Mentionsy Mentionsy
Menthly - Konrad Ślusarczyk Podcast
Menthly - Konrad Ślusarczyk Podcast

Dokąd Zmierza AI? Chat GPT zastąpi Lekarza? Generowanie Polityków i Stanowski - Pidak AI

23.10.2025 ·1 godz 20 min · 2 rozdziały · 2 sponsorów

Kacper Sołtys znany również jako Pidak AI. Tworzył kampanię dla Krzysztofa Stanowskiego z Kanału Zero, jego posty z wygenerowanymi w AI politykami takimi jak Andrzej Duda, Jarosław Kaczyński czy Donald Tusk robią virale w sieci. Dziś pytam go jak zaczynał, jakie są zagrożenia AI, podajemy przykład gdzie Chat GPT uratował życie i porozmawiamy o przyszłości AI w Polsce.Dowiesz się, jak AI rewolucjonizuje tworzenie treści, od pierwszych modeli Stable Diffusion, przez Midjourney, aż po najnowsze narzędzia jak Sora i Luma. Rozmawiamy o etycznych granicach wykorzystania AI, o tym jak AI Act zmienia zasady gry w Europie, dlaczego filtry w narzędziach są coraz bardziej restrykcyjne i jak twórcy kombinują, żeby je obchodzić.Więcej materiałów znajdziesz tutaj:IG: https://www.instagram.com/menthlypodcast/FB: https://www.facebook.com/menthlypodcast/__________________________Gość:Pidak AI - Kacper Sołtys: https://www.instagram.com/pidak.ai/__________________________Partner odcinka:Business Hub__________________________📩 Współpraca:Napisz: [email protected]__________________________Twoja firma potrzebuje firmowego kanału na YouTube?IG: https://www.instagram.com/konradslusarczykKontakt: [email protected] i 666-655-194__________________________Spis treści:0:00 - Wprowadzenie do odcinka0:51 - Andrzej Duda jako pierwszy model1:44 - Viralowy TikTok z urodzinami Lewandowskiego2:32 - Andrzej Duda obserwuje mnie na Instagramie3:22 - Reakcja Krzysztofa Stanowskiego5:31 - Jak zaczęła się przygoda z grafiką komputerową8:11 - Photoshop i projekty dla rodziny13:31 - Odkrycie AI ponad dwa lata temu15:51 - Stable Diffusion i generowanie z tekstu18:11 - Pierwsze modele -itrudności z generowaniem22:31 - Upgrade komputera specjalnie pod AI25:06 - Viralowy moment ze Stanowskim i Kanałem Zero28:21 - Współpraca z Rocket Jobs i Just Join IT31:11 - Pierwsza kampania Stanowskiego z AI34:01 - Proces tworzenia materiałów AI37:21 - Midjourney vs Flux vs Stable Diffusion41:11 - Face swap i klonowanie twarzy44:36 - Video face swap w filmach47:31 - Text-to-video: Runway, Luma, Sora i Kling51:21 - Problemy z ruchem kamery w AI video54:41 - Jak napisać dobry prompt?58:11 - Post-produkcja i finalne szlify1:04:21 - Etyczne granice wykorzystania AI1:07:51 - AI Act1:11:11 - Ochrona wizerunku i oznaczanie treści1:13:51 - Filtry w narzędziach AI i ich obchodzenie1:15:51 - Polskie AI - Bielik i Eleven Labs1:17:36 - Plany na przyszłość1:18:51 - Gdzie znaleźć Kacpra

Pierwszy model z Polityków to Andrzej Duda. Gdzie zrobiłem go chyba pierwszy TikTok to był jakby gangsterem. Urodzin Roberta Lewandowskiego. No i tam się pojawił na przykład Jan Paweł II. No to tam niektórzy się oburzyli z tego powodu, że on tam stoi z Robertem i zwijają sobie piwko. To jest prezydent Polski, tak nie można. Gdzie sam Andrzej Duda jakby obserwuje mnie na Instagramie. A to panie Andrzeju prosimy o jakiś komentarz. Proszę się odezwać, może pomożemy w promocji książki. No ja Krzyśka Stanowskiego oglądałem w kanale sportowym to na pewno, może jeszcze za czasów weszło coś tam, no bo jakoś już zawsze się interesowałem piłką nożną, to te tematy były mi bliskie.

