👋🏻 Durov "USERNAME"lar haqida!
"Yaqin vaqtgacha Telegram’dagi barcha foydalanuvchi nomlarining 70 foizi Erondan kelgan kibersquatterlar tomonidan faol bo‘lmagan kanallarda saqlangan. Bu qidiruv natijalarini chalkashtirib yuboradigan o'lik foydalanuvchi nomlari qabristonini yaratdi va millionlab Telegram foydalanuvchilariga o'z akkauntlari, guruhlari va kanallari uchun tegishli umumiy manzillarni tanlashiga to'sqinlik qildi.
Ushbu zaxiralangan foydalanuvchi nomlarini olishni istagan foydalanuvchilar ko'pincha hech qanday javob olmagan yoki aldanib qolishgan.
Yaxshiyamki, bu vaziyat o'zgara boshladi. Avgust oyi oʻrtalarida biz oʻtgan yil davomida boʻsh yoki faol boʻlmagan kanallarga bogʻlangan barcha ochiq Telegram manzillarini olib tashladik. Biz bu manzillarning 99 foizini asta-sekin qaytadan umumiy foydalanishga kiritamiz, bu safar algoritmik va geolokatsiya cheklovlari bilan faqat bir nechta foydalanuvchilar emas, balki ko‘proq foydalanuvchilar foyda ko‘rishi mumkin.
Eng yuqori baholangan qisqa foydalanuvchi nomlariga kelsak, ularni tarqatishning eng samarali va adolatli usuli men avvalgi postimda aytib o'tgan auktsion bo'lib tuyuladi. Shunday qilib, ushbu jozibali havolalarni qo'lga kiritganlar ularni yaxshi foydalanishga va taniqli t.me manzillarida joylashtirilgan original kontent bilan foydalanuvchilarimiz uchun qadrlashga undaydi.
Telegram foydalanuvchi nomlarini yig‘ib olganlar hafsalasi pir bo‘lganiga shubha qilmayman, lekin bu o‘zgarish foydalanuvchilarning katta qismiga foyda keltiradi. Men millionlab ajoyib Telegram manzillari qanday qayta tiklanishini va nihoyat bizning hamjamiyatimizga xizmat qila boshlashini intiqlik bilan kutaman.
P.S. Kelgusi voqealarni kutgan holda, bugun biz Telegramdagi har bir foydalanuvchi nomi uchun sindor.t.me kabi maxsus havolalarni qo'llab-quvvatlashni boshlaymiz. Ushbu veb-saytlar allaqachon istalgan brauzerda ishlaydi." - Pavel Durov
#username#yangilik#hulosa
💚@TGraphUz | YouTube
Image to Text OCR is a utility website made by Alejandro Akbal for extracting text from any image using #OCR.
This tool was made for those moments where you take a photo of some text and wish you could have it digitally.
https://github.com/AlejandroAkbal/Image-to-Text-OCR
Online: https://image-to-text-ocr.netlify.app/
🦉 LightOnOCR-1B: новая быстрая OCR-модель от LightOn
Модель дистиллирована из Qwen2-VL-72B-Instruct и обучена на корпусе из 17.6 млн страниц / 45.5 млрд токенов.
🔥 Главное:**
-1 B параметров
- позволяет обрабатывать 5.7 страниц/с на одном H100 (это примерно ≈ 493 000 страниц за день)
- Распознаёт таблицы, формы, уравнения и сложные макеты
- 6.5× быстрее dots.ocr, 1.7× быстрее DeepSeekOCR
- Расходы < $0.01 за 1000 страниц A4
📊 Качество (Olmo-Bench):
- Превосходит DeepSeekOCR
- Сопоставима с dots.ocr (при этом модель в 3 раза меньше по весу)
- +16 пт к Qwen3-VL-2B-Instruct
Эта моделька - отличный баланс качества, скорости и стоимости.
🟢Модель 1B: https://huggingface.co/lightonai/LightOnOCR-1B-1025
🟢Модель 0.9B (32k): https://huggingface.co/lightonai/LightOnOCR-0.9B-32k-1025)
🟢Блог LightOn:https://huggingface.co/blog/lightonai/lightonocr
🟢Демка: https://huggingface.co/spaces/lightonai/LightOnOCR-1B-Demo
@ai_machinelearning_big_data
#ocr#ml
📄 DeepSeek-OCR - модель для распознавания текста 🔍
DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст.
Что умеет:
- Распознаёт текст на изображениях и в PDF
- Работает с документами, таблицами и сложными макетами
- Поддерживает разные режимы: Tiny, Small, Base, Large
- Оптимизирована под GPU (PyTorch + CUDA 11.8)
- MIT-лицензия — можно свободно использовать и модифицировать
DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости.
🟠HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR
🟠Github: https://github.com/deepseek-ai/DeepSeek-OCR
🟠Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
@ai_machinelearning_big_data
#ocr#DeepSeek