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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #110 · 11.12

На днях скатался в Сбер и прочитал там доклад о выборе способа ввода в приложении. Весь митап может быть вам интересен, если вы разрабатываете или планируете разрабатывать под платформу умных ассистентов Сбера. Но свой доклад я постарался сделать чуть более универсальным: придумал некоторый формальный принцип для выбора способа ввода, привёл примеры с разных платформ. У Сбера пока весьма молодая площадка, однако вкладываются в неё значительно. Я уже ранее писал, что высоко оценил как техническую наполненность, так и работу с сообществом. Запись митапа тоже произвела впечатление: большая студия с кучей оборудования, леса под свет, телесуфлёры, режиссер и звукооператор, гримёрка. Почувствовал себя будто на телевидении. Ссылка с таймкодом на начало моего выступления: https://youtu.be/FbdHktzx3bU?t=3983 #dev

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #sounds

当前筛选 #sounds清除筛选
Interesting Planet 🌍

@interesting_planet_facts · Post #1053 · 19.11.2025 г., 18:11

🌎 In 1977, the Soviet Venera 14 probe recorded mysterious low-frequency “thunder”-like sounds on Venus. Scientists now attribute these to seismic activity or wind interacting with the planet’s dense atmosphere. Venus’s surface winds move slowly, but thick air carries sound much farther than on Earth. ✨ #Venus⚡#sounds⚡#space 👉subscribe Interesting Planet 👉more Channels ​

djangoproject

@djangoproject · Post #255 · 02.02.2017 г., 18:57

https://github.com/tyiannak/pyAudioAnalysis #pyAudioAnalysis is a Python library covering a wide range of audio analysis tasks. Through pyAudioAnalysis you can: Extract #audio features and representations (e.g. mfccs, spectrogram, chromagram) Classify unknown #sounds Train, parameter tune and evaluate classifiers of audio segments Detect audio events and exclude silence periods from long recordings Perform supervised segmentation (joint segmentation - classification) Perform unsupervised segmentation (e.g. speaker diarization) Extract audio thumbnails Train and use audio regression models (example application: emotion recognition) Apply dimensionality reduction to visualize audio data and content similarities