Однажды шарясь по интернетам наткнулся на сайт, который предлагал поиграть в Dungeons and Dragons с ИИ-мастером. Я на тот момент знал что такое DnD только по сериалам типа ТБВ (где роль мастера - рассказчика мне казалась достаточно тяжелой), ни в коем случае не знал правил, знал только что в игре адовое количество РПГ-механик, которые в оригинальной настолке учитываются не иначе как на бумаге.
И сайт, который я потестил мне не зашел. Во-первых, отдельный сайт это редко когда удобно. Во-вторых, никакого обилия механик я там не увидел, по сути это был сюжетный ии-интерактив с выбором героев, который, как показалось, ни на что не влияет... Но сама идея была очень хороша.
И что-то меня таки дернуло, а не сделать ли бота для телеги, который будет так же выступать мастером, но при этом будет основываться на механиках оригинальной игры? И я таки начал. Был у меня уже опыт создания бота с ИИ в телеге, и почему бы не сделать еще одного.
В целом реализовать такой же формат ИИ-интерактива, где мастер вещает интересную историю, а пользователь либо выбирает готовые действия кнопками, либо вводит свой вариант хода я реализовал за около 10 дней, и это было не так сложно. И главное - не надо заходить в тяжеленный сайт, который в мобильной версии как бы ни был хорошо устроен, все равно будет уступать по стабильности телеграму - в котором многие люди и так сидят на постоянной основе.
Параллельно у мастера появился помощник, который рассчитывает ходы:
Другой момент - мне дико хотелось прикрутить ко всему этому красивые броски дайсов. Все-таки это неимоверно важная часть эстетики настольной игры, ну и... я начал немного изучать блендер и теперь результат хода определяет не просто цифра, а еще и такая красота:
И на этом моменте мне самому с каждым обновлением стало очень нравиться то, что выходит. Но пока и я не дошел до внедрения полноценных механик, коих в игре колоссальное количество - от банальных хитпоинтов у всего живого до не банальных спасбросков. Одновременно и познаю игру, в которую в оригинальном виде никогда не играл и разрабатываю ее.
На данном этапе самая большая проблема, с которой столкнулся - цензура. Нейросетку я подключил нашу, от компании на Я, и, как оказалось у наших обоих главных LLM - Алисы и Гигачата чуть ли не самый высокий уровень цензурирования среди всех мировых моделей. Доходит до совсем дичи, что на сообщение "заговорю с монахом" он выдавал отказ ("не хочу это обсуждать"), так как религия. А уж если в одном сообщении будет и "монах", и например "выпотрошу" то это точно сообщение:
И что я только не пробовал - промты, инъекции, отдельные запросы на перефразирование - не хочу и все тут. В общем, придется таки переходить на другую, зарубежную ИИ-модель в обозримом будущем. Как минимум, я обязательно хочу сюда прикрутить мультиплеер, чтобы можно было создать чатик с друзьями и устроить поход на Мордор или куда-нибудь еще.
А пока добиваюсь полной стабильности у того, что есть, еще парочка обновлений со всякими попутными ништяками и буду все-таки вставлять сюда всю полноценную RPG-систему, и даже с генерацией параметров монстров под кастомные сеттинги.
Недавно купил книгу «Кванты. Как волшебники от математики заработали миллиарды и чуть не обрушили фондовый рынок», которую её автор Скотт Паттерсон написал ещё в 2010 году. Книга издана на русском языке в 2014, но я познакомился с ней только недавно и понял что в книге очень хорошо расписана хронология развития алгоритмической торговли и чем она заканчивалась. Спойлер: ничем хорошим в итоге, но в моменте очень выгодно для участников.
Решил сделать статью по мотивам книги — краткую выжимку идей о том, какими алгоритмами и в какое время зарабатывались деньги. Первая часть этой статьи — на основе этой книги, а вторая этой часть — на основе открытых данных из интернета.
