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 3 подобни публикации

Търсене: #quantization

当前筛选 #quantization清除筛选
GitHub Trends

@githubtrending · Post #14747 · 25.05.2025 г., 11:30

#python#deep_learning#intel#machine_learning#neural_network#pytorch#quantization Intel Extension for PyTorch boosts the speed of PyTorch on Intel hardware, including both CPUs and GPUs, by using special features like AVX-512, AMX, and XMX for faster calculations[5][2][4]. It supports many popular large language models (LLMs) such as Llama, Qwen, Phi, and DeepSeek, offering optimizations for different data types and easy GPU acceleration. This means you can run advanced AI models much faster and more efficiently on your Intel computer, with simple setup and support for both ready-made and custom models. https://github.com/intel/intel-extension-for-pytorch

GitHub Trends

@githubtrending · Post #15091 · 24.08.2025 г., 11:30

#python#comfyui#diffusion#flux#genai#mlsys#quantization Nunchaku is a fast and efficient engine that runs 4-bit neural networks using a special method called SVDQuant, which compresses models to use less memory and speed up processing by 2 to 5 times compared to older methods. It supports advanced AI models for tasks like high-quality text-to-image generation and image editing, working best on modern NVIDIA GPUs. You can easily install and use it with ComfyUI, and it has active community support on Slack, Discord, and WeChat. This means you can generate or edit images quickly with less computing power, saving time and resources. It also offers tutorials and example workflows to help you get started smoothly. https://github.com/nunchaku-tech/ComfyUI-nunchaku

GitHub Trends

@githubtrending · Post #15385 · 02.01.2026 г., 12:30

#python#deep_learning#inference#openai#quantization#speech_recognition#speech_to_text#transformer#whisper Faster-Whisper is a fast version of OpenAI's Whisper that transcribes audio up to 4x quicker with the same accuracy, using less memory on CPU or GPU—benchmarks show it beats original Whisper (e.g., 1m03s vs 2m23s for 13-min audio on GPU). Install via `pip install faster-whisper`, no FFmpeg needed, and use simple Python code like `WhisperModel("large-v3").transcribe("audio.mp3")` for segments with timestamps. You benefit by getting quick, efficient speech-to-text for real-time apps, saving time and resources on long files or batches. https://github.com/SYSTRAN/faster-whisper