VoiceRecord_Result/transcripts/2026-10-16_rec_20261016_163037.m4a.txt

# source: 2026-10-16/rec_20261016_163037.m4a
# model: Systran/faster-whisper-small
# transcribed: 2026-10-21T18:04:10Z

[00:00:00] все этапы, как это создавать. И главное, все технические приемы, такие как текстуры с нормалью,
[00:00:07] то есть тогда, возможно, астры, имя воспользовавшись, да, с нам результат очень похожий на то, что делает клот.
[00:00:16] То есть это гипотеза, которую надо проверить.
[00:00:19] Согласен. Ещё из интересных таких моментов, которые лично мне интересны,
[00:00:25] я бы хотел бы провести замеры, сколько всё-таки токена было потрачено генерацию модели.
[00:00:32] Потому что вот, к примеру, по моим замерам, которое я проводил в рамках генерации именно сцены и сценария целиком
[00:00:42] на джелемме 5.3 Flash, то там чисто на генерацию сцены сприметил, было потрачено 2 миллиона токенов,
[00:00:52] а на генерацию сценария 20 миллионов токенов.
[00:00:57] И вот ещё интересен направление именно оптимизации этих трат, потому что агент много тратил времени,
[00:01:07] ну, как бы изначально сценарий был поставлен в формате DOKX, и поэтому он тратил время на то,
[00:01:13] чтобы разобрать этот формат DOKX в некий читаемый для него документ.
[00:01:21] Это уже общее место, как говорят. То есть то, что сначала мы информацию готовим в соответствующих форматах,
[00:01:31] потом ещё подскажу, если источники данных большиней, то мы ещё и создаём разметку этих данных в виде индексного указателя,
[00:01:44] когда мы говорим, это здесь, это здесь, это здесь, то есть если нам не нужно всё-всё поднимать целиком,
[00:01:50] и только потом мы начинаем с этим разработкой через модель.
[00:01:54] Ну да, это я просто привёл как один из примеров того, что необходимо вот именно обрабатывать и подготавливать.
[00:02:01] На самом деле, таких вот моментов в любой цепочке действий очень много, и поэтому их надо все фиксировать и оптимизировать.
[00:02:09] На этом, наверное, мой доклад всё, что я хотел, я с вами поделился.
[00:02:16] Давайте дальше. Ну что, Толь, слово тебе. Я могу начать, наверное, ты можешь продолжить.
[00:02:26] То есть я расскажу про то, что было в понедельник сделано, а ты уже про то, что бы мы начали в автобусе делать.
[00:02:33] Давайте я расскажу по данным начнём.
[00:02:42] На выходных я заботился вопросом, значит, не сделает ли мне парочку принадлежеров для дочки,
[00:02:53] по таблице умножения, ну и прочим предметом.
[00:02:58] И, собственно, пока я ехал в электричке, я начал этот процесс на обсуждение, собственно, задачи с GLM 5.3 Flash.
[00:03:09] И, соответственно, как бы формировал каркас этого процесса.
[00:03:17] В принципе, у меня ушло 40 минут, и на этом я, как бы, первичную историю закончил.
[00:03:23] В понедельник в течение дня я периодически взаимодействовал в GLM для того, чтобы запустить этот процесс в реализацию.
[00:03:32] И понедельник закончился следующим результатом.
[00:03:36] То есть, я освоил, собственно, процесс, давайте вот так вот взнял,
[00:03:48] собственно, ну, было создано решение, которое является, по сути, чистым, а штаны, 5 приложений,
[00:03:55] которые завернут в блокер-контейнер, по сути, который является производным от базового контейнера NGINX L-Pine,
[00:04:11] и содержит определенное количество тренажер.
[00:04:17] То есть, соответственно, в понедельник были сделаны базовые тренажеры,
[00:04:21] и потом, во второй половине дня пришло Толя, и мы сделали...
[00:04:26] Мы же в понедельник сделали сразу, да, 2D, это игрок.
[00:04:30] Да, и, короче, когда я пришел, мы сделали сразу версию вот этого.
[00:04:35] Брошу ссылку, то есть, если там параллельно хотите, можете открыть, подсмотреть.
[00:04:41] Брошу ссылку какой изначально, это была очень простая история, как бы, ну, вот такого вида,
[00:04:47] то есть, которая просто тренирует.
[00:04:52] То есть, это то, что предложил тренажер, естественно, если мы отвечаем неправильно,
[00:04:56] то мы, как бы, получаем эти самые...