1:20 · Tubers 24

Jesteś już dość rozpoznawalny w internecie. Może niekoniecznie z twarzy, może z pseudonimu albo z jakichś tam prac. Tak bym to chyba ujął. Jak to się u ciebie zaczęło? To, że stwierdziłeś pewnego dnia, dobra, dzisiaj zacznę robić treści AI albo za pomocą sztucznej inteligencji. Okej, no to jeżeli mamy dwie godziny, to mogę krótką historię opowiedzieć? Słucham. Nie, ale tak na serio. Zawsze miałem taką zajawkę do grafiki, w sensie komputerowej. Gdzieś od podstawówki chyba, od jakiejś czwartej klasie na informatyce nam pokazali Gimpa. O, Gimp. Wow, ale zajebiste.

Więc to takie rzeczy były. Nie miałem chyba żadnych zleceń, no bo w zasadzie nie miałem też... nie ogłaszałem się nigdzie. Jak poszedłem na studia, to trochę mi to przygasło. Pierwsze, że przez brak czasu, a drugie, że nie miałem już komputera stacjonarnego, na którym to robiłem, bo on został w domu rodzinnym, a na laptopie nie miałem Photoshopa, no bo to nie był oczywiście kupiony tylko z niewiadomego źródła, więc jakoś tak to przygasło z tego powodu. Nie pamiętam, na którym to roku było, ale Jakieś ponad dwa lata temu już pojawiło się jakieś AI i mówię sobie wow, fajne rzeczy. Można zdjęcie zrobić z tekstu.

W ogóle co to jest za technologia? I to też trochę zawsze mi brakowało. Takie zrobienie czegoś od zera w sensie jak było było już jakieś zdjęcie albo nie wiem kilka zdjęć to ja lubiłem lubiłem sobie te zdjęcia jakoś łączyć dopasowywać w Photoshopie ale brakowało mi takiego talentu czy umiejętności żeby coś coś zacząć od zera wymyślić a to AI bardzo ułatwiło ten proces no bo tworzyło ci fajną bazę naprawdę. No bo część artystów może sobie po prostu coś narysować i na bazie tego działać. Dokładnie. Ja nigdy jakichś talentów artystycznych chyba nie miałem.

Może mam jakąś czutkę kreatywną, ale żeby mieć takie rzemiosło to raczej gorzej z tym. Chociaż usłyszałem w ostatnim, że ładnie rysuje jak się nudziłem i coś tam wyszło. Ale tak, więc zobaczyłem, że to był chyba albo pierwszy jakiś model Meet Journey, albo Stable Diffusion 1. To zrobiło to na mnie wrażenie. Zacząłem się zagłębiać w temat. Pobrałem sobie lokalnie, żeby odpalić ten model. Pamiętam na tym laptopie próbowałem to zrobić. Chyba w końcu to tak, no wyszło mi to, ale to jeden obraz tam się generował na tym pierwszym modelu. Pewnie 5 minut, coś takiego w rozdzielczości 512x512 albo w ogóle 256x256.

Później doszły jakieś optymalizacje, to już trochę lepiej to działało, ale też komputer chodził, znaczy laptop chodził jak odrzutowiec. Dobrze, że nie odleciał. Wiatraki tam, no tak, był na pewno potencjał, zwłaszcza później, ale to zaraz przejdziemy do tego. I co, w międzyczasie jeszcze zauważyłem na bodajże TikToku albo na Instagramie fragment z wiadomości chyba z Polsatu, gdzie tam był pokazany filmik właśnie z TikToka Starpara. Gdzie on zrobił, sklonował głos Andrzeja Dudy i na jakimś jego przemówienie podmienił mu też, zrobił lip-sync i on tam mówił elo, elo, zatrzymaj się. Takie, nie wiem czy kojarzysz, ale to było dość popularne wtedy, bo to był taki pierwszy deepfake polityczny taki, o którym było głośno.