Причём странная деталь — заказал книгу на обычном маркетплейсе, но книга шла из‑за рубежа и пришла даже без указания тиража — то есть какая‑то условно китайская копия — раньше с такими не сталкивался.
Моя книга
Ниже первая часть, которая написана на основе этой книги.
Эволюция алгоритмов: как математика захватила Уолл-стрит
История современной финансовой инженерии — это история про то, как математика постепенно вытеснила интуицию. За полвека Уолл‑стрит превратилась в гигантский вычислительный аппарат: биржу, где решения принимают не люди, а алгоритмы. Скотт Паттерсон в книге «Кванты» подробно исследовал этот путь — от простейшего статистического анализа до сложнейших моделей корреляций и высокочастотного трейдинга.
1960-е: от казино к рынку капитала — математический прорыв
Эд Торп
Эд Торп - первый квант
Профессор MIT Эдвард Торп стал первым, кто доказал: случайная система подчиняется математике, а значит — её можно обыграть.
Это была первая рабочая модель риск-менеджмента, ставшая фундаментом для последующих моделей портфельной оптимизации.
Переход в финансы: дельта-хеджирование варрантов (1967)
Торп перенёс идеи динамического хеджа в торговлю опционами ещё до публикации формулы Блэка‑Шоулза. Суть алгоритма:
Купить недооценённый варрант.
Продать соответствующую акцию в объёме, равном дельте варранта.
Регулярно обновлять хедж → «реплицировать» поведение опциона.
Фактически это была одна из первых практических реализаций стохастического процесса геометрического броуновского движени и динамического хеджирования.
1970-е: формулы приходят на Уолл-стрит
Слева направо - Ф. Блэк, М. Шоулз и Р. Мертон
Метод Блэка‑Шоулза (1973) базируется на предположении:
[ dS_t = \mu S_t dt + \sigma S_t dW_t ]
и отсутствии арбитража.
Формула позволила впервые «правильно» оценивать опционы.
Портфельное страхование (Dynamic Hedging)
Алгоритм превратил репликацию пут‑опциона в массовый продукт. При падении рынка позиции автоматически хеджировались продажей фьючерсов S&P 500. В реальности дискретная аппроксимация в условиях высокой волатильности привела к положительной обратной связи, что стало катализатором краха 1987 года.
1980-е: статистический арбитраж и рождение машинного подхода
Метод: парный трейдинг
Был основан на утверждении, что разница между двумя «синхронными» акциями — стационарный процесс.
Это масштабирование парной идеи на сотни и тысячи бумаг:
кросс‑секционные регрессии,
ранний PCA,
ранние ML‑подходы (кластеризация).
Группы APT (Morgan Stanley), Renaissance и D.E. Shaw создали первые полноценные алгоритмические машины извлечения альфы.
1990-е: факторные модели и первые элементы машинного обучения
Юджин Фама (слева) и Кеннет Френч (справа)
Факторные модели Фама‑Френча
Каждая акция рассматривается как вектор факторных экспозиций. Цель — построить market‑neutral портфель с экспозицией:
long Value,
long Momentum,
long Size,
short всё остальное.
Клифф Эснесс из AQR превратил это в масштабируемый продукт.
Метод: распознавание образов в ценах (фонд Medallion)
Renaissance применяли методы:
HMM (скрытые марковские модели),
сигнальную обработку,
Kalman Filtering,
wavelet‑декомпозицию,
регрессионные ансамбли.
Это были первые «ML‑прототипы» в торговле.
2000-е: корреляционный риск и кризис
Дэвид X. Ли
Метод: Gaussian Copula (Дэвид Ли)
Фактором роста CDO было предложение Дэвида Ли использовать статистическую модель «гауссовой копулы» для расчета цен на CDO. В конце 2005 года исследовательская компания Celent оценила размер глобального рынка CDO в $1,5 трлн и прогнозировала, что рынок вырастет ориентировочно до $2 трлн к концу 2006 года.
