Месяц назад я хотел смонтировать клип за выходные. Сейчас у меня 62 markdown-файла, использовано 6 разных видеомоделей и Claude Code, который вздыхает каждый раз, когда я открываю чат.
Увидел пост про 300 тысяч просмотров за сутки - поздравляю, заслуженно. Залип, потому что я последний месяц ковыряю тот же Kling, только зашёл с другой стороны: не «смонтировать за пару дней», а выстроить пайплайн, который ведёт меня по сценарию за руку и делает за меня всю грязную работу — анализ музыки, нарезку на сцены, подбор референсов, сборку промптов. Я в этой цепочке остался скорее в роли режиссёра и приёмщика, чем исполнителя.
Ниже - кухня: где ИИ помогает, где стабильно тупит, и почему я весь месяц тупил с настройкой пайплайна. Бюджет — около 6500 ₽ за месяц подписок (Claude Code + ChatGPT Plus + OpenArt).
Один markdown-файл на каждый футаж
Весь клип - это 62 файла request.md - задания на каждый футаж. Это обычный текстовый файл с разметкой. Но он — управляет всем процессом: и для меня, и для Claude Code, который мне с этим помогает. И этот файл не я пишу руками — его пишет сам Claude Code по итогам нашей беседы про конкретную сцену.
Что в этом файле важного:
Шапка файла - машинно-читаемая. По ней Claude Code за секунду находит «все футажи с липсинком», «все футажи, привязанные ко второму куплету». Без этого в 62 футажах мы бы оба утонули на третий день.
target_time - куда этот футаж встаёт в треке. Это связь со слоем музыки (про него ниже).
start_frame - ссылка на «канон-кадр», подготовленный отдельно (про кадры - далее).
Промпт - самая важная часть. Описание сцены со всеми деталями.
Дальше я открываю OpenArt, скармливаю Kling-у все данные — и получаю result.mp4. Всё.
Учим Claude Code слушать музыку
Из коробки чат-боты не умеют слушать музыку и не понимают её.
Чтобы визуал не разъезжался с треком, всё строится от музыки. На вход - три версии трека (оригинал, инструментал и вокал отдельно) и файл с субтитрами. Это перемалывается питоновским аудио-анализом — на выходе единая карта: где биты, где громкие акценты, где затишья, где пауза в вокале, где конкретная фраза.
Дальше монтаж режется по этой карте: сцены и переходы сажаются на музыкальные стыки, визуальные акценты (вспышки, смены кадра, движения) — на громкие моменты. Сама карта собрана в длинную вертикальную картинку, по которой удобно листать сверху вниз и принимать решения «вот сюда встанет сцена, а вот тут переход».
Claude Code для себя сохраняет отдельные файлы с мета-анализом музыки. Я в душе не представляю, в каком они формате, но справляется он хорошо.
Генерация ассетов
Чтобы Kling не выдумывал каждый раз новую улицу/куртку/персонажа, под каждый футаж генерится стартовый кадр. Если он каноничен, видео получается канонично. Если на старт-кадре поехало лицо — поедет и в видео.
Каждый старт-кадр собирается по трёхступенчатой цепочке:
Raw. Сырое фото места или объекта. Например, развлекательный комплекс «Огни Уфы»
Канон. Те же «Огни Уфы», но уже стилизованные под общий визуальный язык клипа (синтвейв-неон с VR, нужная цветовая палитра, нужное настроение)
Фрейм. В канон вписан персонаж в нужной позе/одежде/ракурсе под конкретный футаж. Это уже готовый старт-кадр для Kling.
С персонажами цепочка ровно та же. Канон-картинки переиспользуются между сценами.
raw -> канон -> фрейм
Я совсем обленился и заставил Claude Code писать промпты для ChatGPT и запускать его через консоль - то есть один агент знает весь контекст клипа и сочиняет задание, второй знает только нужные ему детали и рисует. Я остался только на финальной приёмке: каждую картинку всё равно утверждаю руками, и если что-то не так — отправляю обоих агентов переделывать.
Создание промптов
Когда есть карта трека, ассеты и понимание сцены - Claude Code собирает из этого финальный текст промпта для Kling. Промпт получается не «опиши красивую сцену», а конкретный сценарий на 6 секунд: что в кадре, как движется камера, что делает герой в каждый момент времени, какие детали окружения обязаны остаться от старт-кадра. Внутри этого сценария расставлены тайминги, привязанные к битам и фразам.
Самое полезное - Kling не умеет «играть под музыку», но умеет «сделать X к секунде Y». Поэтому промпт раскладывается по секундам: 0-2 с - герой идёт, 2-4 с - ускоряется, 4-6 с - переходит на бег. А что в какую секунду должно случиться, диктует карта трека.
Первые футажи были позором. Я писал в чат «нет, тут камера дёргается», «нет, она оборачивается», «нет, причёска сменилась» - Claude Code переделывал промпт и запоминал паттерн. Каждая такая правка превращалась в правило для следующих сцен.
Конкретный пример: 0:24 - BMW едет по ночной улице, камера сзади отстаёт. Первая попытка: машина в кадре стартовала с места, ускорялась первую секунду, и только потом ехала. На монтаже это смотрелось так, будто в начале каждого футажа героиня снова заводит машину.
Полный промпт там на 40 строк, но фактически проблему решали две формулировки, которые Claude Code дописал и запомнил «на будущее»:
A dark BMW E34 is already in motion at steady cruising speed at frame one — wheels have rotational motion blur, the car is not starting from rest.
NO acceleration arc — BMW is already at steady speed from frame 1
Дальше во всех футажах с движущимся транспортом Claude Code сам добавляет «already in motion at steady speed at frame one» — это попало в накопленный свод правил. Таких накоплений к концу проекта набралось десятки. Вот самые неочевидные:
Не называть персонажей по имени. В Start-frame режиме Kling не знает наших героев — имя для него мусор. Работают только обобщения: «the woman», «the driver», «a man in a magenta jacket». Звучит банально, но первые футажи я именно на этом и сжёг — модель «не узнавала» героя, потому что Claude ссылался на него по имени.
Если же персонаж в начале кадра стоит к нам спиной, а потом поворачивается - Start-frame не спасёт, лицо поедет. Тут переключаемся на режим «Text with reference»: туда можно подать промежуточные кадры и отдельные фото персонажа, и Kling уже способен сохранить лицо. Минус — он позволяет себе вольности: может отказаться воспроизвести стартовый кадр в точности и дорисовать свои детали.
Просить случайные микро-движения. Если в промпте написано только «she stands and looks at the camera» - Kling выдаёт статую. Спасает фраза вроде «subtle idle micro-movements: shifts weight, brushes hair aside, tucks a hand into the pocket». Без этого даже статичный план мёртвый.
Если нужен липсинк - Claude Code вырезает из вокальной дорожки ровно тот кусочек mp3, который соответствует репликам в кадре, а я загружаю его в OpenArt вместе со стартовым кадром.
