Find similar content

➡️Итак, потратил кучу времени и вроде получилось⏰, я обучил ии внешности Роксаны из манги "The Way to Protect the Female Lead's Older Brother" "Как защитить старшего брата главной героини"📕, иначе говоря создал Lora. Вот результаты тестов и сама ссылка на скачку с Civitai Roxana. Надеюсь вам понравится))🥰 #lora

Название модели: Garage Life: Batya's Hideout Ссылка на модель: https://civitai.com/models/1204131/garage-life-batyas-hideout?modelVersionId=1355951 Тип модели: #LoRA Количество скачиваний: 100+ Дата загрузки: 1 февраля 2025 Базовая модель: Flux.1 D 🚬Описание модели/Комментарий разработчика: Эта модель передает всю эстетику постсоветских гаражей — атмосферу беспросветных ебеней, где можно встретить и батю с шашлыками, и старые Жигули, и бесконечные ряды заброшенных кооперативов. Отлично подходит для создания сцен с советской урбанистикой, гаражными движами и ламповыми посиделками в духе 90-х. Обязательно попробуй!

🌟Doc-to-LoRA и Text-to-LoRA: гиперсети как генераторы LoRA SakanaAI предложила 2 новых способа работы с памятью и дообучением LLM. Оба используют одну идею - гиперсеть, которая генерирует LoRA-адаптеры на лету, вместо того чтобы каждый раз тяжелый процесс обновления весов под каждую новую задачу. Вся суть в математике затрат. Достаточно один раз вложиться в такое вот мета-обучение и потом создание нового адаптера обходится в копейки - система тратит вычислительные ресурсы всего на один прямой прогон. В итоге получается умный конвейер по производству плагинов. Вы скармливаете главной сети документы или описание задачи, а она моментально выдает готовый модуль. Отличный способ сэкономить бюджеты на компьют и время. 🟡Doc-to-LoRA Метод базируется на популярной связке «учитель-ученик» из дистилляции контекста. Гиперсеть принимает документ, кодирует его через замороженную LLM и генерирует LoRA-адаптер за один прямой прогон, без градиентных обновлений под конкретный документ. Адаптер применяется к слоям проекции MLP базовой модели. После этого модель отвечает на вопросы о документе, не имея его в контексте вообще. На синтетическом тесте NIAH гиперсеть обучалась на последовательностях в 32–256 токенов, но при инференсе работала с контекстами до 40К токенов (это 5х превышение тренировочной длины). Там, где Gemma-2-2b-it с окном 8К теряла информацию, Doc-to-LoRA сохраняла почти идеальную точность. При этом базовой модели требуется более 12 ГБ видеопамяти для обработки контекста в 128К токенов, а вот адаптер от Doc-to-LoRA обходится менее чем 50 МБ независимо от длины документа. На реальных QA-задачах цифры тоже довольно бодрые. В SQuAD метод сохраняет 82,5% точности по сравнению с подходом, когда весь текст просто лежит в контекстном окне. На длинных документах качество держится в районе 85% при задержке 0,2 секунды против 40 секунд у классической дистилляции контекста. По памяти разрыв еще жестче. Полная дистилляция с генерацией запросов занимает более 100 секунд и требует свыше 40 ГБ VRAM, а вот Doc-to-LoRA укладывается в 3,8 ГБ. Та же схема работает с визуальными токенами через мультимодальную Gemma-3-4b-it. На сете Imagenette чисто текстовая модель выдала 75% точности при классификации картинок, хотя ни гиперсеть, ни базовая модель не видели визуальных токенов при обучении. 🟡Text-to-LoRA Здесь текстовое описание задачи прогоняется через энкодер, который превращает его в вектор. Он объединяется с обучаемыми эмбеддингами слоя и типа модуля - гиперсеть знает не только саму задачу, но и для какого конкретно слоя нужен адаптер. На выходе - матрицы A и B для всех целевых слоев сразу. Адаптер применяется к проекциям запросов и значений в каждом блоке внимания замороженной базовой модели. В zero-shot на незнакомых задачах T2L набирает средний балл 67,7 по 10 бенчмаркам против 66,3 у мультизадачной LoRA и 55,8 у базовой модели без адаптации. Качество LoRA чувствительно к формулировке. Размытый запрос дает слабый результат, тогда как четкое описание с указанием типа рассуждения не только улучшает точность, но и позволяет управлять стилем ответа. 📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Arxiv Doc-to-LoRA 🟡Arxiv Text-to-LoRA 🖥GitHub Doc-to-LoRA 🖥GitHub Text-to-LoRA @ai_machinelearning_big_data #AI#ML#LLM#LoRA#SakanaAI