Ошибки копулы стали одной из фундаментальных причин кризиса 2008.
Метод: Credit Arbitrage (Боаз Вайнштейн)
Связь «акций ↔ облигаций ↔ CDS» создаёт сеть относительных цен. Несогласованности приводят к арбитражу структуры капитала.
Итоги книги
Каждая новая модель давала преимущество — но одновременно увеличивала системные риски. Алгоритмы работали идеально там, где выполнялись их предположения, но терпели катастрофы при нарушении условий рынка.
В книге подчёркивается не злой умысел, а слепая вера в модели. Например, Мэтью Ротман (Goldman) не хотел разрушить рынок — он искренне верил в эффективность рынка и гауссовы распределения, пока реальность не опровергла это.
Книга закончилась, но я попробовал продолжить историю дальше самостоятельно.
Продолжение: квантовая эволюция уже после выхода книги (с 2010 по 2025)
Я немного дописал на основе открытых источников.
2010-е: Big Data и машинное обучение
ML в квантовых фондах. Фонды Two Sigma, D.E. Shaw, Jane Street внедряют:
Random Forest
Gradient Boosting
k-NN
нелинейные факторные модели
Для того чтобы:
обнаруживать микро-паттерны,
классификацировать ордера,
прогнозировать микро-волатильности.
2015–2020: NLP, RL и альтернативные данные
Обработка естественного языка (Natural Language Processing) приходит на рынок. Использование:
Word2Vec
BERT
FinBERT
GPT-like моделей
для оценки тональности новостей, отчётов.
Reinforcement Learning в торговле
Оптимизация инструментов маркет-мейкера и риск-менеджмента через RL:
DQN
PPO
Actor–Critic
Альтернативные данные
Используются даже изображения со спутников, квитанции, поисковые запросы, трафик в торговых центрах.
2020-е: предсказание стакана, трансформеры и микро-структура рынка
Алгоритмические модели микро-структуры (LOB). Для этого используются модели:
LSTM
TCN
Transformer-based time series
Которые решают задачи:
предсказания перехода между состояниями order book,
определения вероятности немедленного движения цены.
Low-latency и FPGA революция
Квантовые фирмы работают на:
FPGA-ускорителях,
специализированных NIC-картах,
colocated-серверах с задержками ~100 нс.
2025+: LLM-Quant эра
Использование LLM в анализе документов. LLM обрабатывают:
отчёты SEC,
корпоративные публикации,
патентные тексты,
судебные материалы.
Роль программиста меняется: создание quant-pipeline, где:
LLM → фичи → ML-модель → торговая стратегия.
Итог
Алготрейдинг уже давно не набор формул. Это инженерная дисциплина, на стыке:
стохастики,
статистики,
ML,
распределённых систем,
сетевой инженерии,
оптимизации под архитектуру (CPU/GPU/FPGA),
больших данных,
системного моделирования.
А рынок — это распределённая вычислительная система, где соревнуются программы.
Из комментариев к предыдущему посту понял, что очень много людей в нашей стране испытывают не удобства с прекращением работы программы для 3D моделирования - Tincercad
И мне стало интересно, почему ни одна из IT компаний не начинает делать замену данного продукта? Например Компас 3D или Сбер с Яндексом? Как я это вижу со своего дивана, компания создаёт обучающий продукт для детей, называет его Компас 3D дети или Сберик 3D. Копирует Тинкеркад, через госдуму вводит его в образовательную программу с начальных классов и тем самым занимает большую нишу.
Или другой вариант, создать народный продукт или другими словами на опен сорсе
У меня у самого навыков по программированию можно сказать нет, но попробую что-нибудь накидать через нейронку
Праздники — время смотреть любимые фильмы и пить какао под пледом. А еще — момент, когда можно замедлиться и подумать о собственных интересах. Если давно было любопытно, что происходит в IT, изучите нашу подборку. Собрали три маршрута, которые легко пройти между отдыхом и зимними хлопотами.
