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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #701 · 14.12

На крупнейшем сайте для художников ArtStation сегодня был цифровой протест: люди выкладывали у себя картинки против нейросетей, генерирующих графику. Посыл в основном был: "На наших работах обучили нейросети без нашего разрешения, теперь они копируют наши стили". Но, конечно, напряжение вызвано тем, что люди боятся потерять работу и вообще стать невостребованными. Мнения об этом расходятся. Сам я вам писал, что не доволен результатами от нейросетей, и, на мой взгляд, художников они не заменят в ближайшие годы. Но вот, допустим, Лебедев считает, что очень скоро заменят. В чатиках, где я сегодня это обсуждал, мнения тоже разделились. На одном полюсе было такое: "Отъём профессий у людей машинами это неизбежная стихия, под которую нужно адаптироваться. Мир жесток, подстройся или сдохни". На другом полюсе такое: "Отъём профессий у людей машинами это очень плохо, и нам, как обществу, нужно придумать, что с этим делать, иначе всем конец". Я думаю, независимо от отъёма профессий, нас ждёт деградация и кризис арт-отрасли. Всё просто: часть заказчиков и других потребителей будут довольствоваться результатами от нейросетей вместо того, чтобы нанимать/смотреть художника. Причём, для некоторых это будет нормально, им на самом деле не нужна более, хм, контролируемая картинка. А для некоторых это будет связано с плохим пониманием необходимого качества результата. Будет снижаться средний доход художника (как прямой от заказов, так и косвенный от просмотра его работ обычными людьми), рынок заполнят более дешёвые иллюстрации. В какой-то момент, возможно, значительной выборкой для дообучения нейросетей станут картинки от других нейросетей, это, вероятнее всего, скачкообразно ухудшит качество. Вслед за картинками — видео, музыка. Хотя ладно, деградация музыки уже давно идёт. Ну хоть тексты умерли не из-за нейросетей, а пали героями в неравной битве с вертикальными видео для деток! А художников жаль. #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