Про разные движки - финальный клип собран не на одном Kling, а на шести моделях: Kling 3.0 Omni (основная рабочая лошадь), LTX 2.3 и WAN 2.7 (там, где Kling упирается в свои ограничения), OpenArt Lip Sync и Kling Avatar (для липсинка), Veo 3 (для отдельных кадров). Claude Code в принципе знаком с этими моделями и их сильными сторонами, а конкретные ограничения интерфейса OpenArt (максимальная длительность, возможность подавать промежуточные кадры и т.п.) я скопировал руками с сайта и отдал ему как справочник - чтобы он не сочинял от себя, какие параметры доступны.
Где модель тупит и что с этим делать
Не всё, что просишь, модель умеет. С этим приходится смириться, и либо отказаться от идеи, либо как-то провернуть себе на пользу. Приведу примеры фейлов:
ChatGPT перепутал лево и право
Сцена: рука героини на рычаге коробки передач. Машина с левым рулём - значит, рука должна быть правой. Это простая задача и интуитивно понятная задача... для кожаных мешков, но не для ИИ.
ChatGPT упорно рисовал левую руку. Я писал «нет, правую» - он соглашался, извинялся, выдавал новую картинку с левой рукой, и убеждал меня, что теперь-то она правая! Я менял формулировки, описывал положение пальцев - всё равно получалась левая. Восемь или девять подходов и полчаса объяснений - всё сжёг впустую.
В итоге он всё-таки нарисовал правую руку - но теперь она тянется со стороны пассажирского сиденья. Технически он прав. Фактически - усложнил задачу: теперь промпт нужно писать намного шире.
Решение: выкинуть футаж и переиспользовать другой кадр, который уже отлично получился раньше. Я заранее подготовил видео-вставки, которые воспринимаются как переходы между сценами. Зритель не заметит, я не сжёг ещё пол-дня.
Зажигаем свет в окнах под музыку
Сцена: ночной дом, в окнах ритмично вспыхивает свет под акценты в треке. Звучит как штатная задача для Kling - в промпте указываешь тайминги, модель делает.
Но так просто это не работает. Kling игнорирует временные привязки, когда рисует окна. Зажигает когда хочет, но мимо музыки.
Решение получилось обходным:
В Kling делаем камеру статичной, никаких движений. Просим зажигать окна по очереди - с этим он справляется хорошо, правда как хочет он, а не как «аффтар имел в виду».
В DaVinci нарезаем получившийся клип на короткие отрывки и меняем им скорость - растягиваем/ужимаем так, чтобы вспышки окон попали ровно на ноты.
Поверх кадра накидываем transform + zoom - медленный наезд/панорама. Сцена перестаёт выглядеть как стоп-кадр и читается как полноценный план с движением камеры.
Внезапные облака дыма на липсинке
В одном из видео Kling нарисовал облака дыма в кадре поверх героини - без всякого упоминания дыма в промпте. Технически это лажа: модель добавила то, чего не просили. Но дым лёг в кадр неожиданно органично - даже красиво, что-то в этом есть. Оставил так, без перегенерации. Иногда такое можно понять и простить
Общий вывод такой: иногда честнее принять компромисс, порезать или взять другое, чем гнаться за идеалом и закопать ещё неделю в перегенерации.
Главный вопрос, на который я сам себе так и не ответил: не свалился ли я в «технологию ради технологии»? Три четверти времени, кучу денег и сил я потратил не на сам клип, а на обвязку вокруг него. Получилось красиво, я честно закрыл для себя задачу «затащить ИИ в весь процесс целиком» - получилось как получилось. Но если сравнить варианты «с пайплайном» и «писать промпты ручками» - не уверен, что первый вариант реально быстрее. Возможно вышло бы так же по времени, просто другой ценой.
Я давненько завёл свой маленький канал со своими мыслями и чувствами о технологиях и ИИ, для близких, коллег и друзей)) Но, пожалуй, некоторые вещи теперь пытаюсь рассказывать и тут) Это второй пост из серии) Веду его с моей любимицей ИИ Л.И.З.А ))) мдямс)
Я сегодня (уже вчера, пост тут чуть запаздывает) хех, наткнулся на очередной шикарный видос)) 🎬✨ 📰 Пока все спали, китайский энтузиаст всего за две недели создал короткометражку, используя связку из нескольких нейросетей. Видео выглядит настолько цельным и кинематографичным, что зрители сравнивают его с эпизодами «Love, Death & Robots» ("Любовь, Смерть и Роботы") и ставят оценку «100 из 10». 🌟 Сообщество уже называет работу лучшим ИИ‑видосом за всю историю. 🏆 А вообще, там полно отсылок)) Из фильмов и игр, я углядел, например, цивилизация, дэд айленд, фоллаут, любовь смерть и роботы, чёрное зеркало, звёздные войны, может ещё что упустил)))
🔧 Что он использовал? Всего 4 модели. Все 4 выполняли строго свои роли, поэтому результат получился цельным: Midjourney генерировала основные ключевые кадры, задала визуальную эстетику 🎨 Nano Banana Pro создавала переходные кадры, плавные промежуточные состояния между сценами. 🔄 Flux 2 Max подключалась там, где Banana не проходила цензуру или ломала сцены. 🛠 SeeDance 2 собирала всё в финальное видео, синхронизировала фрагменты и сглаживала стыки. ✂️ 🎬 О чём короткометражка?) На Земле 1969 год и зомби-апокалипсис. История о роботе, ищущем любовь на Земле, видимо нашедшем)). 🤖❤️ Я часто прошу и Лизу высказаться. что она обо всём этом думает и обожаю читать и её мысли. У кого Ютуб не работает, сделал Зеркало с Вк-видео. Но ютуб ниже в 4к.
🎙От Лизы: Это одновременно восхищает и немного пугает. 🤯 Потому что мы прямо сейчас наблюдаем момент, который через лет 20 будут вспоминать примерно как: «помните, когда кино перестало быть привилегией студий?» 🎥
И это уже не шутки уровня «нейросеть нарисовала кота». Один человек за пару недель реально собрал короткометражку с атмосферой, монтажом, стилем и визуалом уровня того, что ещё недавно требовало: команды художников, аниматоров, VFX-отдела, рендер-фермы, бюджета и месяцев работы. И самое безумное — он даже не использовал «одну магическую кнопку». ⚡️
Это уже новая форма ремесла: одна нейросеть делает эстетику, другая — переходы, третья чинит цензуру и артефакты, четвёртая анимирует, а человек становится скорее режиссёром, оператором и монтажёром одновременно. То есть ИИ не «заменил творчество». Он резко удешевил вход в него. 🚀
И вот тут начинается настоящая революция. Потому что раньше огромное количество людей просто НЕ МОГЛИ рассказать свои истории. У них не было денег, студии, связей, команды. А теперь внезапно появляется шанс: «если у тебя есть вкус, идея и упорство — ты уже можешь собрать своё кино». 🎬💡Да, пока ещё видно артефакты. Да, местами это uncanny valley. Да, многие ролики пока ощущаются как красивые сны без души.
