир», «Дориан Грей» и другим, идеально подходил для роли короля Великобритании Георга IV. Королева Елизавета II лично следила за кастингом и съёмками, так как Ферту предстояло сыграть её отца.
В знаменитом фильме «Титаник» Джеймса Кэмерона присутствуют как вымышленные персонажи, такие как Джек, так и основанные на реальных исторических личностях, речь идёт о Розе, которая была вдохновлена художницей и скульптором Беатрис Вуд, чья автобиография впечатлила режиссёра.
Эрин Брокович — эмоциональная, грубоватая и невероятно красивая женщина, дважды разведённая и мать троих детей. Она без юридического образования смогла добиться в суде признания одной из крупнейших мировых корпораций в загрязнении окружающей среды и выплаты компенсаций пострадавшим. Её сильный образ воплотила Джулии Робертс в фильме «Эрин Брокович» и получила премию «Оскар».
Мэрил Стрип нелегко досталась роль «железной леди» Маргарет Тэтчер. Многие продюсеры считали, что выбирать американскую актрису на роль британского премьер-министра «недостойно». Однако Стрип прекрасно справилась с задачей, получив за свою игру премию «Оскар».
Один из лучших современных французских фильмов, «1+1», основан на биографическом романе Филиппа Поццо ди Борго, парализованного инвалида, который действительно нанял мигранта Абделя Сеула в качестве сиделки. Актёр Омар Си, исполнивший роль Дрисса, получил эту роль ещё до написания сценария, а Даниэль Отой рассматривался на роль аристократа ди Борго.
Стивен Спилберг сначала рассматривал Джонни Деппа на роль известного мошенника Фрэнка Абигнейла в фильме «Поймай меня, если сможешь» из-за их внешнего сходства. Однако после приглашения Леонардо Ди Каприо на пробы режиссёр сразу утвердил его — актёр настолько убедительно сыграл сцену, где Абигнейл пытается обманным путём снять деньги со счёта, делая комплименты кассиру, что режиссёр в шутку поинтересовался, откуда у Ди Каприо такие навыки.
Фильм «Легенда №17» продемонстрировал российскому кинематографу, что такое захватывающий и качественно снятый сюжет и мастерски подобранный актёрский состав. Валерий Харламов в исполнении Данилы Козловского поразил даже тех, кто помнит легендарный матч между сборными СССР и Канады. Важную роль сыграли детали: Козловский снимался в настоящей куртке Харламова, для него сделали специальный кулон, похожий на тот, что носил знаменитый хоккеист, и другие нюансы.
Фильм «Джеки» с Натали Портман рассказывает историю Жаклин Кеннеди, жены президента США Джона Кеннеди, в период после убийства её мужа в результате покушения. Портман отмечала, что восхищается характером миссис Кеннеди. Несмотря на своё горе, она сохраняла самообладание и понимала, что главная задача для неё сейчас — сохранить достижения своего мужа.
Спасибо за прочтение!
Подписывайтесь на канал!
Была такая бессмертная игра, которую делает почти каждый новый школьник, узнавший про программирование.
Почему бессмертная? - Относительно простая реализация, высокая вариативность дизайна. Можно добавлять новые элементы в правила. Или просто добавить еще одно измерение и освещение, текстуры - привнести сюда 3D и кубики, которые хочется рассмотреть вблизи и поклацать. Несмотря на весь прогресс в графике игр кликеры остаются востребованными, особенно если скомбинировать старую идею с каким-нибудь новым элементом.
В ходе генераций изображений FLUX-dev почти случайно создалась такая картинка и стало интересно, а что если Сапер облачить в такую форму?
Рендер основы для игрового поля. Выдвинутые - не открытые, задвинутые - открытые.
Нужно выбрать на чем написать такой minesweeper, чтобы упор был на 3D дизайн и свет. Кубики, которые пользователь вдавливает, чтобы проверить есть ли там бомба выглядят как настоящий камень и все они немножко разные. Используем эффекты полета над игровым полем с минами, пролета рядом с кубиками (между ними есть небольшое расстояние)
Оценим на чем проще это сделать на примерах LibGDX или Godot используя генерацию кода в Сursor
Так как основной упор делается на 3D дизайн, детализацию текстур (гранитные или мраморные кубики, выглядящие как настоящий камень и немного разные) и зрелищные caméra эффекты (полёт над полем, пролёт между кубиками), Godot Engine является значительно более подходящим выбором по сравнению с LibGDX.
