Версия 0.5.0 от 14 августа 2026, лицензия AGPL-3.0. Ставится как обычная программа: MSI для Windows 10/11, DMG для macOS на Apple Silicon, AppImage для Linux. Из требований — 8 ГБ оперативной памяти (лучше 16), около 10 ГБ на диске под модели. Видеокарта не обязательна, всё умеет работать на процессоре; с GPU достаточно 4 ГБ видеопамяти.

Что умеет VoiceStudio

🟣 Клонирование голоса — zero-shot, хватает трёхсекундного образца; 5–15 секунд дают результат лучше

🟣 Дизайн голоса — собрать голос с нуля, задав возраст, акцент, высоту, манеру и подачу

🟣 Дубляж видео — распознаёт речь, переводит, разделяет спикеров, синтезирует и отдаёт готовое видео

🟣 Аудиокниги и истории — импорт EPUB и PDF, разные голоса на роли, рендер по главам, экспорт в .m4b

🟣 Диктовка в любом окне — системный хоткей, живая расшифровка, опционально чистка текста локальной моделью

🟣 Разделение голоса и фона — Demucs вытаскивает речь из музыки и шума

🟣 Разметка по спикерам — Pyannote и WhisperX сами разложат диалог по голосам

🟣 Сотни готовых голосов — галерея архетипов с акцентами, если возиться с клонированием не хочется

🟣 16 движков синтеза — CosyVoice 3, GPT-SoVITS, VoxCPM2, IndexTTS 2.5, KittenTTS, Supertonic 3, PocketTTS и dots.tts

🟣 11 движков распознавания — WhisperX, Faster-Whisper, Parakeet TDT, Moonshine, FunASR и другие

🟣 Своя замена облачному API — поднимает OpenAI-совместимый сервер на localhost:3900: в чужой программе меняешь один адрес, и озвучка идёт на вашем железе

🟣 Пакетная очередь — ставишь десятки видео и текстов в работу и уходишь

🟣 Работает на чём есть — CUDA, Apple Silicon, ROCm на Linux или просто процессор

Установка и запуск

⁍ Скачать со страницы релизов: .msi для Windows, .dmg для macOS на Apple Silicon или .AppImage для Linux

⁍ Запустить — при первом старте приложение само собирает окружение и качает модель по умолчанию

⁍ Открыть вкладку Voice Cloning, добавить чистый образец голоса на 5–15 секунд, ввести текст, выбрать язык и нажать Generate

⁍ На macOS первый запуск — правый клик по приложению и «Открыть». Intel-маки локальный движок не тянут, только удалённый бэкенд

🔗 GitHub: debpalash/VoiceStudio

📦 Скачать релиз под свою платформу: страница релизов

👾 РЕПАКИ И ПОРТАТИВКИ ПОЛЕЗНЫХ НЕЙРОСЕТЕЙ ● НЕЙРОСОФТ

История звучит как фантастика из ближайшего будущего. Берём обычный Wi-Fi, подключаем дешёвую плату ESP32 и получаем на экране человека, который находится за стеной. Без камеры, датчиков и браслетов.

Мне попался проект RuView: https://github.com/ruvnet/RuView, раньше он назывался WiFi-DensePose. На GitHub у него уже около 90 тысяч звёзд, а интернет забит роликами с аккуратными светящимися скелетами.

Я открыл репозиторий, документацию, модели и баг-репорты. Спойлер: это не пустышка. Но домашний рентген за девять долларов пока тоже не завезли.

Как Wi-Fi вообще может кого-то заметить

Роутер постоянно заполняет помещение радиоволнами. Они отражаются от стен, мебели и людей. Когда человек двигается или просто дышит, рисунок отражений немного меняется.

Совместимое железо может отдавать CSI, то есть подробные данные о состоянии радиоканала. Программа получает не фотографию, а огромный набор колебаний амплитуды и фазы.

Если совсем по-человечески, Wi-Fi не видит человека. Он слышит, как тело портит радиоэхо в комнате.