#вакансия#LoRa#ai#engineer#sql#python AI engineer / Expert AI / AI model trainer (LoRa / Stable diffusion) We are looking for an AI/StableDiffusion engineer as a full-time project employee. The job is mostly related to high quality training of LORA, composing prompts related to certain scenes (based on sketches from artist) and programming on Python. We are currently in prove-of-concept phase and need to run many experiments to get certain results (can explain on the call). The job also includes research of new technologies related to SD/other AI networks. The proposed salary level is $5000-6000. The work process includes daily/on-demand calls, weekly reports, etc. In addition to AI related knowledge, following skills are required: - Linux, advanced CLI commands - SQL - Basic image processing (transparency, simple drawings, scaling, rotation) - Advanced Python programming (image processing pipelines, training pipelines) - English (reading/writing. Speaking is highly welcomed) Contact me and we will be happy to discuss our project! @levanm We consider Russian-speaking specialists. The preferred time zone is UTC+3 or similar.

#вакансия#LoRa#ai#engineer#sql#python AI engineer / Expert AI / AI model trainer (LoRa / Stable diffusion) We are looking for an AI/StableDiffusion engineer as a full-time project employee. The job is mostly related to high quality training of LORA, composing prompts related to certain scenes (based on sketches from artist) and programming on Python. We are currently in prove-of-concept phase and need to run many experiments to get certain results (can explain on the call). The job also includes research of new technologies related to SD/other AI networks. The proposed salary level is $5000-6000. The work process includes daily/on-demand calls, weekly reports, etc. In addition to AI related knowledge, following skills are required: - Linux, advanced CLI commands - SQL - Basic image processing (transparency, simple drawings, scaling, rotation) - Advanced Python programming (image processing pipelines, training pipelines) - English (reading/writing. Speaking is highly welcomed) Contact me and we will be happy to discuss our project! @levanm We consider Russian-speaking specialists. The preferred time zone is UTC+3 or similar.

In germany there is a group called FreieDeutscheGesellschaft.org Experimenting with the LoRa technology. https://t.me/FDG_Portal loRa is super effective in Cities, but not in the countryside. Therefore we switched to the Reticulum Protocol, which allows us to use litte computers like raspberrypi as Gateways, for connecting Lora, CB, Wifi and even more. First we tried Meshtastic, but there were many problems with messaging using many nodes. Nodes not waking up after sleeping for some time. And many problems with the APP, and interoperabilities. So we decided to stop the complete Process, because we needed a strong base first, before expanding. We found reticulum was better in many ways for this usecase, since then we are using it. https://github.com/markqvist/Reticulum Hw list: https://t.me/NoGoolag/11676 #communications#im#lora

Eldritch Candid Photography Модель имитирует аналоговую фотографию с акцентом на зернистость пленки и ретро цветовые темы. Для усиления эффекта используйте триггерные слова, такие как "found footage" и "grainy photograph". Брать тут: https://civitai.com/models/490059/eldritch-candid-photography?modelVersionId=554793 #SDXL, #LoRA, #фотореализм, #ретро

⚡️ LoRA почти так же хороша, как полный fine-tuning, но в разы дешевле Thinking Machines выпустили новое исследование, которое смотрит на LoRA под другим углом. Главная идея исследования: LoRA может обучаться почти как полный fine-tuning, но при этом быть проще, дешевле и предсказуемее. Они доказали это экспериментально: взяли одинаковую модель, прогнали обучение двумя способами: полным fine-tuning и LoRA - и сравнили кривые потерь (loss vs steps). Процесс: - Дали чёткий рецепт, а не случайные гипотезы. - Показали, что процесс можно повторять с одинаковым результатом. - Выяснили, что если адаптеру не хватает памяти, модель не ломается, а просто замедляется. Результат показал, что при правильных настройках LoRA движется по той же траектории, что и FullFT. То есть качество модели и динамика обучения совпадают, пока у адаптера хватает параметров. Когда лимит достигается, у LoRA кривая не «обрывается», а просто идёт дальше медленнее. Именно за счёт этого LoRA демонстрирует предсказуемое и воспроизводимое поведение, а не случайные провалы, которые часто происходят при подборе гиперпараметров «на глаз». ✔️ Правила от команды Thinking Machines 1. Ставить LoRA на все слои, а не только на attention. 2. Использовать ~10× больший learning rate, чем обычно. 3. Не раздувать batch size - иначе падает стабильность. ✔️Что в итоге: - Кривые обучения LoRA почти совпадают с full fine-tuning. - Даже в упоре в лимит адаптера модель ведёт себя плавно. - Вычислений требуется на треть меньше, чем у FullFT. LoRA может стать инструментом для надёжного и дешёвого пост-трейнинга. Для Thinking Machines это шаг к миссии: они уверены, что непредсказуемость моделей - это не фича, а баг, который можно исправить. Если убрать случайность и сделать выходы стабильными - ИИ станет безопасным даже для критически важных процессов. 📌Подробнее @ai_machinelearning_big_data #LoRA#FineTuning#AI#MachineLearning#DeepLearning#LLM