Przynajmniej tak ja to kojarzę i sobie pomyślałem wow, no ciekawe jak to się robi. Więc też zacząłem dubać, zacząłem kolejne narzędzia odkrywać. Jeszcze w międzyczasie natrafiłem na Sztuczną Polskę, na profil Jacka z Sztucznej Polski. I to też pomyślałem sobie, że fajne rzeczy robi. Chciałbym się trochę bardziej zagłębić w to. On chyba wtedy korzystał z mid journey jakichś pierwszych wersji. Ja raczej byłem zwolennikiem tych modeli lokalnych, bo nie trzeba było za nie płacić, bo działajesz na swoim sprzęcie, więc możesz sobie pobrać to, postawić. I to też było takie fajne dla mnie, że właśnie trzeba pogrzebać w tych plikach, chcesz poustawiać na komputerze, żeby to lepiej działało.

Co z tym rozmyciem? Czy z rozmyciem, czy taka, nie wiem jak to nazwać, taka plastyczność tej skóry, czy taka gładkość. Ja głównie po tym rozpoznaję, co jest zrobione w AI, że albo tło jest zbyt takie plastyczno... Przewygórowane po prostu. Uwaga, dosłownie chwila autopromocji. Jeśli chcesz zdobywać klientów dzięki platformie YouTube i takim treściom edukacyjnym, jakie właśnie oglądasz, jesteś w dobrym miejscu. Jako firma Tubers pomagamy firmom wykorzystać YouTube do celów marketingowych i zdobywania klientów. Pomagamy z koncepcją kanału i z przygotowaniem Was do pracy z kamerą, montujemy filmy i publikujemy je za Was. To co? Wznieś marketing swojej firmy na nowy poziom, a kontakt do nas znajdziesz pod tym materiałem.

Oczywiście głowa kozła wygenerowana w AI, więc to był pierwszy post. Później były jakieś pies na budowie, pies jako pilot, jakieś takie psy w różnych ludzkich zawodach. Jakieś takie głupoty. Szukałem też po prostu co można robić i przede wszystkim nie było wtedy za dużo tych rzeczy. Tak jak porównując do tego, co jest teraz. Teraz wydaje mi się, że jest wylew przeogromny, przeróżnych kotów, gadających, psów, zwierzątek. To jest zalew internetu, już są pewnie jakieś farmy AI, które po prostu robią automatycznie ten content i go zalewają. Albo te treści na facebookowych grupkach.

Nikt mi nie podziękował. Upiekłem dom z chałki. Zrobiłem. Nikt mi nie podziękował. A to jest w ogóle ciekawy temat. Nie wiem czy się zagłębiałeś. Jak to działa w ogóle? Nie zagłębiałem się. Nie wiem po co. Ogólnie to działa tak, że właśnie ci, którzy to publikują na tych profilach, to są profile albo przejęte, albo kupione. To nie są boty. Są boty pod to podpięte. Raczej te zdjęcia robi człowiek, ale jakby cały dalszy proces to są boty, bo polega to na tym... Cześć, spróbuję zgadnąć. Po to, żeby rozbujać jakiś fanpage i go sprzedać? Nie, bo to już raczej chyba na zasięgowych fanpage'ach się dzieje, ale to jest po to, żeby skamować ludzi, tak w skrócie, bo każdy, kto skomentuje to, dostaje na skrzynkę wiadomość z jakimś tam linkiem, z nie wiem...