Давайте разберем почему:
3D Возможности и Визуальный Дизайн:
Godot: Это полноценный 3D-движок. У него есть интегрированный 3D-редактор, который позволяет легко расставлять объекты (кубики, свет, камеру), настраивать материалы с поддержкой PBR (Physically Based Rendering), работать с различными источниками света (направленный, точечный, прожектор), тенями и даже глобальным освещением (GI - Global Illumination, что может сильно улучшить реалистичность света, как на вашей картинке). Создавать и настраивать детализированные "каменные" материалы из текстур (диффузная, нормали, шероховатость/металличность) в Godot очень удобно через встроенные шейдеры и материальную систему. "Немного разные" кубики легко реализовать либо путем использования нескольких вариаций меша/текстур, либо путем незначительных рандомных изменений параметров материала или трансформаций каждой копии кубика прямо в редакторе или коде.
LibGDX: Это, скорее, 3D-фреймворк. У него есть модуль для работы с 3D, но у вас нет полноценного визуального редактора сцены, материалов или света. Все приходится делать кодом. Настройка PBR, сложного освещения, теней требует значительно больше ручной работы, написания шейдеров или использования сторонних библиотек. Хотя сделать детализированное 3D можно, объем работы и сложность будет гораздо выше, чем в Godot.
Камера Эффекты и Анимация:
Godot: Имеет мощную встроенную систему анимации с визуальной временной шкалой. Вы можете легко анимировать положение, вращение, параметры камеры, а также любые свойства объектов (например, опускание кубика при нажатии). Создание сложных траекторий для полёта камеры (например, по кривой Безье или пути) в Godot интуитивно понятно через инструменты редактора.
LibGDX: Для анимации вам придется писать код, использующий интерполяцию. Создание сложных траекторий камеры потребует программной реализации. Нет удобного визуального инструмента для создания и редактирования анимационных клипов или путей движения.
Удобство Работы и Скорость Разработки (для ваших задач):
Godot: Благодаря интегрированному редактору, сцене, системе нодов, визуальному редактору материалов и анимации, вы сможете гораздо быстрее собрать прототип, настроить внешний вид, свет и анимации. Работа с Godot будет более визуальной и интуитивной, что соответствует вашему упору на дизайн и свет. GDScript (основной язык Godot) прост в изучении и хорошо интегрирован с движком.
LibGDX: Поскольку это фреймворк, вам придется писать гораздо больше "инфраструктурного" кода для управления сценой, рендерингом, загрузкой ассетов, обработкой ввода в 3D-контексте. Это дает больше низкоуровневого контроля, но увеличивает время разработки, особенно когда приоритет на быстрый и красивый визуальный результат.
Генерация кода в Cursor:
Этот аспект не зависит от движка/фреймворка напрямую, а зависит от того, насколько хорошо Cursor умеет генерировать код на языках, используемых в этих инструментах. Cursor (или любой другой AI-ассистент) может помочь писать код как на Java/Kotlin для LibGDX, так и на GDScript или C# для Godot. Наличие или отсутствие этой возможности в Cursor не влияет на пригодность самого движка/фреймворка для 3D задач.
Итоговый выбор:
Для создания Minesweeper с сильным акцентом на визуальный 3D дизайн, реалистичные текстуры, сложные эффекты освещения и зрелищные движения камеры, Godot Engine подходит гораздо лучше. Его встроенные инструменты для 3D-моделирования (в плане сцены), материалов (PBR), освещения, теней и анимации интуитивны и значительно ускоряют процесс достижения желаемого визуального качества по сравнению с LibGDX, где почти всё приходится делать кодом.
Хотя LibGDX является мощным и гибким фреймворком, он требует гораздо больше низкоуровневой работы и понимания OpenGL ES для достижения такого уровня 3D-детализации и эффектов, что делает его менее оптимальным выбором, когда основной приоритет — это быстро и качественно реализовать именно визуальную часть 3D.
После некоторых набросков прототипа реализация отличается от задумки, но можно летать вокруг, приближать, удалять и желаемый эффект погружения частично присутствует.
Добавить skybox, настроить свет, тени, сгладить края и углы кубиков, подобрать текстуры и их модификаторы или поиграться с шейдерами, улучшить модель мин, сделать цифры гравировкой в кубиках и может получиться занятно.
УАЗ-ЛЛД
Компания братьев Лариных и их друзей попробовала в 90-х годах собирать люксовые версии автомобилей УАЗ-31512. Продукцию ателье ЛЛД сравнивали с работами Марторелли, из-за качества и стиля тюнинга.
Особенную гордость приносил факт того, что все детали были отечественными. Колёса – ВИЛС, шины – НИИШП, пластиковые элементы – компания «Аэро».
Самая большая гордность - жесткая крыша, собранная из многослойных сендвич-панелей. Она была быстросъемная благодаря специальным креплениям. В салоне новая пластиковая панель, коврики на полу, рулевое колесо от ГАЗ-3102. Выпускали также грузовые версии с кузовом пикап.