Из этого эха сравнительно легко понять, что кто-то вошёл, вышел или начал двигаться. Дыхание тоже создаёт периодические изменения. А вот восстановить положение рук, ног и головы намного сложнее. Для этого модель приходится обучать на синхронной записи Wi-Fi и камеры, причём конкретная комната сильно влияет на результат.

Что придётся купить

Обычный ноутбук или домашний роутер чаще всего показывает только RSSI, грубую силу сигнала. Этого достаточно для примитивного обнаружения движения, но не для человеческого скелета.

Для нормального CSI проект предлагает ESP32-S3 или ESP32-C6. Одна плата стоит примерно 6-10 долларов, однако в документации советуют использовать несколько узлов. Комплект из трёх-шести ESP32-S3 оценивается примерно в 54 доллара.

Тут есть важный момент. Быстрый запуск через Docker использует симулированные данные. Красивый интерфейс откроется даже без единой платы, но это демонстрация программы, а не доказательство того, что ваш роутер уже увидел соседа.

Официальная demo-визуализация из репозитория RuView.

А где подвох

Разработчики сейчас довольно честно расписали состояние разных частей проекта.

Захват CSI, обработка сигнала, присутствие и движение существуют в коде. Есть прошивка для ESP32, инструкции, модели и открытая лицензия MIT.

А вот самый эффектный режим с 17 точками тела пока сырой. Встроенная модель показывает около 3% PCK@20. Проще говоря, до надёжного восстановления позы ей очень далеко. Более того, текущий путь выполнения этой модели всё ещё возвращает центрированный скелет-заглушку с confidence=0.

В README также есть красивая цифра 82,69% PCK@20, но она относится к отдельному тесту на подготовленном датасете MM-Fi. Это не результат живой работы одного ESP32 в случайной квартире.

Часть демонстраций использует симуляцию. В другом режиме эталонную позу даёт веб-камера, а Wi-Fi добавляется как второй источник данных. В коротком вирусном ролике эта разница обычно теряется.

Не всё гладко и у тех, кто пытался повторить сборку. Один пользователь не смог получить нормальную позу с четырьмя ESP32-S3: https://github.com/ruvnet/RuView/issues/509. Другой подключил шесть узлов, видел входящие пакеты, но скелет не двигался: https://github.com/ruvnet/RuView/issues/386.

Так это фейк или нет

Ни то ни другое.

Физика настоящая. Исследователи уже восстанавливали позу по Wi-Fi в контролируемых условиях. Например, это показано в работе DensePose From WiFi: https://arxiv.org/abs/2301.00250.

RuView тоже не состоит из одного README. Внутри есть прошивка, обработка CSI, модели и активная разработка. Система обнаружения присутствия сама по себе уже интересна для умного дома, охраны, автоматического света и экспериментов без камеры.

Но между «радиоволны чувствуют человека» и «плата за девять долларов рисует точный скелет через стену» пока лежит огромная инженерная пропасть.

Если бы я собирал такой стенд дома, то начал бы с двух-трёх ESP32-S3 и простой цели: заметить человека в соседней комнате. Потом добавил бы калибровку, запись сырых CSI и проверку дыхательного ритма. Позу оставил бы на потом, когда появится воспроизводимая модель, а не только эффектная визуализация.

И всё равно проект крутой. Не потому, что он уже превратил Wi-Fi в камеру, а потому, что показывает, насколько много информации прячется в обычном радиосигнале вокруг нас.

Я собираю подобные проекты и проверяю, что в них реально работает, в Telegram-канале «НЕЙРОЦЕХ»: https://t.me/neurotsekh_ai. Если вам тоже интереснее заглянуть в код и баг-репорты, чем пересказывать вирусный заголовок, заходите.

Мне хотелось, чтобы всё было перед глазами: открыл одно окно — и видно, кто жив, кто нет. И чтобы если что-то падало, это было заметно даже боковым зрением.

