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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #45 · 9.06

Все кикшеринги в Питере ночью собрали свои самокаты на перепрошивку. Теперь в центре их скорость будет программно ограничена 10 км/ч. На окраине останется как есть. Как нужно было: убрать из центра автомобили, переделать его в пешеходный. Половину ширины дороги отдать для ходьбы, и половину -- самокатам и велосипедам, с приоритетам на переходах и перекрёстках в сторону пешеходов. Как сделали: фактически убрали из центра электросамокаты, оставив бесконечные пробки среди автомобилей и бесконечные толпы людей, вынужденных тесниться на критически узких тротуарах. Впрочем, теперь я ещё больше рад, что не живу в центре. Всё-таки для постоянной жизни он совсем не подходит. #life UPD. По новой информации забрали не на перепрошивку, а просто власти убили бизнес угрозами и репрессиями. И собрали их не сами компании, а полиция. Ждём новостей.

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