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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #96 · 29.10

Съездил в командировку в Горький. Сейчас он, конечно, называется Нижний Новгород, но было бы здорово оставить старое название. Во-первых, не было бы путаницы с Великим Новгородом. Во-вторых, представьте, какая интересная эмоциональная энергетика в названии Горький. И местные это всячески обыгрывают. Помимо просто повсеместного исторического наследия есть, например, сеть кофеен «Сладкий Горький», а в отеле подавали чай «Горьковский». Много чего не успел, не посмотрел, был буквально на пару дней по работе. Даже в метро не спустился. Но чувствуется хороший туристический потенциал, обязательно сюда вернусь. Из-за особенностей рельефа часть города находится на возвышенности, а часть в низине. Поэтому да, есть верхний Нижний Новгород, и нижний Нижний Новгород. Но Горький всё равно круче. В детстве я слышал такую шуточную загадку: дракон-сладкоежка съел все города, но один оставил, какой? #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