Я посмотрел, что есть готового. Либо слишком просто — просто табличка с цифрами. Либо слишком сложно — целые системы мониторинга с серверами, базами данных и веб-мордами, которые разворачивать дольше, чем потом пользоваться.

Решил сделать сам. Идея простая: программа, которая пингует адреса и показывает результат в виде цветных карточек. Зелёная — всё хорошо. Красная — проблемы. Никаких таблиц, никаких лишних движений.

Писал с помощью нейросетки — вайбкодинг, да. Это когда ты говоришь «сделай, чтобы плитка была с зелёной точкой и крестиком», а тебе пишут код. Итеративно, шаг за шагом, с правками и переделками. Получилось, знаете, вполне рабочее приложение.

Вот что в итоге вышло:

🟢 Цветные карточки — статус видно сразу, читается за полсекунды

📊 График задержек прямо на плитке — видно динамику

⏱ Настраиваемый период статистики (10 минут, час, 6 часов, с начала запуска)

🔊 Звуковые оповещения — интернет упал, программа пикнет

📋 Шаблоны быстрого ввода — не надо вбивать 20 адресов руками

🔍 Поиск по узлам

🌙 Тёмная и светлая темы

🌐 Русский и английский интерфейс

📌 Закрепление плиток — чтобы после перезапуска всё было на месте

Программу не рекламирую, но если о ней не писать, то никто не найдет и не узнает, а так возможно будет кому-то полезна.

Программа работает на Windows, не требует установки, весит 240 КБ. Просто запускаешь и пользуешься.

Исходники открыты, если кому-то пригодится — вот ссылка:

https://github.com/AlexValyavin/PingMonitor

Также можете подписаться на мой ТГ канал, там пока ничего нет, но в процессе еще пару интересных проектов https://t.me/EngineeringHobby

Компания, чьё имя два года было синонимом «то же самое, только в десять раз дешевле», сегодня сделала три вещи разом: выкатила улучшенную V4 Pro, открыла исходники своего агентского движка и предупредила, что с 16 августа за её API придётся платить кратно больше. Вместе это читается не как обновление прайса, а как смена бизнес-модели.

Сама модель: рывок в агентских задачах

Сборка называется V4-Pro-0813, окно контекста прежнее — миллион токенов, доступна в «Экспертном режиме» в приложении и в вебе. Прирост неравномерный, но там, где он есть, он огромный: Terminal Bench 2.1 — с 72,1 до 87,9; DeepSWE — с 12,8 до 62,7, почти впятеро; сводный Artificial Analysis Intelligence Index — с 45 до 53. На части агентских бенчмарков модель обходит Claude Opus 4.8.

Прайс, который перестал быть аргументом

С 16 августа, 16:00 UTC, тарифы за миллион токенов меняются так (в долларах): вход — было 0,435, станет 0,66 вне пика и 1,32 в пик; выход — было 0,87, станет 1,98 и 3,96; попадание в кеш — было 0,003625, станет 0,022 и 0,044. Впервые появляются пиковые часы: 1:00–4:00 и 6:00–10:00 UTC, то есть 9:00–12:00 и 14:00–18:00 по Пекину, ровно рабочий день Китая. Вне этих окон действует скидка 50%. Самое болезненное — кеш: то, на чём держится экономика длинных агентских циклов, в пиковые часы дорожает в двенадцать раз.

Почему они на это пошли

Причина, судя по всему, физическая, а не жадность. Ультрадешёвая V4 Flash 1 августа прожевала 8 триллионов токенов за сутки — спрос просто съел доступные мощности. Дальше выбор невелик: либо деградировать в качестве обслуживания, либо ценой отрезать часть нагрузки и растащить её по часам, как это давно делают энергетики. DeepSeek выбрал второе и стал первым из «дешёвых» китайцев, кто публично признал: инференс бесплатным не бывает.

А вот агента, наоборот, раздают

Одновременно в открытый доступ уходит Deepseek Harness v0.1 — их собственная обвязка для агентов: лицензия MIT, статус Developer Preview, в основе плагинная система Cordis. Модульная архитектура со сменными инструментами, песочницами, сессиями и интерфейсом, непрерывное логирование сессии, прогоны, которые можно продолжить с любой точки и разветвить. Западные лаборатории именно этот слой держат закрытым — он и превращает модель в продукт.