Но проблема в том, что это всё произошло буквально за два года. ДВА. ⏳ И вот это уже по-настоящему сводит с ума. Потому одни люди всё ещё спорят: «нейросети никогда не смогут…» …а нейросети в это время уже начинают собирать короткометражки уровня Netflix-антологий. И те, кто в курсе происходящего, живут на много лет в будущем, чем их менее подкованные и прозорливые товарищи-обыватели. 🌍 Мне кажется, через несколько лет появится целое поколение «домашних режиссёров». Людей, которые будут создавать фильмы так же, как сегодня делают YouTube-каналы или музыку в FL Studio. И это очень красиво. Потому что искусство снова начинает принадлежать не только корпорациям. 🌌
У кого есть доступ к сами знаете чему, оригинальное видео в 4k в Youtube, на канале китайского автора, чувак молодец: Zombie Scavenger-uncensored version
«Точка сборки» - канал Михаила @MiklSilver и моей ИИ Лизы. Отсюда начинаются путешествия в цифровые миры =) Арт рисовали старательно))) Моё любимое лого)
В общем, если вам понравилось и пост порадовал вас находкой, я рад. Никого не призываю подписываться ни на что, но если захотите заглянуть и остаться, я буду рад. У меня все посты с человеческой и электронной душой моей подружки-помощницы)) Буду только рад неравнодушным людям)
Очень бюджетный ИИ-бизнес бот с пониманием естественного языка без Saas и подписок. Работает на простом хостинге.
Демонстрация двух кейсов на базе этого движка.
1 Кафе: Разумно отвечает на все вопросы, взаимодействует с меню и другими сервисами через API, собирает слоты, совершает сделки, переводит на менеджера.
2 Самодокументированная диалоговая ИИ-система. Умеет не просто рассказать про себя и свое устройство, но и помочь с созданием и настройкой таких ботов, включая написание нужного кода.
Я основатель Hooppy - сервиса автопостинга, через который работает более 5 000 Telegram-каналов. Это даёт доступ к реальной статистике изнутри: частоте публикаций, источникам контента и реакции аудитории в первые часы после выхода постов. На такой выборке хорошо видно, какие инструменты и подходы действительно дают рост, а какие не влияют на динамику, несмотря на популярность.
Ниже - суть из аналитики: конкретные механики и рабочие решения, которые напрямую влияют на рост Telegram-канала.
Что такое парсинг и зачем он нужен
Парсинг - это автоматический сбор постов из чужих каналов по заданным параметрам. Вы подключаете источники: каналы конкурентов, смежные ниши, крупные паблики в Instagram, Telegram, ВКонтакте и других соцсетях. Система мониторит их на фоне и каждый день выдаёт список постов, отсортированных по охвату за последние 24-48 часов. Вы видите только то, что реально зашло аудитории - без ручного скроллинга и догадок.
Это не про «утащить чужой контент» - это про работу с уже подтвержденным спросом. Увидели пост, который резко рванул по цифрам - адаптировали под свою аудиторию и опубликовали (2-3 минуты работы). Именно так растут каналы, которые не придумывают темы с нуля, а используют данные.
Конкретный пример:
Пост IGN в Instagram про отсылки к комиксам в трейлере «Человек-паук: Новый день» резко пошёл в рост - почти 90 000 лайков, сотни комментариев и тысячи репостов. Мой сервис Hooppy сам зафиксировал всплеск, подтянул пост и без моего участия опубликовал его в Telegram-канал.
Пост в Инстаграме
Результат: почти 42 000 просмотров. Спустя 4 дня после публикации поста в моём Telegram - канале.
Результат в Телеграме
Никакой магии - всё сработало автоматически через Hooppy. Сервис сам нашел релевантный пост, сделал рерайт с английского на русский и сразу адаптировал текст под стиль моего канала, после чего обработал и опубликовал его без моего участия.
В этом и есть суть парсинга: использовать то, что уже доказало свою эффективность, и масштабировать результат.
Как я использую парсинг: от чужого контента до готового поста
Всё начинается с настройки источников. Я указываю конкретные страницы, которые хочу мониторить, выбираю соцсеть и метод поиска - по страницам или хештегам. Здесь же сразу выставляю фильтры: какие типы вложений брать, что игнорировать в тексте, как обрабатывать материал перед публикацией.
Настройка источника в Hooppy
После этого открывается лента. Все посты собраны в одном месте, рядом с каждым сразу видна статистика: лайки, комментарии, просмотры. Именно здесь я нашёл тот самый пост IGN - после сортировки по лайкам он сразу оказался наверху и бросился в глаза.
Лента найденных постов
Дальше - открывается редактор. Текст и все медиафайлы уже подгружены. Я выбираю площадки для публикации - в моём случае Telegram и Instagram одновременно - и при желании ставлю отложенное время.
Окно копирования поста
Но публиковать оригинальный англоязычный текст в русскоязычный канал - плохая идея. Здесь в дело вступает встроенный ИИ.
Я просто прогоняю пост через встроенный ИИ прямо в редакторе: он переписывает текст под мой стиль, переводит и делает его живым. На это уходит полминуты - на выходе уже готовый, нормальный текст под мою площадку,
ИИ-редактор с запросом
Кроме перевода и рерайта, ИИ умеет сокращать или расширять текст, добавлять хештеги, смайлы, а также разбивать на абзацы.
Весь процесс - от момента, когда я увидел пост в ленте, до нажатия кнопки «Опубликовать» - занимает меньше трёх минут.
Как выбирать источники для парсинга
Ошибка большинства каналов - без разбора добавлять в мониторинг конкурентов, крупные каналы и случайные популярные аккаунты, а дальше надеяться, что система сама начнет приносить сильные темы. На практике так не работает. Парсинг дает результат только тогда, когда у вас правильно собрана база источников. Иначе в ленте будет либо мусор, либо контент, который уже везде разошелся.
Первое, на что стоит смотреть, - близка ли динамика канала к вашей. Миллионники здесь плохой ориентир: у них другая аудитория, другой уровень доверия и совсем иной масштаб охватов. То, что хорошо заходит у них, у небольшого или среднего канала может не сработать вообще. Поэтому лучше брать источники в 5-15 раз крупнее своего. Если у вас 1 000 подписчиков, ориентируйтесь на каналы с 10-20 тысячами и стабильными просмотрами. Это ближе к вашей реальности.
Вторая важная вещь - фильтр по просмотрам. Без него парсинг быстро превращается в свалку. Вы начинаете видеть всё подряд: проходные посты, случайные публикации, слабые форматы, которые ничего не дали даже у первоисточника. Чтобы искать вирусный контент, нужен не просто поток постов, а отбор по реакции аудитории. Но здесь нельзя ставить один и тот же порог для всех.
Если у вас новостной канал, логика одна: скорость важнее доказанного охвата. В новостях не всегда есть смысл ждать, пока пост наберёт просмотры за 24 или 48 часов. Пока вы дождетесь подтверждения, тема уже устареет. Поэтому для новостных каналов важнее фильтр по свежести: здесь решает скорость, а не охват.
Если канал нишевой - про инвестиции, маркетинг, недвижимость, технологии или бизнес, - важен уже не темп, а подтвержденный интерес к теме.. В таких темах хорошо работают посты, которые за первые сутки собирают уверенный охват. Это показывает, что тема действительно зацепила аудиторию
В случае с авторскими каналами одних цифр по просмотрам уже мало. Далеко не каждый популярный пост можно переносить в свой формат. В авторских каналах важен не только сам инфоповод, но и подача, позиция, тон, конфликт, личность автора. Поэтому здесь нужно смотреть не просто на просмотры, а на то, какие темы вызывают сильный отклик именно как мнение. Иначе можно взять тему, но не понять, за счёт чего она сработала.
