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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #520 · 29.08

У кого-то из фантастов была описана такая сцена: огромный военный космический корабль древней цивилизации патрулирует свои владения, а рядом с ним летит маленький современный (от другой цивилизации) и конвоирует его, чтобы чего лишнего не сделал. Маленький был способен уничтожить большой одним выстрелом. В сцене показана немощность некогда могучей, но безнадёжно устаревшей технологии по сравнению с более новой. Я вспомнил сегодня об этом, когда увидел машину такси, у которой на "шашечках" на крыше был написан красивый семизначный номер телефона. Сама машина стояла припаркованная, с водителем внутри, на стекле была табличка "Свободен" или типа того. Никакой айдентики какого-либо из агрегаторов на корпусе не было. Не знаю, работает ли конкретно этот водитель по-старинке, но мы все таких иногда встречаем на выходе из вокзалов, например. Призраки давно минувших времён. #life

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