اگه میخواهید که با وب اپ یا browser مثل chatGPT ازش استفاده کنید و فرانت اند کارید، این ریپو کارتونو راحت میکنه.

https://github.com/ykhli/local-ai-stack

#پایتون #برنامه_نویسی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

یک ورکشاپی که در #کنفرانس CoRL 2023 ارایه شده است میتونید آینده تحقیقات و #ایده_جذاب مقالات رو از اینجا متوجه بشید

▪️ Towards Reliable and Deployable Learning-Based Robotic Systems

#مقاله #کلاس_آموزشی #منابع

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

چطور متن را به صدا تبدیل کنیم روی کامپیوتر خودمون به صورت لوکال؟

۱/ یکی از راحتترین روشها استفاده از لایبرری coqui هست. مرحله اول باید نصبش کنید.

pip install TTS

کلی اطلاعات تو وبساستشون هست:
https://tts.readthedocs.io/en/latest/index.html

بعد ترمینال را باز کنید و این دستور را بزنید تا مدلهایی که داره را بهتون نشون بده. اینها مدلهای صدایی مختلف مثل خانم یا آقا و با لهجه های مختلف هستند. همچنین مدل برای زبانهای غیر انگلیسی.

tts --list_models

اسم این مدلها پترن خاصی دارند:

<type>/<language>/<dataset>/<model_na

که میتونید بفهمید زبان مدل چیه، یا روی چه دیتاستی train شده. اطلاعات کامل برای هر مدل تو وبسایتشون هست. بعد ۲ راه دارید که متن را بهش بدید براتون تبدیل کنه. ترمینال یا از طریق اپ.
از طریق ترمینال دستور زیر را وارد میکنید که شامل متن، مدل مورد نظر و محل فایل تبدیل شده خروجی میشه.دقت کنید دفعه اول باید مدل دانلود بشه.

tts --text "Text for TTS" \
    --model_name "<type>/<language>/<dataset>/<model_name>" \
    --out_path folder/to/save/output.wav

از طریق وب اپ: دستور زیر را استفاده کنید. دقت کنید که اگه مدل قبلا دانلود نشده باشه، اول دانلودش میکنه و ممکنه یه کمی طول بکشه بسته به اندازه مدل. و بعد URL را اپ را نشون میده. روش کلیک کنید باید این صفحه را ببینید.
الان دیگه متن را وارد میکنید و بعد از چند لحظه یه پلیر میبینید که شروع میکنه به پخش صدای متن با لهجه اون مدلی که انتخاب کردید. میتونید فایل صوتی را هم دانلود کنید. یا مدل را عوض کنید و دوباره امتحان کنید. همه چی روی کامپیوتر خودتون هست.

پ.ن: میتونین فایل صوتی که درست میکنه را بدین به Whisper و خروجی srt برای تولید زیرنویس بگیری.

#الگوریتمها #آموزش #پایتون #هوش_مصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

در قبل عکسها رو به html تبدیل کنیم اینجای مورد،دیگه هست
https://github.com/abi/screenshot-to-code

#نظریه_بازی‌ ها و #پردازش_زبان_طبیعی

▪️ Regularized Conventions: Equilibrium Computation as a Model of Pragmatic Reasoning

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

ایکس یه IDE داده مخصوص Prompt Engineering که البته اولش فقط در دسترس یوزرهای خاصه.
https://x.ai/prompt-ide/


#مقاله #هوش_مصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

قبلتر راجب vector databaseها مقاله‌ای معرفی کرده بودم و اینکه ایده این چطوری به وجود اومده؛ از این مقاله متا که search engine معرفی کرده اومده، به نظرم خیلی میتونین کارهای ارزشمندتری رو پیش ببرید مقالات اینده روی وِکتور دیتابیس ها خواهد بود.

▪️ Reading Wikipedia to Answer Open-Domain Questions

در ادامه توجهتون رو به این تویت در شرکت ایکس( توئیتر سابق) جلب میکنم

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

از دکتر مهدی الهیاری خیلی چیزا رو یادگرفتم اینجا یه کار خفن کرده اگه دوست دارید سریع فکراتون را به توییت تبدیل کنید یا حال تایپ کردن نداشتید ازش استفاده کنید. سعی میکنم کدش رو ازشون بگیرم که بتونین توسعه بدید هرچیند مدلهاش اوپن سورس وجودداره.

moments-olive.vercel.app‎

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

سورس کد پست بالا
https://github.com/mallahyari/transonic

در تکمیل پست قبلی اینم ی پروژه دیگه برای پیشرفت و توسعه
https://github.com/KoljaB/RealtimeTTS

اگه نیاز به ورژن C/C++ مدلهای Whisper دارید، بهترین و سریعترین ریپو همینه که این شخص GG درست کرده. الان دیگه یه وب سرور هم بهش اضافه کرده تا به صورت سرور رانش کنید.
https://github.com/ggerganov/whisper.cpp/

#مقاله #ایده_جذاب #برنامه_نویسی #هوش_مصنوعی #الگوریتمها

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

برای همه یوزرهای مجانی chatgpt صدا اضافه شد البته در اپ موبایلشون نه در نسخه وب


#ایده_جذاب #برنامه_نویسی #هوش_مصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

مدل ویدیویی Stable Video Diffusion هم ریلیز شد.

https://bit.ly/40OM53M

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

Introduction to Machine Learning with Python and Scikit-Learn Course

✅ Linear Regression and Gradient Descent
✅ Logistic Regression for Classification
✅ Decision Trees and Random Forests
✅ Gradient Boosting Machines with XGBoost
✅ Unsupervised Learning using Scikit-Learn
✅ Machine Learning Project from Scratch
✅ Deploying a Machine Learning Project with Flask

Course 📽️: https://www.youtube.com/watch?v=hDKCxebp88A

#منابع #کلاس_آموزشی #پیشرفته #یادگیری_ماشین #پایتون

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person