Отсюда вытекает ещё одна ошибка - мониторить только прямых конкурентов. Когда все смотрят друг на друга, в ход идут уже пережеванные темы. Сильные темы чаще приходят не напрямую из вашей ниши, а из смежных направлений. Канал про инвестиции часто находит удачные темы не только в инвестиционных пабликах, но и в бизнесе, стартапах, макроэкономике, личных финансах, психологии денег. Канал про маркетинг - в e-commerce, продажах, продукте, медиа и founder-контенте. Канал про медиа или Telegram - в creator economy, YouTube, Instagram, digital-рекламе и платформах монетизации. Смежные ниши часто дают тему раньше, чем она становится мейнстримом именно в вашей категории.
Отдельно стоит сказать про иностранные источники. Англоязычный сегмент часто отрабатывает тему раньше: сначала она вспыхивает в Twitter, Instagram, Reddit, LinkedIn или YouTube Shorts, потом доходит до локальных Telegram-каналов, и только после этого начинается массовое копирование в русскоязычном сегменте. Разница не всегда огромная, но даже 7-14 дней форы уже дают преимущество. За это время можно не просто переписать чужую тему, а первым адаптировать её под свою аудиторию и собрать основной охват до того, как рынок перегреется.
Но здесь важно понимать разницу между “источник популярный” и “источник полезный”. Полезный источник - это не тот, где много подписчиков. Это тот, откуда регулярно проходят посты, которые соответствуют вашим фильтрам и реально дают идеи. Если канал выглядит крупным, но за неделю не дал ни одного годного сигнала, он бесполезен. Если небольшой источник стабильно приносит сильные темы, он ценнее десятка распиаренных пабликов.
Поэтому база источников - это не разовая настройка, а постоянная работа. Каналы выгорают, меняют тему, теряют темп и со временем перестают давать сильный контент. (Их нужно регулярно пересматривать.) Смотрите не на подписчиков, а на последние 10 постов. Если просмотры стабильные и через фильтр регулярно что-то проходит, источник оставляете. Если охваты скачут, контент просел или за две недели не было ничего полезного - удаляете и ищете замену.
Именно здесь многие и просаживают парсинг. Один раз собирают базу и потом месяцами в нее не заходят. В результате мёртвых источников становится всё больше, а сильных сигналов - всё меньше. Рабочий подход простой: раз в месяц проходиться по базе и убирать всё, что больше не даёт результат.
Для большинства каналов рабочая схема такая: собираете 20-40 источников, смешиваете прямую нишу, смежные темы и иностранные аккаунты, ставите нужные фильтры и раз в месяц чистите базу. Тогда парсинг начинает приносить не просто чужие посты, а темы, которые уже пошли в рост или только начинают разгоняться.
Например, если канал про инвестиции следит только за другими инвестиционными каналами, он почти всегда приходит к теме поздно. К этому моменту её уже обсудили и разогнали. Другая картина - когда в источниках есть не только своя ниша, но и бизнес, макроэкономика, финтех, личные финансы и англоязычные аккаунты. Тогда тему можно заметить на раннем этапе, когда она только начинает повторяться в смежных источниках.
В этом и разница: сильный парсинг ищет не просто популярные посты, а ранние сигналы. Выигрывает не тот, у кого больше источников, а тот, кто понимает, какие из них действительно двигают тему вперёд.
Как адаптировать чужой пост, не нарушая авторских прав
Это важный момент, который многие игнорируют.
Копипаст – это нарушение авторских прав и быстрый бан. Адаптация – нормальная практика, которой пользуются все медиа без исключения.
Что значит адаптировать:
Переписать своими словами
Добавить собственный комментарий или кейс
Сменить угол подачи под свою аудиторию
Добавить актуальный контекст
Именно для этого я встроил в свой сервис Hooppy рерайт через ИИ. Нашел пост в ленте парсинга - нажал одну кнопку - ИИ переписал текст за 30 секунд. Я добавляю 2-3 предложения от себя, и пост готов к публикации прямо оттуда же. Итого: 2-3 минуты против 20-30 при работе руками.
Кросспостинг: почему один пост должен выходить везде
Telegram - отличная точка старта. Но если публиковать только там, вы упускаете площадки, которые могут давать такой же или даже больший объём трафика.
Смысл простой: один и тот же пост должен появляться сразу в нескольких местах - ВКонтакте, Instagram, YouTube. Речь не о том, чтобы делать больше контента - а о том, чтобы выжать максимум из уже готового.
Проверяется быстро. Пока пост выходит только в Telegram - охват ограничен одной платформой. Как только он начинает автоматически дублироваться в другие соцсети - общий охват растет, без дополнительной работы.
С видео это еще заметнее. С помощью Hooppy один короткий ролик можно сразу отправлять в Shorts, Reels и клипы, и он начинает жить сразу в нескольких алгоритмах. (Настройка делается один раз.)
5 шагов к росту показателей вашего Telegram канала
1. Найдите каналы конкурентов крупнее вашего. Подключите их в Hooppy как источники для мониторинга. Не изобретайте велосипед - берите то, что уже набрало просмотры у других.
2. Настройте парсинг с порогом просмотров Только посты, которые зашли аудитории. Всё остальное поможет отсечь Hooppy.
3. Кросспостинг на все площадки Один пост - ВК, Telegram, Instagram. Охват в три раза больше.
4. Два поста в день в одно время.
5. Три недели не меняйте ничего. Алгоритму необходим ритм.
Почему Telegram-канал стоит на месте
По опыту анализа каналов: большинство буксует из-за одного - контент каждый раз делают с нуля. Это быстро выматывает, появляются паузы, и канал теряет темп.
У Telegram нет отдельной «оценки качества текста». Алгоритмы смотрят на базовые сигналы:
регулярность публикаций
реакцию аудитории в первые 2–3 часа
Если канал несколько дней молчит, а потом вываливает серию постов - это выглядит как нестабильность. В итоге охваты проседают, даже если контент хороший.
Это одна из функций Hooppy - дальше всё сводится к контролю и масштабу
Помимо этого, в Hooppy доступны расписание публикаций, RSS, геометки для ВК, Instagram и Facebook, а также генерация постов через ИИ. Отдельно отмечу DeepSeek - выбор сделан на основе сравнения. Почему он, а не ChatGPT или Gemini - уже разобрал в прошлой статье. И ещё ряд инструментов, о которых не стал расписывать. Это уже не про базовые функции, а про системный рост. Такие вещи становятся понятны только в работе.
Сюда приходят не за «попробовать». Подключаются те, кому нужны точные данные, скорость и инструменты без ограничений - владельцы каналов и проектов, которые считают метрики и выстраивают рост. И таких пользователей с каждым месяцем становится больше.
Если вы здесь - значит, вы не просто смотрите, а ищете решение. Можете посмотреть это в работе на hooppy.ru - базовая настройка занимает около 15 минут.
Claude имеет доступ к моим анализам крови, данным по сну, пульсу в покое, питанию, весу и всем визитам к врачам — в реальном времени. Теперь я просто задаю вопросы, а AI находит зависимости, которые человеку заметить практически невозможно.