Udostępnij, albo wejdź tu, albo coś takiego. No i pod tym linkiem różne skamy się podsyła. Zazwyczaj pewnie, żeby ukraść konto na Facebooku, albo na jakiejś innej platformie, ale raczej na tym to polega. Więc to są czysto takie skamerskie rzeczy. Ktoś ma po prostu zrobioną automatyzację, że jak ktoś skomentuje, to automatycznie wysyła się do niego wiadomość. Więc taka jest geneza tych profili, ale później wiadomo już tam różne marki to podchwycały w ramach real-time marketingu albo jakieś profile, żeby po prostu się z tego pośmiać, ale geneza z tego co pamiętam była taka, więc jak się zagłębiałem. Rozumiem, czyli skończyliśmy na tym, że szukałeś siebie.

Jak ktoś wie, niech napisze w komentarzu. Tak, poprosimy. Więc tak, to wtedy właśnie Pana Pawła, jakiegoś Breka Srebrnego, takie klasyki polskiego internetu w ramach, w formie tych plakatów Disneya. To też pamiętam, że mi się dobrze poniosło na TikToku, nawet nie wiem czy tam miliona swojego pierwszego nie zrobiłem. I później, później się zaczęło trenowanie modeli, czyli wytrenowałem pierwszy model. No oprócz tego, że znajomych, to pierwszy model z Polityków to Andrzej Duda. Gdzie zrobiłem go chyba pierwszy TikTok to jak był gangsterem. To dużo jest tego u mnie na profilu w sumie, bo miałem taki fajny prompt i dużo z niego korzystałem.

Kolejny odcinek. Urodzin Roberta Lewandowskiego. No i tam się pojawił na przykład Jan Paweł II. Niektórzy się oburzyli z tego powodu, że on tam stoi z Robertem i zbijają sobie piwko. No i oczywiście komentarze typu to jest prezydent Polski, tak nie można. Gdzie sam Andrzej Duda obserwuje mnie na Instagramie.

Kanał sportowy był super, no a naturalnie jak Krzysztof stworzył swój kanał to też śledziłem. No i pojawił się temat, że startuje w wyborach, więc oni wrzucili takie ogłoszenie na story w pewnym momencie, że szukają kogoś od wideo AI, albo grafiki AI, no nie pamiętam dokładnie tego ogłoszenia. I sobie myślę, to ja, to ja jestem od tego, więc piszę. No i napisałem maila, powiedzmy z takim a la CV to miało być, czy bardziej, no właśnie, ja też zawsze mam problem ze sprzedażą trochę siebie i no niezbyt pewnie dobrze się sprzedałem, bo no nikt się nie odezwał wtedy i wzięli kogoś innego.

O, i po paru tygodniach zauważyłem właśnie ten pierwszy, jak to nazwać, spot wyborczy Krzyśka. To jest taki, nazwijmy to ikoniczny, gdzie on leci na smoku. No. No i sobie powatrzyłem na niego, że fajny pomysł, spoko to wygląda, ale myślę, że mogę zrobić to lepiej. Bo jednak moje te produkcje zawsze się wyróżniały chyba jakością. Chyba, no tak. Więc spróbowałem swoich sił. Spróbowałem swoich sił. Zrobiłem to i po prostu wrzuciłem do siebie na Instagram. I nie wiem, po paru godzinach czy na następny dzień patrzę, komentarze. Krzysztof Stanowski, super, odezwij się do nas, czy coś takiego.

Kanał Zero to wrzuca do siebie na story sobie. A ty napisałeś, przecież już pisałem. Teraz to się... Ale tak, napisał do mnie Krzysiek, więc ja zajarany, mówię bierz, bierz, rób z tym co chcesz, nie ma problemu. Więc wziął to do siebie, wrzucił tam do... On wtedy robił taki cykl Prezydenckie Zero chyba. Wrzucił to na YouTube, wrzucili to też jako shorts, a mieliśmy nawet post współdzielony, tylko ja to zrobiłem bazowo w pionie, bo to było pod rolkę, a oni chcieli to w poziomie, więc musiałem całość robić od nowa w zasadzie. No to nie jest kwestia przekadrowania, tylko... No nie, znaczy można by było przekadrować, ale lepiej wiadomo to wygląda jak jest docelowo robione w odpowiednim formacie.

