TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1064 · 17.01

Навскидку, все видеоблогеры, на кого я подписан, поделились сейчас на три группы. 1. Те, кто просто стал заливать свои ролики сразу на ютуб, в ВК, иногда ещё в Дзен и на пару других площадок. День в день, ролики дублируются, аудитория выбирает, где смотреть. Левша, Розеткед, Антонов, Гикмедиа, Вилса, АлексГайвер итд. Кажется, бОльшая часть поступила именно так, хорошая стратегия без ущерба для аудитории. 2. Те, кого ВК, по-видимому, пригласил к себе эксклюзивом на каких-то условиях, и/или кого забанил ютуб. Они либо не выкладывают на ютуб вовсе, либо выкладывают с умышленным опозданием, а часть эксклюзивов оставляют в ВК: Лебедев, Крастер, Пушной. Видимо, на покупку Вилсы у ВК просто не хватило денег. 3. Ну и самая любопытная категория: те, кто саботирует ВК и либо не выкладывает там совсем, либо постит со специальной задержкой относительно ютуба. Имена перечислять не буду, потому что среди тех, кого я смотрю, этому эффекту подвержены ТОЛЬКО очень маленькие начинающие блоги (не все). Больших игроков с таким поведением я не припомню, но я уже давно отписался, например, от всех либералов, поэтому не знаю, как там. Постят ли какие-нибудь Кац и Варламов свои упаднические истерики в ВК? Не знаю, и не особо интересно, честно говоря. В любом случае, если саботаж российских площадок не является частью идеологии блога, то, как я понял, новички недовольны именно раскруткой: рекомендациями, охватами итд. Жалуются на очень небольшое число просмотров у развивающихся блогов. С этим спорить сложно, у ютуба конечно и система рекомендаций и привычка публики на порядки превосходит таковые в ВК. Но вот что мне кажется не слишком логичным: зачем постить в ВК с задержкой? Если в ВК нет твоей аудитории, постить не нужно совсем (в том числе и ссылками на внешние платформы). Если аудитория есть, то нет смысла специально причинять ей неудобства. Независимо от того, решатся ли фундаментальные проблемы ВК или нет, эта стратегия не ведёт ни к какой выгоде в долгосрочной перспективе. За собой заметил, что точно стал реже открывать ютуб (даже с DPI он работает плохо, а постоянно включённый VPN это неудобно по ряду других причин), но при этом в ВК смотрю только тех, кого уже смотрел и раньше. Рекомендации пока что ни к чёрту, глупо отрицать. Так что просто реже прокрастинирую с помощью видео и чаще с помощью чего-то ещё. #web

Hashtags

Резултати

Намерени 5 подобни публикации

Търсене: #mlx

当前筛选 #mlx清除筛选
GitHub Trends

@githubtrending · Post #15143 · 14.09.2025 г., 12:00

#python#llms#mlx MLX LM is a Python tool that helps you run and fine-tune large language models (LLMs) efficiently on Apple Silicon Macs. It connects easily to thousands of models on Hugging Face, supports model quantization to save memory, and allows distributed training. You can generate text or chat with models via simple commands or Python code. It also offers features like prompt caching and memory optimization for handling long texts, making it faster and less resource-heavy. This means you can run powerful AI models locally on your Mac without needing expensive cloud services, saving cost and improving speed. https://github.com/ml-explore/mlx-lm

GitHub Trends

@githubtrending · Post #14655 · 01.05.2025 г., 13:30

#typescript#electron#llama#llms#lora#mlx#rlhf#transformers Transformer Lab is a free, open-source tool that lets you easily work with large language models on your own computer, offering one-click downloads for popular models like Llama3 and Mistral, fine-tuning across different hardware (including Apple Silicon and GPUs), and features like chatting, training, and evaluating models through a simple interface—saving you from complex setups like CUDA or Python version issues[1][2][5]. https://github.com/transformerlab/transformerlab-app

GitHub Trends

@githubtrending · Post #15614 · 13.04.2026 г., 11:30

#typescript#ai#cuda#mlx#qwen3_tts#qwen3_tts_ui#voice_ai#voice_clone#whisper Voicebox is a free, open-source voice synthesis studio that lets you clone voices, generate speech in 23 languages, and apply audio effects—all running privately on your computer. You can create realistic voice clones from just seconds of audio, use five different text-to-speech engines for different needs, add effects like reverb and pitch shift, and build multi-voice projects with a timeline editor. The key benefit is complete privacy: your voice data and AI models never leave your machine, unlike cloud-based alternatives. It also includes an API for building voice-powered applications and works across Mac, Windows, and Linux with GPU acceleration support. https://github.com/jamiepine/voicebox

GitHub Trends

@githubtrending · Post #14684 · 08.05.2025 г., 12:00

#python#apple_silicon#audio_processing#mlx#multimodal#speech_recognition#speech_synthesis#speech_to_text#text_to_speech#transformers MLX-Audio is a powerful tool for converting text into speech and speech into new audio. It works well on Apple Silicon devices, like M-series chips, making it fast and efficient. You can choose from different languages and voices, and even adjust how fast the speech is. It also includes a web interface where you can see audio in 3D and play your own files. This tool is helpful for making audiobooks, interactive media, and personal projects because it's easy to use and provides high-quality audio quickly. https://github.com/Blaizzy/mlx-audio

GitHub Trends

@githubtrending · Post #15600 · 04.04.2026 г., 11:30

#python#apple_silicon#florence2#idefics#llava#llm#local_ai#mlx#molmo#paligemma#pixtral#vision_framework#vision_language_model#vision_transformer MLX-VLM lets you run, chat with, and fine-tune Vision Language Models (VLMs) plus audio/video models on your Mac using MLX—install easily with `pip install -U mlx-vlm`. Use CLI for quick text/image/audio generation (e.g., `mlx_vlm.generate --model ... --image photo.jpg`), Gradio UI for chats, Python scripts, or a FastAPI server with OpenAI-compatible endpoints supporting multi-images/videos. Features like TurboQuant cut KV cache memory by 76%, and LoRA/QLoRA fine-tuning works on consumer hardware. You benefit by experimenting with powerful multimodal AI locally—fast, memory-efficient, no cloud costs, perfect for Mac users tweaking models affordably. https://github.com/Blaizzy/mlx-vlm