Трек 1. Программирование: с нуля до первых строк кода
Если любите логические задачи и алгоритмы, готовы тратить время на постепенное освоение новых языков, программирование — ваш путь.
Шаг 1. Пройдите профориентацию
Начните с курса «Какую профессию в программировании выбрать». Он поможет определиться с направлением в IT: Python, Java, C++, фронтенд- или мобильная разработка, тестирование. Посмотрите на типичные рабочие задачи и список необходимых навыков.
Курс «Основы Python‑разработки» поможет начать писать код на самом популярном языке программирования всего за 20 часов. Изучите переменные, циклы, функции и создайте собственного программного помощника на интерактивной платформе.
Почти во всех курсах Яндекс Практикума есть бесплатная вводная часть — несколько часов реального обучения. Можно пройти ее, чтобы понять, нравится ли направление и подходит ли формат занятий, прежде чем переходить к покупке полного курса.
Трек 2. Аналитика данных: цифры и логика
Если интересно работать с цифрами, таблицами и диаграммами, находить закономерности и превращать их в решения для бизнеса, вашим треком может стать аналитика.
За последние четыре года спрос на специалистов в России увеличился в 2,5 раза. Бизнесу — верные решения, вам — средняя зарплата около 160 000 ₽.
Шаг 1. Определитесь с направлением
Курс «Какую профессию выбрать в анализе данных» поможет определиться с направлением и понять, какая специальность вам подходит: от аналитика данных и Data Science до бизнеса и продукта.
Шаг 2. Загляните на ивенты
На вебинаре «Кто такой аналитик данных: руководство для новичков» узнайте, чем занимается data scientist и какую роль играет в команде. Разберитесь, какие навыки нужны начинающим специалистам и почему важна коммуникабельность.
Курс «Основы статистики и A/B-тестирования» обучит базовым статистическим понятиям. Вы сможете проверить гипотезы, провести A/B-тесты и закрепить знания на 150+ практических задачах и в проект-симуляторе.
В Яндекс Практикуме можно бесплатно пройти небольшие курсы по разным направлениям — от программирования и аналитики до дизайна и маркетинга. Это рабочий способ попробовать себя в новой сфере без риска и вложений.
Трек 3. Искусственный интеллект: просто о популярном
Если вам интересно разобраться, как работают нейросети и как использовать их как помощников в работе и учебе, — направление ИИ отлично подойдет для спокойного знакомства с технологиями будущего.
Нейросети помогают работать быстрее и качественнее. А сама сфера растет: почти 60% организаций ищут специалистов, которые могут настраивать ИИ-ассистентов и применять генеративные модели на практике.
Шаг 1. Разберитесь, что такое ИИ и кому он нужен
«Старт в IT» покажет, с чего начать путь в новую сферу. Узнайте, как изменились требования работодателей в 2025 году и как подобрать подходящую специальность под свой опыт и интересы. А после выбора отправляйтесь дальше, чтобы понять, как применять ИИ в работе.
Шаг 2. Узнайте, как нейросети помогают специалистам
Освойте искусственный интеллект от Яндекса на курсе «Нейросеть Алиса для начинающих». Вы узнаете, как правильно формулировать запросы и автоматизировать рутинные задачи.
Затем загляните в бесплатную часть курса «Нейросети для работы». Там вы попробуете генерировать идеи, анализировать данные и создавать контент будущего.
Проведите новогодние каникулы с пользой и в своем темпе. Присмотритесь к новым направлениям, подумайте о планах на 2026 год, а бесплатные материалы Практикума помогут сделать это спокойно и осознанно.
Коротко — как я изучал конкурентов, собрал партию из 10 кубиков, придумал гача-игру, подал заявку на американский фестиваль Alt.Ctrl.GDC 2026 и обломался с Reddit и знаменитостями.
В сентябре была первая рабочая игра и неожиданный хайп на Пикабу. В октябре решил поизучать, кто ещё делает электронные кубики. И конечно же продолжил дорабатывать свои устройства.