I tak, i to zrobiliśmy na post spółdzielony i zaczął się ten etap kampanii, kiedy te spoty leciały. I napisałem do Krzyśka, że cześć, czy będzie mój spot w telewizji, no bo nie wiem, czy dzwonić do całej rodziny, żeby przyjeżdżali. Mamo, jestem w telewizji. Żartuję, ale tak zapytałem, on mówi, że wiesz co, że spoko, chętnie go puścimy, tylko Messiego chyba nie może być, bo tam była scena, gdzie on sobie z Messim podaje rękę. Więc zamiast tego wstawiłem tam fragment, jak on leci na białym orle. We stroju Króla Polski. I to taki bardzo pamiętam, że się napracowałem coś przy tym, bo wiadomo teraz pewnie by nie było dużego problemu z tym, ale na tamten moment te narzędzia nie były jeszcze aż tak rozwinięte.

No tak, chyba tyle. No i jeszcze była ta konferencja, to też był spokój. I Love Marketing. I Love Marketing, tak. To mamy następną edycję końcem października. To też jest zawsze fajne, żeby wyjść ze swojej strefy komfortu i się sprawdzić z czymś takim. No gdzie ja taką prezentację przed ludźmi to miałem na studiach pewnie przed 30 osobami. Czyli to była taka pierwsza większa impreza? Tak. W sensie pierwsze, że w ogóle nie byłem nigdy na żadnej takiej konferencji, a drugie, że nigdy nie występowałem na żadnej konferencji czy tam z jakąś prezentacją, tak jak mówię, oprócz na studiach w szkole, gdzie tam było 30 osób w klasie i trzeba było zaliczyć.

A tutaj było, z tego co pamiętam, na moim panelu było 800 osób na widowni. Pamiętam jaki byłem wtedy wycięty cały dzień, znaczy cały dzień do momentu wystąpienia, w sensie nie kontaktowałem za bardzo. A pamiętasz wystąpienie? Tak, to już kojarzę, bo kojarzę, że mi troszkę szedł ten stres, jak już tam wszedłem i na samym początku było tak rozluźniająco, bo tam... Nawiązałem do tego właśnie, że jestem pierwszy raz, więc też proszę o wyrozumiałość i gdzieś tam był fajny kontakt z publiką. Pośmialiśmy się i później już poszło z górki. I wydaje mi się, że fajnie wyszło. O czym tam mówiłeś?

O czym miałeś swoją prelekcję? Ja tam mówiłem o modelach open source do grafiki, czyli coś z czego jako na tamten moment jeden z nielicznych chyba używałem. Jeżeli mówisz o grafice AI to pierwsze na tamten moment co przychodziło do głowy to było mid journey, teraz pewnie chat GPT i nano banana ewentualnie z takich mainstreamowych narzędzi. A ja wtedy korzystałem z tych modeli lokalnych, w których się dobrze czułem, no bo od nich zaczynałem i fajnie mi się w nich pracuje cały czas. To pokazywałem ludziom, że właśnie jest coś takiego, że mamy te modele open source'owe, że możemy tam trenować swoje modele. Jak to rozumieć? Okej, jeżeli masz Meet Journey, Chata GPT, no Nanobanana sobie z tym już dobrze radzi, ale na tamten moment nie było Nanobanana, więc masz Chat GPT, masz Meet Journey i chcesz wygenerować Krzyśka Stanowskiego.

No i wpisujesz, nie wiem, opis gościa podobnego do niego albo jego imię i nazwisko, no ale temu modelowi nic to nie mówi. On nie wie jak wygląda Krzysiek Stanowski, bo jego zdjęć jest za mało w bazie danych. Nawet jeżeli by się uczył na zdjęciach z Google'a, to na Google'u też nie ma bardzo dużo jego zdjęć. Albo nawet Andrzeja Dudę. To on może wiedzieć, że to jest jakiś gość koło pięćdziesiątki, w garniturze albo w jakiejś białej koszuli, z jakąś przypinką na marynarce, może flaga Polski, może jakaś inna. Ale twarz się nie będzie zgadzała. Ale twarz totalnie się nie będzie zgadzała. Więc, żeby uzyskać tą twarz z dobrymi szczegółami, musisz model wytrenować na zdjęciach danej osoby.

