E158 - Evaluando herramientas despues de dos años

Resumen

El episodio 158 de enCoders revisa, dos años después, herramientas que el podcast probó antes en streams: generación de imágenes (Crayon, Stable Diffusion, Midjourney, GPT, Nano Banana), clonación de voz con ElevenLabs, GPT-3 frente a GPT-5 en matemáticas, y un vistazo a la generación de video (Sora, Veo 3) y a los robots (Optimus). Rodrigo (Rodo) usa los mismos prompts de hace dos años para comparar resultados, y proponen guardar prompts para repetir la prueba en dos años más. En imágenes la mejora es enorme, aunque persisten fallas en manos y en mantener la identidad de las caras. En voz, ElevenLabs mejoró (clonó con solo un minuto de audio), pero el acento sigue sin ser perfecto. GPT-5 ya no inventa una primitiva inexistente, y el video generado sigue siendo incoherente con prompts específicos. La conclusión general es que el avance es rápido y constante, aunque ya no sorprende a quienes lo han vivido día a día.

Capítulos

• 00:00
  IntroPresentan el episodio: revisar herramientas probadas hace dos años (Stable Diffusion, ElevenLabs y otras) y ver cómo evolucionaron. Bromean sobre las muletillas, que pasaron de unas 150 a 140 por episodio.
• 02:13
  Difamando a Rodo con ElevenlabsMati reproduce un audio falso con la voz de Rodo diciendo que su herramienta favorita son los Jupyter Notebooks y que solo usa Excel. Explica que hace dos años ElevenLabs funcionaba mal. Muestra los videos antiguos del canal (Midjourney, Stability, ElevenLabs, GPT-3) que usó de referencia y propone dejar prompts guardados para repetir la prueba en dos años.
• 06:33
  Generación de imágenes con IA, antes y ahoraRepiten con Crayon el mismo prompt de hace dos años ("people drinking beer in the bar, realistic") y el resultado mejora, aunque Crayon sigue fallando en las manos. Comparan con GPT, Midjourney v7 (que ahora anima imágenes) y Nano Banana. Opinan que Midjourney tiene más estilos y es más rápido, que GPT es lento pero entiende mejor las instrucciones y que Nano Banana es bueno para editar objetos manteniendo el estilo. Comentan que antes personalizar un estilo requería LoRA y varios tutoriales. Un caso de uso mencionado es resumir las respuestas de estudiantes de un curso, y otro es restaurar una imagen con GPT.
• 27:48
  Creando imagenes de "nosotros"Mati sube una captura con las caras de los tres y pide una imagen de tres personas con esas caras. El resultado de GPT se parece poco a ellos, y Nano Banana, en la prueba en vivo, devuelve un recorte raro. Dejan estos resultados como línea base para dentro de dos años.
• 32:05
  Clonación de Voz con Eleven LabsComparan el clon de Cris de hace dos años (acento medio argentino, el trabalenguas "tres tristes tigres") con el nuevo, entrenado con cerca de un minuto de audio. El de Rodo quedó mejor que el de Cris. ElevenLabs ahora tiene controles de velocidad y similitud, voces por defecto y "Instant Voice Clone", que pide mínimo 10 segundos de audio. Mati paga el plan de 5 dólares al mes (el plan gratuito no permite clonar). Discuten usos: cursos obligatorios de seguridad, atención al cliente (limitado por el costo con muchas llamadas) y estafas.
• 45:34
  MemesRevisan memes y enlaces de la comunidad: un repositorio para jugar en modo ASCII con SQL, el meme del viejo que se ríe con subtítulos sobre poner un modelo de machine learning en producción de inmediato, y otro sobre cuentas bancarias y clonación de voz. Cris dice que por eso prefiere varios factores de identificación y no usar su cara ni su voz para desbloquear cosas. También mencionan el proyecto de web scraping de Robert (mazos de Yu-Gi-Oh), una extensión de Visual Studio Code y la lista de settings de Positron.
• 48:56
  GPT-3 versus GPT-5 en matemáticasRepiten la pregunta de una integral sin primitiva elemental. GPT-3 inventaba una resolución por partes, mientras que GPT-5 responde que no tiene primitiva y menciona la función error. Mati quiere dejar luego un benchmark más difícil.
• 51:19
  IA en Generación de VideoRevisan un video generado por IA, un mundo 3D explorable generado por IA y las pruebas con Sora (pago): pidieron un video de tres personas haciendo un streaming de data science, y los cuatro intentos salieron incoherentes. Comentan que los videos buenos que se ven en línea requieren semanas de trabajo. Cris muestra un video de Veo 3, que estuvo disponible gratis solo un fin de semana.
• 01:01:21
  CierreConcluyen que el avance es enorme pero esperable para quien lo ha vivido, y que habrá mucho contenido generado y será difícil destacar y monetizar. Se despiden con saludos por el 18 de septiembre chileno y piden al público dejar ideas de prompts en Discord. Les faltan unas cinco personas para llegar a 1000 suscriptores en YouTube.

Palabras clave