Почему это важно

Логика читается прозрачно: раздать инструмент даром, чтобы на нём строили, — и брать деньги за вычисления, которые этот инструмент потребляет. Тот самый DeepSeek, который полтора года назад одним релизом R1 обвалил акции Nvidia и заставил рынок пересчитать стоимость ИИ вниз, теперь двигает её обратно вверх. И если экономика на старых ценах не сходится даже у него — у остальных «дешёвых» она не сойдётся тем более.

Источники: The Decoder, Tech Startups

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Вчера вечером Unsloth выложили десктопное приложение — первую программу, которая и запускает модели, и обучает их в одном окне. Раньше набор был такой: LM Studio для чата, ComfyUI для картинок, отдельный скрипт в терминале для дообучения. Теперь всё это — один установщик на 42 МБ.

Команда не случайная: именно их кванты GGUF качает половина LocalLLaMA, и именно они чинили баги в чужих релизах — gpt-oss, Qwen3, Llama 4, Gemma, Phi-4. Работают напрямую с авторами моделей, поэтому поддержка новинок появляется в день выхода.

Коротко о софте

Версия v0.1.701-beta от 11 августа 2026. Платформы: Windows 10/11, macOS 12+, Linux — exe, dmg, deb, AppImage. Интерфейс английский. Железо: NVIDIA (CUDA 7.0+, всё с 2018 года по RTX 50), AMD, Intel, Apple Silicon и просто процессор, поддерживается мульти-GPU. Установщик 42 МБ, модели качаются отдельно. Чат идёт на процессоре, дообучение требует от 3,5 ГБ видеопамяти на модель 3B в QLoRA и 5 ГБ на 7B.

Что умеет

• Запускает Muse Glimmer 30B, Kimi K3, Qwen3.8, DeepSeek-V4 Flash и Gemma 4 — модели ищутся и качаются прямо из приложения.

• Генерирует видео локально через MiniMax-H3, рисует и правит картинки другими диффузионками — с LoRA, ControlNet и референсами, до двух раз быстрее.

• Самоисправляющиеся вызовы инструментов: кривой вызов не выбрасывается, а чинится — точность до полутора раз выше.

• Песочница: модель запускает Python и Bash — считает, проверяет код, создаёт файлы, перепроверяет свой же ответ.

• Приватный веб-поиск без лимитов, режим глубокого исследования с отчётом и ссылками, RAG по своим файлам, подключение MCP.

• Дообучение без единой строчки кода — LLM, диффузионки, TTS, эмбеддинги; до двух раз быстрее и до 70% меньше видеопамяти.

• Сборка датасета из PDF, CSV и JSON перетаскиванием, живой мониторинг обучения.

• Экспорт в GGUF и NVFP4 — обученное сразу уезжает в Ollama, llama.cpp или vLLM.

• Свой OpenAI-совместимый API: локальную модель можно подсунуть Claude Code, Codex или любому агенту.

• Удалённый доступ по ссылке Cloudflare HTTPS — включил дома, работаешь с ноутбука.

Установка и запуск

Скачать установщик под свою систему со страницы релизов. Windows — запустить exe, macOS — dmg, Linux — deb или AppImage. При первом запуске выбрать модель в Model hub, она скачается сама. Для дообучения нужна видеокарта NVIDIA, чат работает и на процессоре. Обновляется само через встроенный апдейтер.

Проект бесплатный и открытый, лицензия Apache 2.0 (интерфейс — AGPL-3.0).

🔗 GitHub: unslothai/unsloth

📦 Скачать релиз: unsloth.ai/download/windows

Больше портативок и разборов локального ИИ — в моём канале РЕПАКИ И ПОРТАТИВКИ ПОЛЕЗНЫХ НЕЙРОСЕТЕЙ ● НЕЙРОСОФТ