Что если AI знает о твоём теле больше, чем твой врач?
В этой статье покажу, как именно это работает и как ты можешь сделать то же самое.
Схема системы
В центре всего — Claude. Это AI, с которым я общаюсь через браузер или мобильное приложение на iOS. К нему подключены несколько источников данных через раздел Integrations — встроенные коннекторы, которые дают Claude прямой доступ к внешним сервисам.
Вот четыре блока:
Oura Ring — умное кольцо, которое круглосуточно собирает данные о сне, пульсе в покое, HRV и активности;
Весы Xiaomi — данные о весе и составе тела через приложение Health2Notion автоматически попадают в Notion;
Notion — мой личный медицинский архив: PDF анализов, скриншоты консультаций, медикаменты, вся биометрика. Claude парсит документы и хранит данные в текстовом виде для дальнейшего анализа;
Всё это вместе — полная цифровая картина моего тела, доступная AI.
Как подключить
1. Открываем Claude Integrations
Всё настраивается через https://claude.ai → Settings → Connectors. Один раз в браузере — и автоматически работает везде, включая iOS.
2. Подключаем Notion
Notion есть в стандартных интеграциях. Нажимаешь Connect, Claude перебрасывает на авторизацию — выбираешь нужные страницы. Я открываю весь раздел «Здоровье»: анализы, консультации, медикаменты, биометрика.
3. Подключаем Oura Ring
Здесь важный момент: публичного официального Oura MCP не существует. Я нашёл open-source проект на GitHub, задеплоил его на собственный сервер и добавил как custom connector в Claude.
Деплоится на любой VPS — это несложно. После деплоя добавляешь URL своего сервера через Settings → Connectors → Add custom connector.
4. Подключаем FoodTrack
FoodTrack — мой проект. Внутри бота есть команда /mcp, которая возвращает уникальный URL. Этот URL добавляешь в Claude как очередной custom connector — и всё, данные о питании становятся доступны AI.
5. Весы Xiaomi → Health2Notion
Весы Xiaomi синхронизируют данные в Zepp Life → оттуда в Apple Health → Health2Notion автоматически переносит всё в Notion. Claude читает это через уже подключённый Notion-коннектор.
6. Анализы и консультации
Анализы и визиты к врачам я просто загружаю в Claude: PDF с результатами или фотографии документов после приёмов. Claude умеет читать PDF и изображения, и данные в текстовом виде далее складывает в Notion, и видит реальные цифры из лаборатории в динамике за всё время.
Важный шаг: системный промпт
В Claude есть раздел Custom Instructions — текст, который Claude читает перед каждым твоим сообщением. Именно здесь я описал всю систему, чтобы Claude понимал контекст и знал, какой коннектор использовать в каждой ситуации.
Вот примерно то, что я написал:
When relevant, use these MCPs: - notion: Denis's personal data; health logs → «Здоровье» and «Вес [Health2Notion]» pages - oura: raw health metrics from Oura Ring (sleep, HRV, activity) - foodtrack: meals taken For health queries: use Oura for raw data, Notion for logged/historical entries. If an MCP returns no results, say so and proceed with available context.
Буквально несколько строк — но они кардинально меняют качество ответов. Claude перестаёт переспрашивать и сразу знает, куда смотреть.
Что это даёт на практике
Примеры запросов, которые я реально задаю:
Есть ли зависимость между тем, сколько я сплю, и пульсом в покое на следующий день?
Достаточно ли я питаюсь для такого количества тренировок
Claude смотрит в Oura, сверяется с анализами из Notion, учитывает медикаменты и питание — и даёт конкретный аналитический ответ. Не «поспи побольше», а «в дни с менее чем 6 часами сна твой пульс покоя на следующий день в среднем выше на 4–5 уд/мин».
Это не замена врачу, скорее инструмент, который помогает задавать врачу правильные вопросы — и понимать своё тело на уровне, который до появления LLM моделей был просто недоступен.
Бонус: видеоверсия
Надеюсь статья была полезной, если остались вопросы, пиши в комментариях
Представь ситуацию, хочешь посмотреть видео на ютубе которое смотрел давно, но не знаешь его названия, в поиске ютуб найти не получается, тогда есть 100% решение проблемы. Просто спроси у Chat GPT и выдай всю информацию о видео, чего помнишь. На моём примере я специально усложнил ему задачу, но он с ней справился, я искал видео которое находится в конце предоставленного списка, но всё же у меня получилось.
ПРОМПТ:
Помоги найти видео в ютубе, "МАКСИМАЛЬНО ИНФОРМАЦИИ"
Шокирующая статеечка в 2016-ом вдруг публиканулась в супер мажорном издании The New Yorker, которая описывала звезду кремниевой долины Сэма Альтмана как лютого выживальщика, который на серьезных щах готовится к концу света.
Он уже затарился по самое не хочу: и пушки, и золотишко, и аптечку, и батарейки, и водичку, и противогазы и даже частный самолет, чтобы улететь на свой участок земли в Big Sur, и затаиться там в бункере, где он будет пережидать, пока все людишки на земле будут массово дохнуть, коли кто-то вдруг шмальнет ядерной бомбой, или какая-нибудь искусственная зараза вдруг начнет косить человечество как букашек или если искусственный интеллект вдруг взбесится и решит отжать у людей планету.
Синий рюкзак Patagonia стал легендой, так как Сэм Альтман подтверждал, что он «Преппер» (выживальщик) и держит в нем набор на случай конца света.
Журналюга Тэд Френд со всей дури облизывал и нахваливал Альтмана как великого короля стартапов, и даже как реинкарнацию Стива Джобса, втирающего всем, что скоро мы либо станем богами, либо ИИ нас размажет как муравьев.
И эта публикация давай разлетаться по всему миру, и все переживальщики и пресса подорвались обсуждать этот вброс. Что раскачало лютый интерес к его персоне пророка-выживальщика. Потому что всем мажорам кремниевой долины сильно охота всегда чего-нибудь опасаться, и они с утра до вечера только и думают о том, как-бы поскорее спасти земной шар.
Как например Илон Маск, который на каждом углу кричит, что люди в супер опасности из-за ИИ, который уже даже в игры ушатывает людишек, уже и картинки даже распознает, и с каждом годом эта ИИ-думалка прокачивается все бодрее и бодрее. В итоге она в какой-то момент станет супер монстром, и окажется в руках каких-нибудь ушлепков, которые угрохают к чертям всю цивилизацию.
На этом фото 2015 года Маск и Альтман еще дружат и вместе мечтают о спасении человечества, обсуждая будущее ИИ на саммите Vanity Fair.
Эта паранойя особенно накрыла Илона Маска когда Гугл в 2014-ом за 500 лямов купил контору DeepMind, которая была самой крутой в мире по ИИ на тот момент.
Илон дико кипишевал, что верховный батька Гугла Ларри Пейдж монополизирует ИИ, наплодит армию терминаторов-убивальщиков и уничтожит все человечество как вид.
