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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #224 · 17.02

Система кармы на Хабре похожа на попытку программистов сделать справедливое самоуправляемое общество. В теории всё хорошо: 1. Вы получаете карму за хорошие статьи и реже за хорошие комментарии. Ну в основном конечно за статьи: действительно ценный вклад в общество (местное общество, имеется ввиду). 2. Теряете карму за плохие статьи (какой-нибудь откровенный мусор или текст низкого качества) и за социально неприемлемое поведение в комментариях. 3. Каждый человек может повысить карму другому только один раз. И понизить только один раз. 4. Влиять на карму других можно только если ваша собственная карма не ниже некоторого порога. Чем выше у вас карма — тем больше голосов за других людей и другие комментарии в день вы имеете. 5. Высокая карма даёт не только больше возможностей по публикациям и голосам, но и позволяет с некоторого значения зарабатывать на статьях деньги. Небольшие, но всё же. То есть да, теоретически люди, которые делают благо, получают больше возможностей и больше влияют на возможности других людей. Это вам не лайки бесполезные :) На практике, конечно же, идеальных систем нет, и у этой обнаружились косяки. Если вы высказываете в комментариях непопулярное мнение, то вам могут массово слить карму в глубокий минус. Не важно, что вы вежливо и может даже с аргументацией выразили свои субъективные взгляды — толпа закидает камнями. Получив сильный минус, вы теряете способность отвечать: сначала не можете минусить других, а потом вообще не можете комментировать. Невыведенные деньги за статьи при потере нужного статуса теряются. Забили камнями до онемения, ограбили. Некоторым людям настолько претит эта система, что они только из-за неё отказываются вообще вести какую-либо активность на Хабре. В любом случае, в обсуждении острых вопросов будешь аккуратен. Тем не менее, мне система скорее симпатична, чем нет. Да, Хабр явно не для яростных дискуссий. Зато там почти нет откровенного мусора и внутреннего воровства контента, что на мой личный взгляд является одной из главных проблем всех остальных контентных площадок. #web

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #speechrecognition

当前筛选 #speechrecognition清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8484 · 09.09.2025 г., 12:01

🎙️ Qwen3-ASR — универсальная модель распознавания речи! 🟢Поддержка EN/CN + ещё 9 языков: ar, de, en, es, fr, it, ja, ko, pt, ru, zh 🟢 Авто-определение языка 🟢 Модель умеет распознавать речь даже в сложных условиях — когда человек поёт, читает рэп или говорит под фоновую музыку. — WER <8% (ошибки меньше 8 слов на каждые 100) 🟢 Работает даже в шуме, низком качестве и на расстоянии 🟢 В модель можно добавить свои слова/термины/имена и фразы, и она будет их правильно распознавать ▪API:https://bailian.console.alibabacloud.com/?tab=doc#/doc/?type=model&url=2979031 ▪ModelScope Demo: https://modelscope.cn/studios/Qwen/Qwen3-ASR-Demo ▪Hugging Face Demo: https://huggingface.co/spaces/Qwen/Qwen3-ASR-Demo ▪Blog:https://qwen.ai/blog?id=41e4c0f6175f9b004a03a07e42343eaaf48329e7&from=research.latest-advancements-list @ai_machinelearning_big_data #ASR#SpeechRecognition#Qwen3#AI#MachineLearning#DeepLearning#VoiceAI

Machinelearning

@ai_machinelearning_big_data · Post #8296 · 18.08.2025 г., 11:11

🎙️NVIDIA выпустили Canary-1B v2 — открытую модель для распознавания и перевода речи, которая работает с 25 европейскими языками. Что она умеет: - 📝 Точное ASR (распознавание речи) и AST (перевод речи) между английским и 24 другими языками. - Автоматическая пунктуация, капитализация и точные таймстампы до слова. - Поддержка русского, французского, немецкого, испанского и многих других языков. Чем интересна - До 10× быстрее инференс, чем у моделей в 3 раза больше. - Уже показывает state-of-the-art точность среди открытых моделей на Hugging Face. - Лицензия CC-BY-4.0 — можно свободно использовать в проектах. Под капотом: - Архитектура: FastConformer-энкодер + Transformer-декодер (~978M параметров). - Форматы: .wav и .flac, моно 16 кГц. - Легко интегрируется через NVIDIA NeMo или прямо с Hugging Face. Где пригодится: 🟢 голосовые ассистенты 🟢 субтитры и перевод видео 🟢 чат-боты с речевым вводом 🟢 real-time анализ речи Всего ~978M параметров → легче, быстрее и дешевле в использовании, чем большие модели конкурентов. 🟠Попробовать можно здесь: https://huggingface.co/nvidia/canary-1b-v2 🟠SET: https://huggingface.co/datasets/nvidia/Granary 🟠PARAKEET: https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3 @ai_machinelearning_big_data #AI#NVIDIA#SpeechRecognition#ASR#AST#Multilingual#MachineLearning#DeepLearning