Texting with Zero Cell Service? What a Meshtastic Idea! LoRa and GPS For Off-Grid Communication https://meshtastic.org https://youtu.be/gqAsWtIjHUY In this video I discuss the Meshtastic project and what kinds of features it has. It is an off-grid texting mesh network using inexpensive LoRa boards. for 10-20 dollars each you can buy a few radios and setup a way to communicate if you don't have cell phone service in a remote area. With GPS, you can even see where everyone in your group is at on a map #meshtatic#im#p2p#lora

🎙 VoxCPM2 Portable ● Синтез и клонирование голоса + авто-обучение LoRA одним кликом ● RU ● by NerualDreming Ссылка на GitHub:https://github.com/timoncool/VoxCPM2_portable Автор:#NerualDreming Дата обновления: 19 апреля 2026 Версия: 1.0 Категории: #AIaudio, #TTS, #voicecloning, #LoRA Платформа:#Windows Язык: RU, EN Место на диске: 20 ГБ Системные требования: NVIDIA GPU 8+ ГБ VRAM, 16+ ГБ RAM Совместимость:#Nvidia#CPU 🖥Описание софта VoxCPM2 Portable — это портативная сборка open-source модели VoxCPM2 от OpenBMB (2 миллиарда параметров, 2 миллиона часов обучающей речи) с русскоязычной Gradio-студией. Делает три вещи: синтез речи на 30 языках с автоопределением, Voice Design (новый голос из текстового описания без референса) и клонирование голоса по короткому референсу. Выход — студийные 48 kHz через AudioVAE V2 super-resolution. Есть live-стриминг — аудио начинает играть во время генерации, не надо ждать окончания синтеза. И вот что главное — это очень мощная система для клонирования голоса, работает быстро, качество отличное. Как киллер-фича — можно обучить LoRA на любом голосе. Я решил развить эту идею и сделал автоматический пайплайн для подготовки датасета. Всё что вам надо — закинуть видео или аудио, а дальше умный пайплайн сам нарежет его на голосовые клипы, скачает ASR-модель, сделает транскрипцию и подготовит клипы для обучения LoRA. Вам буквально надо нажать одну кнопку, чуть подождать — и вот лучшее из open-source качество синтеза голоса уже у вас. 😬Основные возможности VoxCPM2 Portable: 🟣 Синтез речи на 30 языках с автоопределением, 48 kHz студийное качество через AudioVAE V2 🟣 Voice Design — создание голосов из текстового описания (пол, возраст, эмоция, акцент), zero-shot 🟣 Voice Cloning — клонирование по 5-50 секундам референса, с опциональным Ultimate-режимом 🟣 Живое стриминг-воспроизведение: аудио начинает играть во время генерации, не надо ждать 🟣 Пак из 100+ готовых голосов + 743 русских голоса по запросу из Slait/russia_voices 🟣 Контроль стиля: «чуть быстрее, бодрым тоном», «шёпотом, интимно», «медленно и драматично» 🟣 Форматы вывода MP3 / WAV / FLAC / OGG 🟣 Авто-обучение LoRA из видео: ffmpeg → Parakeet TDT 0.6B v3 INT8 (NVIDIA NeMo, 25 европейских языков) + Silero VAD → нарезка по предложениям → авто-подбор параметров → запуск тренировки. Одна кнопка 🟣 Ручной режим тренировки LoRA для заранее подготовленных датасетов 🟣 Hot-swap LoRA — переключение между моделями без перезапуска приложения 🟣 ZipEnhancer денойзер для шумных референсов 🟣 Все параметры модели в UI: CFG, Inference Steps, Min/Max длина, Retry, Seed 🟣 Flash Attention 2 из коробки (RTX 40xx / 50xx), xformers, Triton, bfloat16 🟣 i18n RU/EN с переключением в шапке, тёмная тема, FFmpeg в комплекте 💿Установка и запуск ⁍ Скачайте архив с установщиком или клонируйте репозиторий ⁍ Запустите install.bat — выберите поколение вашей видеокарты ⁍ Установщик сам скачает Python 3.12, PyTorch, voxcpm, Flash Attention 2, FFmpeg ⁍ Запустите run.bat — приложение откроется в браузере ⁍ Модели подтянутся при первом запуске (VoxCPM2 ~4-5 ГБ; Parakeet ASR ~670 МБ — лениво при первом клике на авто-подготовку) ⁍ Используйте update.bat для обновлений ⭐️Поставить звезду на GitHub — вам не сложно, а другим будет проще найти проект ➡️Скачать Portable установщик — скачает всё что нужно ➡️Скачать Portable env win11 rtx4090 — окружение под Win 11 и RTX 4090 ➡️Установка в 1 клик через Pinokio — сначала нужно скачать сам установщик Pinokio 💬Обсудить в нашем чате 👾НЕЙРО-СОФТ - делаем нейросети доступнее