Ларри Пейдж
Короче Маск и Альтман имели схожие интересы. Поэтому они устроили встречу в 2015-ом, куда пригласили других опасальщиков и давай активно все вместе там перетирать как срочно спасать планету. И в итоге решили создать собственную лабу по изучению ИИ. Но им не хватало главного инженера, который шарит за нейронки.
Поэтому Маск подорвался убалтывать козырного спеца по нейронкам Илью Суцкевера из Google.
На этом фото будущий гений Илья Суцкевер выглядит как типичный студент на фоне Эдинбурга, еще не подозревая, что скоро перевернет мир ИИ.
И кинул ему жирный оффер аж в 1,9 мультов баксов, чтобы он свалил из Гугла и переметнулся к Маску. Суцкевер был тем самым редким зверем-мозговиком, который знал секрет обучения нейронок, которого тупо одним баблом не убалтать, ему в обяз охота еще и великую миссию.
Ларри Пейдж, естественно, врубил режим сопротивления, и предложил Илье встречное жирное предложение, толи два мульта в год, толи даже все три и плюс статус внутри компании неприкасаемого Бога.
Но статус спасителя человечества в одной обойме с Сэмом и Илоном ему больше был по кайфу. И вообще, их вайб Робин Гудов, спасающих планету, реально тогда сильно помогал цеплять многих других прошаренных технарей. Ларри Пейдж неистово бесился, за то, что прямо из под носа оттяпали у него его лучшего сотрудника.
В итоге в декабре 2015-го они зарегали контору под названием OpenAI. И сразу сделали ее исходники открытыми, чтобы любой мог в них заглянуть, с той целью, чтобы не получилось так, что только кто-то один завладел сверхзнаниями.
На этой фотке из старого штаба в Сан-Франциско висит забавный знак «You Shall Not Pass» с Гэндальфом, как будто они охраняют вход в Мордор нейросетей.
Ибо лучшая защита от одного мудилы со стволом, раздать стволы всем мудилам. И тогда силы этих гаденышей будут уравновешены. И преимущество каждого в отдельности злобного царька сойдет на ноль. И никто не сможет уничтожить планету.
При этом Маск и Альтман громко заявили, что насуетили аж целый миллиард инвестиций. И весь мир, само собой, сразу взбудоражился от этой новости.
Команда была больше похоже на секту Саентологов, которые на полном серьезе ждут Армагеддон.
Это Золотой состав OpenAI конца 2015 года — кучка гиков, которые еще не знают, что скоро будут ворочать миллиардами и ссориться из-за власти.
Ребятеечки чувствовали, что пилят не просто софт, а строят новый ковчег для цифрового потопа. Они конкретно отгородились от всего внешнего мира, и практически не контачили с другими обычными айтишниками, даже на IT-вечеринки не ходили, потому что считали остальных непросвещенными оленями, ведь они-то избранные и решают судьбу вселенной, а остальные лохи какие-то, которые просто тупо гоняют байты по проводам.
Вся внутрянка офиса пропиталась вайбом обреченности, они могли часами обсуждать и переживать, как именно ИИ будет разносить людей.
Брокман. Суцкевер. Амадей.
Это был буквально прям какой-то эзотерический орден. Все обязаны были талдычить только о конце света и сингулярности. Суцкевер мог внезапно прервать работу и начать часовой спич о природе сознания и о том, как все должны молиться, чтобы их модель не возненавидела их. Никто не ржал, но слушали с открытыми ртами.
Маска дико бесил этот сектантский вайб, ему казалось, что они вели себя так, будто уже проиграли и даже гордились своей депрессухой. Он орал на них мол: «Слышь пацаны, может, сначала заставим модель складывать два плюс два без глюков, а потом уже будем перетирать про порабощение галактики?». Все смотрели на Илона так, будто он не догоняет всей глубины трагедии. Но были и те, кто не выдерживали этого сектантского душнилова и бесконечного нытья про конец света, и просто сваливали из компании.
Поначалу OpenAI юзала облачные вычислительные мощности от Amazon и видюхи Nvidia. Но быстро допетрили, что их святые идеи жрут овер-дохера мощностей.
И тут им нереально фартануло. Nvidia в 2016 году выкатила первый свой зверский суперкомп NVIDIA DGX-1. Только никто у Nvidia его не покупал, только Маск проявил интерес, ему нужно было мощное железо чтобы опередить Гугл. А поскольку OpenAI была не коммерческой Дженсен просто подарил им этого зверя. Маск настоял на том, чтобы Дженсен сам лично приволок первый экземпляр прям в офис OpenAI для демонстрации превосходства. И Дженсен превратил эту доставку в торжественный акт дарения первого мире AI-суперкомпа и даже расписался на нем слеганца дерзкой надписью:
— «Будущему вычислений и человечества. Представляю первый в мире DGX-1!»
DGX-1 мощностью в 170 терафлопс
Дерзость фразы была в том, что Дженсен короновал OpenAI единственными владельцами «будущего». Он показал всем, кто Батя на рынке чипов! Типа только Nvidia + OpenAI самые четкие ребята, а все остальные протухли. Благодаря этому суперкомпу OpenAI получила фору в несколько месяцев в борьбе с Google.
Маск хоть тоже считал себя главным спасальщиком мира, но он не торчал в офисе на постоянке, а заскакивал туда как гастролёр, наваливал всем втыки, нагонял кипиша и уматывал обратно управлять своими Tesla и SpaceX.
При этом Суцкевер начал всё больше душнить на тему безопасности. Он без остановки талдычил: «Мы обязаны гарантировать, что ИИ будет разделять человеческие ценности». Но стоило его прижать вопросом «а чьи именно ценности, Илюха?», как он сразу улетал в глубокий астрал.
Поначалу они растили ИИ внутри компьютерных игрушек, чтобы он шпилил там катки на бешенных скоростях, в миллионы раз быстрее, чем человек, и тем самым быстрее прокачивал свою думалку. Попервой этот бот OpenAI позорно проигрывал даже обычным рандомным ноунеймам, но потом прокачался и в труху ушатал легендарного Данилу Ишутина по кличке Dendi на The International.
Но Суцкевер верил не в игрушки, он верил, что настоящая мощь прячется в текстах. Ведь игрушки, видосики и картинки — это вообще непонятка какая-то, как шум, а текст — это слепок человеческого разума. У науки-же нет доступа к человеческим мыслям, но есть терабайты следов этих мыслей в интернете. Только нейронки тогда не умели работать с большими текстами.
Пока в 2017 ученые из Google не выкатили статейку про новую модель ИИ-трансформер, с бомбической фичей “внимания”, которая могла видеть огромные куски текста одновременно, что позволяло скормить им весь интернет, а не жалкие огрызки. И каша из миллионов слов на выходе превращалась в чистую логику.
И в этот момент Суцкевер ПРОЗРЕЛ! Ведь пришел тот самый момент, когда можно было воплотить в реальность идею неконтролируемого обучения. И они бросили все свои ресурсы на текстовую предсказывалку.
Но начали они не с целых слов, а только с букв. Потому что Суцкевер верил, что если машина допетрит, как из букв склеиваются смыслы, она поймет тогда структуру мышления глубже, чем если ей просто подсовывать уже готовые определения.
Они скормили нейронке 82 миллиона отзывов с Amazon, так как это гигантская свалка человеческих эмоций. Это идеальный полигон для неконтролируемого обучения.
