Сыграли на выходных в «Шепот за стеной». Эта настолка в своё время хорошо собрала на Кикстартере, а потом издательство Низа Гамс договорилось о локализации и привезло её в Россию. Кстати, Низа Гамс выросли из настольного видеоблога, при этом ребятам удаётся подписывать по-настоящему интересные и неординарные проекты.
Так вот, «Шёпот за стеной» это асимметричная игра, где один игрок управляет маньяком-убийцей, а 1-3 других игроков становятся жертвами. Игра идёт в стиле классических ужастиков вроде «Пятницы 13»: злодей фактически неуязвим, и от него можно только спрятаться или убежать. Персонажи перемещаются по большому старинному особняку, но фокус в том, что убийца не знает точное положение жертв и должен косвенно вычислять их по издаваемому шуму (шум это специальные жетоны, которые жертвы выкладывают при выполнении нужных им действий). Жертвы могут выиграть двумя способами: сбежать, найдя ключи от особняка, или вызвать полицию, починив телефон. Маньяк, понятное дело, должен для победы кого-то убить.
Прелесть «Шепота» в том, что броский внешний вид, в отличие от многих проектов, не оттеняет бедность игровых механик, а, наоборот, служит для их усиления. Красивая конструкция в виде дома — это и разделитель между полями (чтобы игроки не видели положение друг друга) и встроенная башенка для броска кубиков. Миниатюрки это не просто способ продать коробку подороже, а по-настоящему нужный элемент быстрой оценки диспозиции на поле. Вообще, многие мелочи здесь продуманы очень хорошо и прекрасно работают: так, например, с течением партии силы маньяка растут, что является естественным таймером конца игры без всяких там «после N ходов вы проиграли».
Правила простые, партии не очень длинные, даунтайма почти нет, в игре есть и блеф, и напряжённость и стратегия. Хотелось бы сказать, что она вообще идеальна во всём, но минус присутствует: совсем хорошо играется только на четверых. Любым другим составом уже чуть менее удобно, потому что одному игроку приходится брать нескольких персонажей. Хотя тоже возможно, у нас даже двое за убийцу играли (что правилами не предусмотрено).
Тем не менее, я купил базу и все дополнения, и очень советую. В базе пять персонажей жертв и три вида убийц с разными особыми свойствами, в дополнениях в основном ещё убийцы плюс новые виды особняков. Кстати, несмотря на тематику и надпись 18+, никакой жестокости тут нет, и можно без проблем играть с подростком 12-13 лет и старше.
#games
Image to Text OCR is a utility website made by Alejandro Akbal for extracting text from any image using #OCR.
This tool was made for those moments where you take a photo of some text and wish you could have it digitally.
https://github.com/AlejandroAkbal/Image-to-Text-OCR
Online: https://image-to-text-ocr.netlify.app/
🦉 LightOnOCR-1B: новая быстрая OCR-модель от LightOn
Модель дистиллирована из Qwen2-VL-72B-Instruct и обучена на корпусе из 17.6 млн страниц / 45.5 млрд токенов.
🔥 Главное:**
-1 B параметров
- позволяет обрабатывать 5.7 страниц/с на одном H100 (это примерно ≈ 493 000 страниц за день)
- Распознаёт таблицы, формы, уравнения и сложные макеты
- 6.5× быстрее dots.ocr, 1.7× быстрее DeepSeekOCR
- Расходы < $0.01 за 1000 страниц A4
📊 Качество (Olmo-Bench):
- Превосходит DeepSeekOCR
- Сопоставима с dots.ocr (при этом модель в 3 раза меньше по весу)
- +16 пт к Qwen3-VL-2B-Instruct
Эта моделька - отличный баланс качества, скорости и стоимости.
🟢Модель 1B: https://huggingface.co/lightonai/LightOnOCR-1B-1025
🟢Модель 0.9B (32k): https://huggingface.co/lightonai/LightOnOCR-0.9B-32k-1025)
🟢Блог LightOn:https://huggingface.co/blog/lightonai/lightonocr
🟢Демка: https://huggingface.co/spaces/lightonai/LightOnOCR-1B-Demo
@ai_machinelearning_big_data
#ocr#ml
📄 DeepSeek-OCR - модель для распознавания текста 🔍
DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст.
Что умеет:
- Распознаёт текст на изображениях и в PDF
- Работает с документами, таблицами и сложными макетами
- Поддерживает разные режимы: Tiny, Small, Base, Large
- Оптимизирована под GPU (PyTorch + CUDA 11.8)
- MIT-лицензия — можно свободно использовать и модифицировать
DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости.
🟠HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR
🟠Github: https://github.com/deepseek-ai/DeepSeek-OCR
🟠Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
@ai_machinelearning_big_data
#ocr#DeepSeek