Энтузиаст собрал с помощью Qwen3.8-27B ИИ-систему, которая сама ищет «лучшие моменты» в порно

Разработчик и исследователь локальных нейросетей создал автоматизированный пайплайн для анализа видеоконтента для взрослых. С помощью открытой модели Qwen3.8-27B энтузиаст написал алгоритм, который сканирует аудиодорожку и динамику видеоряда, автоматически находит ключевые эмоциональные фрагменты и нарезает 10-секундные клипы для дальнейшей генерации в среде ComfyUI.

Роль Qwen3.8: ИИ как архитектор кода

В вирусных публикациях проект часто описывают как «нейросеть, которая сама смотрит порно», однако техническая реализация устроена иначе. Прямой анализ многочасовых роликов мультимодальной моделью оказался неэффективным и неточным, поэтому открытая модель Qwen3.8-27B на Hugging Face выступила в роли автономного программиста: нейросеть сгенерировала код для математического анализа аудио- и видеосигналов.

Три маркера для поиска нужного момента

Алгоритм вычисляет таймкоды кульминационных сцен на основе комбинации трёх ключевых метрик:

• Спектральный анализ звука: отслеживание резких всплесков громкости и формант голоса в частотном диапазоне 100–1500 Гц с последующим характерным спадом;
• Межкадровая разница: фиксация резких перепадов в оптическом потоке и движении между соседними кадрами;
• Монтажные маркеры: распознавание стоп-кадров, резких пауз и эффектов растворения (dissolve), типичных для постпродакшена подобных сцен.

Совпадение этих параметров алгоритм сопоставляет с контрольной разметкой (ground truth). На текущем этапе система работает на эвристических правилах и служит базой для сбора обучающей выборки.

Классификация через CatBoost и устранение шумов

Следующим шагом проекта станет интеграция библиотеки градиентного бустинга CatBoost. Разработчик формирует массив данных с двумя классами — целевые моменты и обычные сцены. Это позволит обучить легковесную модель бинарной классификации, которая точнее распознает комбинации признаков вне зависимости от индивидуальных особенностей исполнителей и качества звукозаписи.

Сквозной конвейер для ComfyUI

Конечная задача разработчика — полностью автономный пайплайн обработки контента:

1. Системный скрипт загружает и парсит длинное исходное видео;
2. Алгоритм находит наиболее вероятную точку кульминации;
3. Утилита вырезает 10-секундный отрезок, нормализует частоту кадров до 24 FPS и конвертирует видео в единый стандарт;
4. Готовый файл автоматически отправляется в директорию входных данных модульного интерфейса ComfyUI для генерации производных роликов через диффузионные модели.

Проект наглядно демонстрирует растущий тренд на использование локальных LLM: мощные открытые модели всё чаще применяются для быстрого создания узкоспециализированного аналитического софта под нестандартные задачи.