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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #546 · 7.09

Прошёл Stray. Не абсолютно все секреты нашёл, но и не совсем пробежал. Впечатления скорее положительные: вполне милая игра, которую можно проходить, например, с детьми (но не слишком маленькими, всё-таки формально в игре есть монстры и убийства). Из недостатков, пожалуй, можно было подшлифовать графику (и модельки и, например, шерсть). Современные средства позволяют не слишком дорого сделать круче. Ещё лично мне не хватило описания мира: информация подаётся слишком отрывисто и короткими кусками. Мне кажется, такой мир можно было раскрыть интереснее, дав чуть более глубокие ответы на вопросы "Куда делись люди?", "Почему роботы носят одежду?", "Что случилось 11-го октября?" и так далее. Но хвалить игру хочется больше. Во-первых, сколько лет мы не видели выпуск хороших квестов? Мне вот казалось, что жанр давно или умер, или канул в какой-то маргинальной нише. А тут прямо квест: ты находишь предметы и ищешь способы их применить. При этом загадки простые и довольно логичные, ни разу не приходилось бродить час по одному уровню, пытаясь понять, что делать дальше (привет, "Чёрный Оазис"). Во-вторых, красивая аутентичная проработка. Необычная атмосфера и сеттинг. Приятно наблюдать за деталями, хочется рассматривать всё вокруг. Интересное решение по озвучке диалогов: и дёшево, и эмоции вызывает положительные. В-третьих, конечно же, всякие "кошачьи" мелочи. Авторы сами кошатники, поэтому добавили в игру кучу жизненных моментов: как для прикола, так и в виде полноценной игровой механики. Например, кошки любят сбрасывать предметы с полок: в Stray это можно делать и просто так и для решения задачек. Анимация при этом хорошо нарисована — котик прямо лапкой толкает вещи. Или, допустим, в одном месте нужно ходить по клавиатуре компьютера, вводя всякую абракадабру. Такого много: драть диваны тоже можно просто так, но в какой-то момент это пригодится специально :) Ну и, конечно, есть кнопка "мяукнуть". Постоянно нажимал. В общем, я не сказал бы, что это сногсшибательно новое слово в геймдеве, но совершенно точно яркое событие. Если есть пара-тройка свободных вечеров (игра короткая), сажайте своих детей рядом и вперёд. #games

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