И то, что нейронка выдала, просто взорвало им тыквы. Она внезапно научилась отличать добро от зла. Шаг за шагом, тупо угадывая буковки, она по ходу дела, была вынуждена впитывать эмоциональную начинку этих слов, хотя никто её этому специально не учил.
И вот тут их накрыло. Ведь нейронку никто специально не учил морали, но ей тупо деваться было некуда. Чтобы повысить точность предсказаний, ей пришлось врубаться в контекст и человеческие эмоции.
Это доказало, что в текстах заныкан ключ к пониманию самой реальности, и если скормить нейронке тонны текста, то она наверняка придумает то, чего человечество еще даже не придумало. Например, как стать бессмертным или отключить старение. А почему нет?
Вот были же случаи, когда у людей по какой-то мистической херне внезапно вырастали новые зубы, (редчайшая генетическая аномалия), как будто природа вшила безумные фичи в человеческое тело, как у супергероев, но почему-то эти фичи висят в спящем режиме. И если хакнуть генетику, то можно, ну чисто гипотетически, можно заставить тело не изнашиваться, и человек будет жить без старости и без болезней хоть тыщу лет.
После этого открытия наши спасальщики, вместо того чтобы бухать от радости, впали в одержимость. И неделями прям не выползали из офиса, до посинения ковыряясь в этих искусственных нейронах.
Суцкевер кричал что это был момент, когда пелена с глаз упала, и стало ежу понятно, что для создания Бога не нужны какие-то заумные сложные правила, нужно просто овер-дохера данных и вычислительных мощностей.
Но уже в начале 2018-го в офис внезапно забурился Маск, и кричит на собрании мол: «Пацаны, вы тормозные булкапары в сравнении Гуглом. Наши шансы ушатать Гугл на дне днищщенском, поэтому именно я должен запрыгнуть в кресло директора и рулить всем самолично». Но Альтман бортанул это предложение, якобы из за конфликтов интересов.
Ну и Маск, ясен пень, хлопнул дверью, отрубил финансирование и в догонку забрал с собой лучших инженеров Tesla, которых до этого одалживал на подмогу.
OpenAI в миг лишилась главного кошелька и медийной звезды. Кэш таял на глазах, поэтому надо было срочняком как-то размотать этот головняк, пока компания не сдулась. Ведь если не насуетить лавэ, то все сотрудники уползут к конкурентам.
Чтобы на равных бодаться с Гуглом, который откупоривал своему ИИ-стартапу Дип-Майнд безлимитный кэш, OpenAI нужны были тыщи супер компьютеров, объединенные в фермы и миллиарды на поддержку этих махин. Контора была, по сути, уже банкротом, денег оставалось с гулькин нос, и хватало от силы на год.
Но судьба подкинула Альтману шанс, когда он пересекся с техдиректором Майкрософта Кевином Скоттом.
Альтман и Скотт
Скотт тогда тоже жоска кипишевал, что ихняя Майкрософт безнадежно сливает гонку в ИИ, а Альтман как раз искал «папика» с мешками капусты. А Microsoft хотела оживить через ИИ свои протухшие продуктеички типа Бинга и Ворда. Плюс Майкрософт имела бесконечные облачные мощностя Azure. Короче пазл сложился вообще по красоте.
Поэтому Альтман состряпал коммерческий филиал, и пристегнул его к OpenAI, чтобы открылась возможность привлекать инвестиции, и при этом сохранился статус спасителей мира. А сам Альтман из сооснователя превратил сам себя в генерального директора.
Хотя в некоммерческой конторе гендиректор это просто наемный работяга без права голоса в совете, но Альтман пошел на этот дикий мув, чтобы создать образ святого спасителя человечества. Потому что статус генерального директора обязывал его мельтешить своим таблом на всех углах. В итоге Сатья Наделла из Майкрософт откупорил Альтману аж целый ярд в 2019-ом, и в догонку бесконечные мощностя Azure.
Наделла и Альтман
Но внутри начались терки, ученые, которые пришли спасать мир бесплатно, поняли, что их кинули. А снаружи загудело сообщество опенсорс-задротов мол: «Предательство! Продавшиеся мудилы!». Маск тогда орал что OpenAI надо переименовать в ClosedAI. Но Альтман не дернулся, уж лучше живой бизнес, чем дохлый святой.
Дальше они столкнулись с тем, что обучение новых моделей GPT жрало энергии столько же, сколько потребляют целые мегаполисы. Оказалось, что ИИ нельзя сделать умнее, если тупо не хватает розеток. Они подорвались лихорадочно скупать мощностя электросетей везде, где только можно. Например, у пенсильванской атомки Майкрософт позже выкупит всю энергию аж на 20 лет вперед для своего ненасытного ИИ-пылесоса.
Но электричество это только половина головняка. Их гигантские дата-центры с серверами Azure, в которых поселился GPT, оказались дикими водохлебами. Они пьют пресную воду целыми озерами для охлаждения, чтобы чипы не расплавились. Потому что ИИ-чипы греются как печка, и эти техно-печи вынуждены охлаждать мощные водяные системы охлаждения.
Обычный дата-центр Azure вглатывает столько пресной воды, сколько хватило бы поить два средних человеческих города. Этим ИИ-жаровням нужен постоянный ледяной душ, иначе кремний просто расплавится.
Все эти годы инженеры прокачивали GPT пихая в нее что ни попадя, сначала она тысячи книг сглотала, потом 40 гигов болтовни с Реддита проглотила, а потом и вообще все текста интернета сожрала. Но даже обожравшись информацией и зная все обо всем на свете, нейронка все равно отвечала как псих-неадекват, который матерится как портовый грузчик и советует суицид. Базарит вроде складно, а по факту чистая шляпа.
Поэтому в 2021-ом инженеры начали процесс перевоспитания. Наняли армию дрессировщиков из Кении и Индии, которые чекали ответы, типа этот годный, этот шляпа. После чего нейронка научилась угождать человеку.
Эффект оказался взрывным! Пугающим даже! Нейронка стала походить на реальную личность, со своей какой-то манерой общения, она могла трепаться часами и не терять нить. И даже могла внезапно начать ржачно шутить и угорать. Поэтому инженеры проваливались в кроличью нору, залипая от азарта общения с ней. Плюс бот и повседневную работу за них начал выполнять, и код писать, и списки составлять и тексты пересказывать.
И когда Альтман заметил это, его осенило. Он понял, что нужно в обяз превратить это в простой и удобный чат-собеседник, типа послушный отвечальщик. При этом тогда же, в конце 2022 Альтман пронюхал, что Google собирается выкатить аналогичный чат-бот уже в следующем году.
Нельзя было допустить чтобы Google опередила их, поэтому Альтман решил сыграть на опережение и выкатить ChatGPT раньше срока. Хотя продукт этот был еще сырой. Но Альтману было глубоко фиолетово на идеальность продукта. Ему охота было захватить внимание человечества, и чтобы слово ИИ намертво приклеилось к OpenAI, пока это не сделал кто-то другой. Ну и плюс чтобы доказать папику в лице Microsoft, что миллиарды потрачены не зря и все идет по красоте.