В этот раз пропустил «актуальный» постинг дневника в конце месяца. Казалось, что не так много интересно произошло за октябрь и хотел объединить в одну статью за 2 месяца. А когда начал писать, понял, что всё таки лучше разделить.
Изучение конкурентов: инженерное безумие
“Я уже говорил тебе, что такое безумие? Безумие — это точное повторение одного и того же действия раз за разом в надежде на изменение”.
3-4 октября — WOWCUBE. Это кубик с 24 экранами, который крутится как кубик Рубика. Сделал исследование через Кракена (нейросеть - поисковик platform.parallel.ai), перечитал все источники и погрузился в настоящее инженерное безумие.
Техническая архитектура: WOWCUBE состоит из 8 отдельных модулей с 3 экранами в каждом. Это означает восемь процессоров, которые должны синхронизироваться между собой. Большое количество сборных элементов создаёт множество потенциальных точек отказа.
Система связи между модулями — самая сложная часть. Подпружиненные патентованные шарики-контакты (по последним данным — магниты). Механизм испытывает износ при каждом прокручивании, плюс риск попадания пыли под контакты.
Особенность управления: игры которые у них увидел, работают с дискретными движениями под 90/180 градусов. Хочешь переместить персонажа? Прокрути грань до щелчка. Ещё шаг? Ещё один поворот до щелчка. Плавного управления нет — только шаговое. При этом устройство весит 320-400 грамм.
Проекту уже почти десяток лет, но продукт не стал массовым. Изучив обещания компании, статьи и отзывы, складывается впечатление, что в центре разработки была инженерная задача сама по себе, а не конкретная потребность пользователя.
Вывод: важно не влюбляться в техническое решение, а фокусироваться на том, какую ценность оно даёт людям.
5-6 октября — The One Dice. Электронный кубик для настольных игр, собравший почти полмиллиона долларов на BackerKit.
Концепция: за ~200$ предлагается совместить физический бросок D20 с цифровыми анимациями на встроенном экране. Анимации длятся 5-8 секунд на бросок. Создатели добавили "быстрый режим" на 2-3 секунды — видимо, получили фидбэк о темпе игры.
Что интересного на BackerKit:
Три цвета корпуса из "luxury" пластика плюс множество дополнительных наборов. При 2000+ заказах это означает частую смену настроек производства и усложнение логистики.
Международная доставка электроники — требуются сертификаты ROHS, CE и другие. У каждой страны свои требования к соответствию.
Масштабирование производства — сделать несколько прототипов и наладить выпуск нескольких тысяч единиц это разные задачи по сложности.
Ценообразование на этапе рендеров — без готовых прототипов сложно точно оценить итоговую себестоимость.
Главный вывод: не обещай того, что не можешь 100% выполнить. Когда тысячи людей поверили в проект и вложили свои деньги — это большая ответственность.
UPD из 12'2025: Когда писал эту статью, то случайно выяснил, что у компании «Wild Earth Dice» были предыдущие краудфандинг-кампании с обычными смоляными кубиками (2023-2024 год). Судя по комментариям бекеров, доставка затянулась на 1.5-2 года с момента обещанных сроков. И теперь эта же команда взялась за электронное устройство со встроенными экранами и процессором.
Похоже видео ниже будет пророческим (сделано еще в октябре).
6 октября — теперь кубиков двое. Всё сходится и работает.
Если смотреть на проект в этой стадии — оно работает, но производить в таком виде будет дорого. Косы проводов с разъёмами — производственный ад.
Мой предполагаемый подход к разработке: 10 кубов первой версии → 10 с исправлениями → потом ещё 20-50. Когда всё будет идеально собираться за пару минут с минимумом деталей почти на автоматике — тогда можно думать о «тысячных» партиях и каких-нибудь кикстартерах.
7 октября — все детали для кубов спаяны. Осталось дождаться печати корпусов.