⚡Flux Gym Portable ● Тренировка LoRA для FLUX ● by LeeAeron Ссылка на оригинальный GitHub:https://github.com/cocktailpeanut/fluxgym Репакер:#LeeAeron Дата обновления: 20 сентября 2025 Версия: v1.0 Категории:#training, #lora, #flux, #stablediffusion Платформа:#Windows Системные требования: NVIDIA GPU с 12GB/16GB/20GB VRAM Совместимость:#Nvidia (GTX и RTX 20x-50x) 🖥Описание софта Flux Gym — это самый известный и популярный Web UI для тренировки LoRA-моделей для FLUX.1. Этот инструмент значительно упрощает процесс обучения, который ранее требовал сложных ручных настроек. Многие знают его по легкой установке через Pinokio, но теперь, благодаря этому репаку, вы можете использовать его как полностью портативное и автономное приложение. Сборка включает поддержку режима LOW VRAM, что делает её доступной для пользователей с видеокартами на 12, 16 и 20 ГБ. 😬Основные возможности Flux Gym: 🟣 Простой и интуитивно понятный Web UI для тренировки LoRA. 🟣 Поддержка режима LOW VRAM для запуска на видеокартах с ограниченным объемом памяти. 🟣 Автоматическая настройка окружения и зависимостей. 🟣 Совместимость с широким спектром видеокарт NVIDIA, включая GTX и RTX серий 20x-50x. 🟣 Обход известных проблем совместимости PyTorch и libuv на Windows 10. 💿Установка и запуск: ⁍ Распакуйте архив с помощью архиватора 7-Zip. ⁍ Запустите файл Start.bat. ⁍ Скрипт автоматически скачает все необходимые компоненты, включая Torch 2.7.1. ⁍ После завершения установки, Web UI откроется в вашем браузере по умолчанию. ➡️ Скачать архиватор 7z 💬Примечание от автора репака: Полностью не тестировал, т.к. у меня 6Gb VRAM. За тест и помощь спасибо: @Yury_Tepex ➡️Скачать Flux Gym Portable — архив 7z 💬Обсудить в чате | ⭐️Поддержать канал 👾НЕЙРО-СОФТ — Делаем нейросети доступнее.

The Internet, Reinvented. In this video, I build a #Reticulum#RNode and prove that completely different radios — #LoRa and Wi-Fi — can communicate through a hardware-agnostic networking stack. Reticulum routes traffic above the radio layer, automatically bridging dissimilar frequencies, interfaces, and modulation types. I then run it over Wi-Fi HaLow Haven nodes to create a long-range, encrypted IP #mesh with no traditional infrastructure. Finally, I push it further by running #ATAK across the network, demonstrating a fully open-source, decentralized communication stack in action. Checkout https://rmap.world/ You can install rnode software on your esp32/nrf52 based meshtastic/meshcore hardware