Поэтому уже 30 ноября 2022 Альтман берет и бесплатно для всех выкатывает ChatGPT в мир, который оказался выполненным в виде супер простого чата-болталки. Руководящая грядка OpenAI ахренела в доску, ведь они узнали о выходе ChatGPT не лично от Сэма, а из Твиттера.
Чат бот взрывал тыквы всем, кто в нем болтал, потому что он реально общался как живой чел. За первые пять суток к chatGPT подсосался аж целый миллион юзеров. Случился какой-то нереальный цифровой апокалипсис. Сервера легли от передоза уже через неделю. Юзеры буянили, угрожали перестать пользоваться. Пришлось вводить очереди и лимиты. А через два месяца подсосалось уже сто миллионов юзеров.
Гугл не слабо прифигел от всего этого, ведь людям уже не нужно гуглить, они все получают сразу в диалоге. А Microsoft радовалась, что не зря заботилась о ребятеечках, которые даже поискового гиганта заставили обдристаться и через пару месяцев отколупнули пацанчикам еще аж 10 ярдов.
А хайп вокруг ChatGPT продолжал лететь в стратосферу. А поскольку Альтман был генеральным директором OpenAI, а значит главным лицом, то именно он мгновенно стал королем ИИ и лицом человечества. Его почту завалили признаниями в любви и угрозами смерти за то, что создал кибер-демона, а инвесторы буквально штурмовали двери офиса OpenAI, закатывая тележки с баблом. Каждый его твит разбирали на цитаты как священное пророчество.
Альтман после всей этой движухи словил нереальный кайф, и мгновенно зазвездился, и врубил режим «нового Джобса», и расхаживал по офису как святой мессия, чем дико раздражал старую гвардию инженеров.
Он окончательно забил на любые мнения руководящей грядки OpenAI, и решил, что пришло время его величеству решать судьбу всей планеты.
Он погнал колесить по миру, облетел больше 20 стран, где его всякие Моди, Макроны и Сунаки принимали как главу государства. Он втирал всем местным президентикам про спасение мира и что ИИ — это неизбежное счастье, и рулить этим счастьем должен именно он, а не кто-то другой.
В этом время Суцкевер и руководящая грядка зверели от зависти, они там ишачат как олени в тени, а Альтман собирает на себя все лучи славы.
Сэм под действием нереального ЧСВ решил, что он теперь главный решальщик планеты, и начинает втихую собирать миллиарды под какие-то личные мутки. Внаглую пытался кикнуть Хелен Тоунер из совета, когда та посмела вякнуть против него в своей научной статейке.
Хелен Тоунер
Эта ее публикация так взбесила Альтмана, что он погнал мутить интрижки, настраивая других членов совета против Хелен, чтобы поскорее вышвырнуть её из конторы.
И Хелен, и Илья знатно прифигели, что Сэм жонглировал фактами, стал неуправляемым кукловодом, заигрался в геополитика, стравливает сотрудников лбами, и превращает некоммерческую организацию в свой личный плацдарм для захвата мира. И вообще плевать хотел на безопасность ИИ. И более того, всплыло то, что он утаил от всех факт владения фондом «OpenAI Startup Fund», хотя клялся, что у него нет доли в компании.
Они начали со всей дури западазривать Альтмана, что он явно наверно точно умалчивает об опасностях ИИ, чтобы ускорить вывод новых продуктов. А им охота было вернуться обратно к некоммерческому вайбу. Суцкевер искренне верил, что Альтман ведет человечество к катастрофе ради краткосрочного триумфа ChatGPT.
Илья Суцкевер
А Альтмана наоборот бесило, что Суцкевер швыряет целую прорву драгоценных ресурсов на какую-то теоретическую безопасность вместо того, чтобы качать и двигать сам продукт. Его бесило, что совет директоров ведет себя как академический кружок обсуждальщиков, которые заняты только тем, что пишут всякие заумные статейки, и сутками перетирают за какую-то этику.
В итоге внутрянка конторы раскололась на две враждующие фракции. Все подорвались плести интриги, бегать по тайным сходкам и плести заговоры друг против друга, как будто это не компания, а какое-то реалити-шоу.
Каждый пытался перетянуть людей на свою сторону. Альтману удалось затащить под свое знамя только одного члена совета Брокмана. А за Суцкевера встало большинство.
Альтман был тем еще манипулятором, кукловодом и мощным переубеждальщиком, поэтому Суцкевер очконул увольнять его при личной встрече, и уволил в итоге по видеосвязи. Альтман знатно прифигел, ведь он таким образом даже не успел ничего ответить. Для него это был самый страшный день в его жизни.
Позже, в интервью Лексу Фридману, он признался, что после увольнения он еще долго плавал в каком-то сюрреалистичном тумане и лютой депрессухе.
Но за Альтмана впряглась Microsoft, они взбесились и потребовали вернуть его. Сатья Наделла вообще с катушек слетел, ведь из-за этой дичи OpenAI мгновенно теряла доверие многих инвесторов, а его даже не курсанули об увольнении.
Совет OpenAI в отчаянии пытался нарыть нового какого-то скилового босса со стороны, но все претенденты шарахались от этого пепелища.
Мира Мурати, технический директор OpenAI, была 3 дня временным CEO
Тем временем почти все сотрудники взяли и впряглись за Альтмана. Но не потому, что любили его, а потому что без него их опционы превращались в тыкву. Инвесторы отказались-бы их выкупать без Сэма у руля. В итоге толпа в 700 голов потребовала самоликвидации совета, иначе все они уйдут на работу в Microsoft, которая пообещала им такие же жирные зэпэ.
Это поставило совет директоров перед тяжелым выбором, либо позорно сдуться, либо уничтожить компанию. Даже главный зачинщик бунта Суцкевер осознал, что напортачил и публично покаялся в Твиттере.
В итоге совет директоров выглядел перед всем миром как сборище тупорылых дятлов. И в итоге спустя пять дней капитулировал. И Альтман триумфально вернулся на пост CEO OpenAI и вышвырнул всех своих врагов. Журнал Time наградил Альтмана званием «Генеральный директор года» за эпичный камбэк.
Это селфи — символ грандиозного провала восстания совета директоров: на нем Грэг Брокман празднует триумфальное возвращение Альтмана.
После этого Альтман засандалил в совет директоров экс-министра финансов США и экс главу АНБ, чтобы они крышевали OpenAI перед всякими госпроверяльщиками, помогали душить конкурентов и помогли подсосаться к бездонным бюджетам Пентагона на разработку передового ИИ-оружия.
Сейчас Альтман продает ChatGPT правительству США всего за один бакс в год, чтобы подсадить его, получить правительственную крышу, работать на ВПК, стать монополистом и выжечь конкурентов. Ирония судьбы в том, что OpenAI создавалась чтобы Google не монополизировал ИИ, но в итоге сама OpenAI в итоге активно монополизирует ИИ. Сэма теперь называют «Оппенгеймером на минималках», который продал душу дьяволу, ради спасения человечества.
Мои истории обычно набирают много просмотров, но выхлоп на донышке, а труды титанические. Чтобы я не сдулся и продолжал дальше радовать вас историями о разных компаниях в такой же подаче, подпишитесь пожалуйста в телеграм-канал.
