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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #611 · 28.10

На днях Telegram запустил у себя возможность прятать контент за paywall — некоторый ограничитель в просмотре, пока вы не заплатите. Например, можно выложить картинку, она будет размытая, а проявить её стоит, допустим, 100 рублей (с каждого, кто хочет посмотреть). Такие схемы давно реализуются на разных сервисах "донат за контент" — в том же Patreon (хотя там подразумевается подписка). Понятно, что наибольшее применение это находит где-нибудь в продаже личного порно. Но вообще идея официально монетизировать каналы нормальная, просто сами каналы перед этим нуждаются в серьёзной доработке, а не как сейчас. И почти сразу эту функцию заблокировал у себя Apple, из-за чего на айфонах такие посты недоступны. Если бы мне давали сто рублей каждый раз, когда пользователям айфонов что-то становится недоступно... Дуров у себя по этому поводу пафосно написал, дескать, вот вам очередной пример того, как trillion-dollar monopoly abuses its market dominance <...> destroys more dreams and crushes more entrepreneurs. И понадеялся на регуляторов в Европе и Индии. Короче, почти всё то, что говорил Путин вчера в своей речи о гегемонии США: навязывание собственных правил через экономический контроль, притеснение тех, кто от этих правил отклоняется, и так далее. Только для Дурова США это Apple, а Россия это Telegram. Вы знаете моё мнение про обоих, но с обоими вынужден согласиться конкретно в данных вопросах. Вообще, между ними внезапно много общего в том, как ведётся публичная риторика, как публично (не)сообщается о каких-то неудачах, какое внимание (не)уделяется некоторым важным проблемам в подконтрольной области и так далее. Впрочем, возможно, этому подвержен любой достаточно крупный руководитель. #web

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