Ентузіаст створив за допомогою Qwen3.8-27B ШІ-систему, яка сама шукає «найкращі моменти» у порно

Розробник і дослідник локальних нейромереж створив автоматизований пайплайн для аналізу відеоконтенту для дорослих. За допомогою відкритої моделі Qwen3.8-27B ентузіаст написав алгоритм, який сканує аудіодоріжку та динаміку відеоряду, автоматично знаходить ключові емоційні фрагменти та нарізає 10-секундні кліпи для подальшої генерації в середовищі ComfyUI.

Роль Qwen3.8: ШІ як архітектор коду

У вірусних публікаціях проєкт часто описують як «нейромережу, яка сама дивиться порно», однак технічна реалізація влаштована інакше. Прямий аналіз багатогодинних роликів мультимодальною моделлю виявився неефективним і неточним, тому відкрита модель Qwen3.8-27B на Hugging Face виступила в ролі автономного програміста: нейромережа згенерувала код для математичного аналізу аудіо- та відеосигналів.

Три маркери для пошуку потрібного моменту

Алгоритм обчислює таймкоди кульмінаційних сцен на основі комбінації трьох ключових метрик:

• Спектральний аналіз звуку: відстеження різких сплесків гучності та формант голосу в частотному діапазоні 100–1500 Гц з подальшим характерним спадом;
• Міжкадрова різниця: фіксація різких перепадів в оптичному потоці та русі між сусідніми кадрами;
• Монтажні маркери: розпізнавання стоп-кадрів, різких пауз та ефектів розчинення (dissolve), типових для постпродакшену подібних сцен.

Збіг цих параметрів алгоритм зіставляє з контрольною розміткою (ground truth). На поточному етапі система працює на евристичних правилах і слугує базою для збору навчальної вибірки.

Класифікація через CatBoost та усунення шумів

Наступним кроком проєкту стане інтеграція бібліотеки градієнтного бустингу CatBoost. Розробник формує масив даних із двома класами — цільові моменти та звичайні сцени. Це дасть змогу навчити легковагу модель бінарної класифікації, яка точніше розпізнаватиме комбінації ознак незалежно від індивідуальних особливостей виконавців та якості звукозапису.

Наскрізний конвеєр для ComfyUI

Кінцева мета розробника — повністю автономний пайплайн обробки контенту:

1. Системний скрипт завантажує та парсить довге вихідне відео;
2. Алгоритм знаходить найбільш імовірну точку кульмінації;
3. Утиліта вирізає 10-секундний відрізок, нормалізує частоту кадрів до 24 FPS та конвертує відео в єдиний стандарт;
4. Готовий файл автоматично надсилається до директорії вхідних даних модульного інтерфейсу ComfyUI для генерації похідних роликів через дифузійні моделі.

Проєкт наочно демонструє зростаючий тренд на використання локальних LLM: потужні відкриті моделі дедалі частіше застосовуються для швидкого створення вузькоспеціалізованого аналітичного софту під нестандартні завдання.