Czyli załóżmy, ja wrzucam 20 zdjęć Krzysztofa Stanowskiego w wysokiej rozdzielczości. Każde zdjęcie jest mniej więcej opisane, co tam się dzieje. No wrzucam je do treningu. Jest dane, nazwijmy to oprogramowanie, czy model do trenowania modeli i on na bazie tych zdjęć patrzy co się na przestrzeni tych wszystkich 20 zdjęć, jakie cechy się powtarzają. Czyli te same oczy, broda, no po prostu jego wygląd. Rozumiem, rozumiem. Szuka punktów wspólnych jakby. Dokładnie. No i tak jakby się uczy, jak on wygląda i później możesz sobie jego twarz generować. To trenujesz taki model, w sensie to nie jest jedyna droga, ale mówię o tym, jak ja to robiłem, czy robię.

Trenujesz taki mały model, model pośredni, którego bazą jest w tym przypadku Flux 1 Dev. No wcześniej to były te Stable Diffusion. 1,5 czy tam XL. To mniej więcej o tym mówiłem. Mówiłem jeszcze o tym trochę jak to postawić, bo no właśnie, żeby to zrobić, żeby trenować taki model albo generować to zdjęcie, musisz mieć dużą moc obliczeniową. Czyli dobrą kartę graficzną? Dokładnie. No ogólnie wiadomo, musi sprzęt współgrać, ale co jest najważniejsze, to jest karta graficzna, a dokładnie VRAM tej karty graficznej, żeby ona miała dużo tej pamięci. Więc, no nie każdy ma, nie wiem, budżet, czy może sobie pozwolić, żeby kupić kartę za 14, za 10, nawet za 5 tysięcy złotych.

No bo to pewnie od pięciu, czy może od trzech tysięcy złotych trzeba zacząć. Ja pamiętam na RTX 3060, jak trenowałem pierwszy model Fluxa, model Andrzeja Dudy chyba, to ten trening mi trwał 48 godzin na przykład. A to była karta, wtedy chyba około trzech tysięcy ona kosztowała. I całe 48 godzin komputer cały czas chodzi, mieli, mieli i sobie gdzieś tam oblicza, szuka punktów wspólnych i mam potem ten model? Do którego mogę pisać wtedy prompty, tak? Tak, masz jakby całe, no nazwijmy tak jak w Midjourney, żeby było łatwiejsze odniesienie i zrozumienie, masz to okienko z promptem, no to tam przy modelach lokalnych zależy z jakiego korzystasz interfejsu do obsługi tego modelu.

I ewentualnie jeszcze upscaler w takim bazowym workflow, żeby to zdjęcie powiększyć. I to też jest fajne, że ten upscaler działa trochę inaczej niż te wszystkie, chociaż zauważam coraz więcej działających na tej zasadzie. To się chyba nazywa dyfuzyjne modele upscalingowe, czyli nie wygładza ci, czy tam dodaje pikseli i ziarna jakiegoś, tylko faktycznie bierze to zdjęcie i generuje je w wyższej rozdzielczości. W przypadku, no jak robisz to w jakimś rozwiązaniu chmurowym i nie masz tej lory, to może to stracić na podobieństwo do oryginału, chociaż i tak bardzo dobrze to już wygląda, no ale zawsze w tym konfi to było to, że ty robiłeś ten upscale z tą lorą, przez co dlatego to tak dobrze wyglądało, bo ta postać była cały czas, ten model postaci był cały czas podłączony do tego workflow.

Pokazano pierwszych 25 dopasowań — doprecyzuj frazę, aby zawęzić wyniki. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.