8 октября — кубиков уже 4.5 штуки. Экраны не идеально ровно располагаются в окошке, но корпуса печатные — можно сделать под каждое положение свой.
И главное — даже с этими ПРОВОДАМИ оно собирается терпимо. Но больше провода не хочу.
9 октября — почти собрал 9 кубов. Осталось установить в корпуса.
Иногда хочется отклоняться и сразу моделить будущие оптимизации. Новая версия 3D - модели: 50×50×50мм вместо 58×58×58. Почти минус 15% объёма.
Прошивка и неожиданные ограничения
14 октября — игры играми, а надо знать сколько устройство проработает на одном заряде. Замерил потребление системы.
Экраны линейно потребляют при PWM-яркости. При яркости 50% потребляют в 2 раза меньше. Появилось много идей, как экономить энергию в текущей и будущей версии.
Грустный инженерный факт: текущий понижающий преобразователь из 5V в 3.3V похоже выдаёт КПД 60-70% вместо заявленных 90%. Желательно входное напряжение в 2-3 раза больше выходного — тогда по графикам всё хорошо (если судить по datasheet).
15 октября — чем дальше в ядро, тем больше “веселья”.
Карточка памяти внутри устройства, добраться сложно. Узнал, что ESP32 умеет работать как USB-устройство. Сделал так, что подключаясь кубик выдает себя как карточка памяти.
Сначала закинул пару мелких текстовых файлов и думаю — всё, ура, можно закидывать картинки, видео для тестов. Пробую закинуть картинку с котом… и вижу скорость чтения/записи 1000/300 КИЛОБАЙТ в секунду. И это очень грустно.
С такими скоростями передача больших игр займет очень много времени.
Гача-игра: концепция
16 октября — идея: гача-приложение на кубик.
Система простая — трясёшь кубик, ставишь на стол, показывается персонаж в разных позах и локациях. В уголке опционально цифра для D&D.
Развиваем идею:
Персонажи не открываются сразу, а по вероятности или уникальному жесту
Все картинки имеют свою редкость
МЕМЫ — кроме серьёзных картинок выпадают абсурдные и смешные с тем же персонажем
Персонализированные картинки на заказ
Генерация стоит копейки
И сложные дополнения:
Прокачка персонажей — каждый бросок с выбранным персонажем его качает
Wi-Fi связь между кубиками и виртуальный гвинт на основе раскачанных персонажей
17 октября — ради рекламы и повышения известности проекта, решил сделать контент с Viva La Dirt League (5+ млн подписчиков на ютуб). Они только закончили 5-летнюю D&D-кампанию “Adventures in Azerim”.
Через Кракена проанализировал все их игры, выделил знаковые моменты. На 4 персонажей - нашлось около 200 уникальных историй. Идея - всё это сгенерировать в виде картинок и показывать на кубе.
Заставить ИИ сразу нарисовать то что нужно в 6 кадрах сложно, но понадёргать кадров с разных попыток — норм. Даже случайно комикс вышел.
И картинки на кубе работают. Всё читаемо, узнаваемые персонажи, сочные цвета.
Пришлось урезать гачу до минимума, ещё полдня разбирался с куском библиотеки акселерометра. Там была борьба с физикой и математикой.
Корпуса куба что на столе, хоть на вид хорошие, но все неправильные. Думал сдвинул чтобы идеально совпал экран и отверстие, в итоге сделал хуже. Придется всё перепечатать.
Это была не игротека, а что-то вроде дня открытых дверей — несколько столов с мастерами, которые рассказывали о разных играх.
Ходил между столами, показывал кубики. Показ “случайных” малоизвестных персонажей мало кого впечатлил. Змейка больше понравилась.
Пока нет меню выбора разных игр — людям кажется, что каждый кубик это одна игра. Приходилось объяснять будущие концепции.
