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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #987 · 31.05

Под влиянием поста Беспалова подумал о том, что для меня все виды деятельности располагаются в матрице "Интерес - Понимание". 1. Неинтересно и непонятно: артхаус-кино, современная молодёжная музыка, низкоуровневое программирование, тикток, животноводство, скульптура, эстонский язык и т.д. Все вещи, которые нельзя постичь беглым взглядом или просто в рамках обычной бытовой жизни, а погружаться сильнее мне не хочется, потому что они вызывают либо нейтральные эмоции, либо отрицательные. Если вкусы мои не изменятся, то вряд ли я когда-либо стану ими заниматься. Разве что за очень много денег или под давлением обстоятельств. 2. Неинтересно, но понятно: футбол, выращивание картошки на огороде, программирование на PHP, старые видеоигры, мытьё полов, инстаграм, плёночная фотография, городское фентези и т.д. Вещи, в которые я погружен хотя бы чуть-чуть в силу обстоятельств и окружающей среды, в процессе обычного быта, либо потому что они очень простые и примитивные. Но при этом никакого желания и интереса у меня нет. Иногда я чем-то таким занимаюсь из-за необходимости: ради друга можно сыграть в старую видеоигру, ради чистоты в квартире помыть пол, ради огромных денег написать что-то на PHP. Но в целом это рутина из-под палки. 3. Интересно, но непонятно: топология, кузнечное ремесло, рисование, столярное дело, большой теннис, плавание с аквалангом, теория струн, функциональное программирование и т.д. Всё, что вызывает интерес, но до чего я не добрался и, возможно, никогда в жизни не доберусь. Мир слишком многообразный, нельзя объять необъятное, нельзя заниматься абсолютно всем. Но в этом списке потенциальные претенденты на какое-нибудь будущее хобби. И ещё всегда может оказаться, что после погружения мне это дело не понравится, либо я обнаружу у себя отсутствие способностей к нему. 4. Интересно и понятно: работа (программирование на C#, управление командой, архитектура), текущие хобби (настолки, электроника, 3D-печать), замороженные хобби (мотоциклы, дроны, пет-проекты), совместный досуг с семьёй. Это то, чем я занимаюсь, если могу. Скажем, дроны заблокированы на неопределённый срок, мотоциклы на паузе, но при возникновении обстоятельств я к этим вещам буду возвращаться. А если условия есть, то, собственно, эти занятия и составляют основную часть моего времени жизни. #life

Hashtags

Резултати

Намерени 5 подобни публикации

Търсене: #mlx

当前筛选 #mlx清除筛选
GitHub Trends

@githubtrending · Post #15143 · 14.09.2025 г., 12:00

#python#llms#mlx MLX LM is a Python tool that helps you run and fine-tune large language models (LLMs) efficiently on Apple Silicon Macs. It connects easily to thousands of models on Hugging Face, supports model quantization to save memory, and allows distributed training. You can generate text or chat with models via simple commands or Python code. It also offers features like prompt caching and memory optimization for handling long texts, making it faster and less resource-heavy. This means you can run powerful AI models locally on your Mac without needing expensive cloud services, saving cost and improving speed. https://github.com/ml-explore/mlx-lm

GitHub Trends

@githubtrending · Post #14655 · 01.05.2025 г., 13:30

#typescript#electron#llama#llms#lora#mlx#rlhf#transformers Transformer Lab is a free, open-source tool that lets you easily work with large language models on your own computer, offering one-click downloads for popular models like Llama3 and Mistral, fine-tuning across different hardware (including Apple Silicon and GPUs), and features like chatting, training, and evaluating models through a simple interface—saving you from complex setups like CUDA or Python version issues[1][2][5]. https://github.com/transformerlab/transformerlab-app

GitHub Trends

@githubtrending · Post #15614 · 13.04.2026 г., 11:30

#typescript#ai#cuda#mlx#qwen3_tts#qwen3_tts_ui#voice_ai#voice_clone#whisper Voicebox is a free, open-source voice synthesis studio that lets you clone voices, generate speech in 23 languages, and apply audio effects—all running privately on your computer. You can create realistic voice clones from just seconds of audio, use five different text-to-speech engines for different needs, add effects like reverb and pitch shift, and build multi-voice projects with a timeline editor. The key benefit is complete privacy: your voice data and AI models never leave your machine, unlike cloud-based alternatives. It also includes an API for building voice-powered applications and works across Mac, Windows, and Linux with GPU acceleration support. https://github.com/jamiepine/voicebox

GitHub Trends

@githubtrending · Post #14684 · 08.05.2025 г., 12:00

#python#apple_silicon#audio_processing#mlx#multimodal#speech_recognition#speech_synthesis#speech_to_text#text_to_speech#transformers MLX-Audio is a powerful tool for converting text into speech and speech into new audio. It works well on Apple Silicon devices, like M-series chips, making it fast and efficient. You can choose from different languages and voices, and even adjust how fast the speech is. It also includes a web interface where you can see audio in 3D and play your own files. This tool is helpful for making audiobooks, interactive media, and personal projects because it's easy to use and provides high-quality audio quickly. https://github.com/Blaizzy/mlx-audio

GitHub Trends

@githubtrending · Post #15600 · 04.04.2026 г., 11:30

#python#apple_silicon#florence2#idefics#llava#llm#local_ai#mlx#molmo#paligemma#pixtral#vision_framework#vision_language_model#vision_transformer MLX-VLM lets you run, chat with, and fine-tune Vision Language Models (VLMs) plus audio/video models on your Mac using MLX—install easily with `pip install -U mlx-vlm`. Use CLI for quick text/image/audio generation (e.g., `mlx_vlm.generate --model ... --image photo.jpg`), Gradio UI for chats, Python scripts, or a FastAPI server with OpenAI-compatible endpoints supporting multi-images/videos. Features like TurboQuant cut KV cache memory by 76%, and LoRA/QLoRA fine-tuning works on consumer hardware. You benefit by experimenting with powerful multimodal AI locally—fast, memory-efficient, no cloud costs, perfect for Mac users tweaking models affordably. https://github.com/Blaizzy/mlx-vlm