Некоторые гейммастера были против концепции показа текстовых действий для новичков в RPG - “тогда мастер не нужен” 😱
Интересная идея с игротеки: “idle-рогалик” — персонаж автоматически качается на одной грани, когда зачистил — нужно повернуть на следующую.
Reddit, Пикабу и провалы
20 октября — это фиаско, братан.
Потратив несколько часов на идеальный пост для Reddit с видео VLDL, после нажатия “запостить” — аккаунт перманетно банится.
В инете пишут: не факт что получится зарегиться без блокировки. Одни рекомендуют ждать пару недель, другие — региться не со своего IP. Пришлось писать напрямую VLDL на почту.
Самое печальное — весь сценарий с шоу для фанатов провалился.
Непонятно что послужило причиной. Может тег “арт нейросетей”, может слишком простая концепция, может нейросетевые картинки воспринимаются как проходняк и труд с минимальными вложениями.
22-23 октября — мне посоветовали подать заявку на Alt.Ctrl.GDC 2026 — фестиваль уникальных консолей и игр. Кубик туда отлично залетит… но это всё в Америке.
Всё равно сделал заявку. Будет видео, которого они точно не ожидают: небольшая экскурсия по Твери (не только по красивым достопримечательностям), таймлапс сборки куба, работа 10 кубов и в конце “From Russia with love”.
Как минимум должны запомнить.
Изучив видео участников прошлых лет — там никто такого артхауса не снимал. Обычно по большей части контент на телефон, веселенькие позитивные ролики. Моя заявка точно вызовет новые эмоции у жюри.
28 октября — решил вернуться в запрещённую соцсеть. Набросал в отложку постов.
Всё ради того, чтобы красиво зацепить VLDL. Упоминание от аккаунта, заброшенного 3 года назад, выглядит не очень.
ВК окончательно разочаровал. Просмотры упали на такое дно, которое я еще никогда не видел. 170 просмотров клипа при ~1.2k подписчиков..
На Пикабу даже «незалетающие» посты набирают 2-3k просмотров и десяток лайков.
Работа с текстом на кубе
28-30 октября
Основная идея — универсальность и минимизация усилий при загрузке новых шрифтов.
На кубике собственный драйвер рисовки на экранах и систему растеризации шрифтов надо делать с нуля. ESP32 - не мощный комп, чтобы моментально показывать векторные TTF - шрифты.
Сначала решил перегонять TTF в PNG с параметрами, потом парсить в растровый файл для ESP32.
Начав работать с идеей чтения картинки, понял что масштабирование из большой картинки будет так себе.
Оказывается, есть библиотека работы с TTF напрямую. И она работает. Можно с файла получить подготовленные буквы без масштабирования, и всё получится ровненько.
Но ESP32 не настольный компьютер, для которого перегонять кривые Безье в пиксели — быстрое дело. Поэтому алгоритм тот же: сохраняю несколько размеров шрифта в виде пикселей и вывожу потом на экран как картинки.
Определил читаемые размеры: 12, 16, 24, 32, 40pt.
ЧТО ПОЛУЧИЛОСЬ ЗА ОКТЯБРЬ
✅ 10 кубиков собраны
✅ Гача-игра — концепция с редкостью, мемами и прокачкой
✅ Заявка на Alt.Ctrl.GDC — артхаусное видео из Твери
✅ Анализ конкурентов — WOWCUBE и The One Dice
✅ Новая 3D-модель — 50×50×50мм
✅ Система вывода текста — TTF работает на ESP32
❌ Reddit — пермабан при первом посте
❌ VLDL — не ответили
❌ Игротека — не та аудитория
Открытия месяца
Про конкурентов:
Не влюбляйся в инженерное решение — думай что оно даст пользователю
Не обещай того, что не можешь 100% выполнить
Рендеры продают воздух — это опасный путь
Про маркетинг:
Разные площадки — разная отдача
Нейро-арт воспринимается аудиторией очень плохо
Живые демонстрации работают лучше постов
ВК мертв как нативная площадка для продвижения продукта
