grokaem себя

Последние публикации канала «grokaem себя»

1. 27 просмотров, 18 июл. 2026 г.

   Илья и Илья сделали хороший корпус русской речи на 20 часов. Диалоги актеров, правильно выставленные микрофоны, сделаны лейблы эмоций. Ребята большие молодцы! К сожалению, в опенсорсе мало датасетов такого качества, а часто для тренировки лучше меньше, но качественно. Отмечу, что диалоги все таки были scripted, имейте это в виду под свои задачи. Датасет Посты Ильи и Ильи ( 1 , 2 )

   Открыть пост в MAX
2. 526 просмотров, 40 реакций, 14 июл. 2026 г.

   Одна из фичей iOS, которую я очень люблю - рандомные фотографии из пленки. Иногда я даже забываю, что делала эти фотографии сама.

   Открыть пост в MAX
3. 385 просмотров, 10 июл. 2026 г.

   Если вы занимаетесь TTS, что вы бы добавили в смесь RL + TTS?

   Открыть пост в MAX
4. 739 просмотров, 1 реакций, 07 июл. 2026 г.

   Бонус - TTS latency benchmark на разных GPU https://gigagpu.com/tts-latency-benchmarks/

   Открыть пост в MAX
5. 692 просмотров, 3 реакций, 07 июл. 2026 г.

   В большинстве своем при поиске latency метрик мы находим общую latency = написал текст/сказал текст и получил аудио обратно. Однако за этим стоит не только большая доля инженерии, но и модули модели. Метрики, которые мы здесь рассмотрим: • FTL - first packet latency • TPP - first packet decode • DEC - mean packet decode • FPL - first packet latency • RTFx - audio_duration / processing time - общий throughput пайплайна Чаще всего работаем с пайплайном: текст -> LM based TTS - - - > audio codebook tokens - - - -> Codebook based Vocoder FTL - это путь от текста к первому audio codebook token.…

   Открыть пост в MAX
6. 1.1K просмотров, 7 реакций, 03 июл. 2026 г.

   Мне кажется, или по гитхабу ходят какие-то агенты? Я хз как объяснить, что кто-то попытался заюзать нашего бота 20го года

   Открыть пост в MAX
7. 1.7K просмотров, 34 реакций, 28 июн. 2026 г.

   Original post by eleven labs hr Мне кажется, я так ищу друзей если честно))

   Открыть пост в MAX
8. 1.8K просмотров, 37 реакций, 25 июн. 2026 г.

   Путь девушки с Phd в openai. Интересные заметки https://alisawuffles.github.io/blog/job-search/#appendix-learning-resources Ее же заметки с LLM , краткие и емкие, но их не получится использовать как книгу (inference, post-training, accounting). Отлично использовать как прогон для вопросов. Ее же заметки по математике Что мне откликнулось в ее рассказе: Studying carried enormous side benefits for me. Having a wider breadth of knowledge directly improved my confidence as a researcher. I became more secure in conversations because I was less worried about gaps in my knowledge being exposed, and…

   Открыть пост в MAX
9. 1.9K просмотров, 13 реакций, 19 июн. 2026 г.

   Genuine question: везде как один из use case voice ai вижу телефонию и холодные звонки. Неужто кто-то действительно отвечает на звонки в наше время? Мне вообще никто никогда не звонит, даже какие-то приемы врачей-услуг проходят в сообщениях. Это мой bubble такой или это действительно старый костыль? Если нет, какие у вас истории таких звонков?

   Открыть пост в MAX
10. 2.2K просмотров, 5 реакций, 13 июн. 2026 г.

    Zyphra Zonos2 Blog: http://zyphra.com/our-work/zonos2 тут и аудио примеры Weights: http://huggingface.co/Zyphra/ZONOS2 Inference code: http://github.com/Zyphra/ZONOS2 Сразу ответ на самый популярный вопрос - русский язык есть. Про изменения в архитектуре: • no phonemes, raw utf-8 • две модели, stable and expressive. Появились они из наблюдения о wer и voice cloning: we observe that most TTS models score substantially lower than the ‘natural’ error rate of the evaluating ASR model vs the actual ground truth text. Авторы считают, что идеальный voice cloning не может быть без потери wer если…

    Открыть пост в MAX
11. 1.7K просмотров, 8 реакций, 11 июн. 2026 г.

    MamTra: A Hybrid Mamba-Transformer Backbone for Speech Synthesis https://arxiv.org/abs/2603.12342 https://mamtratts.github.io/ - audio samples Проблема LM based TTS в очень многих вещах начиная от дискретных codec, заканчивая большим компьютом. И хотя многие стараются улучшить инференс таких моделей более инженерными модными молодежными штуками из мира LLM (GQA, speculative decoding, sparse attention), latency и rtf сделать меньше от этого не особо получается. Один из вариантов, который предлагает общество, это отказаться от причины проблемы и попробовать другие архитектуры. Например, mamba -…

    Открыть пост в MAX
12. 1.6K просмотров, 31 реакций, 05 июн. 2026 г.

    Веду notion с 2021 и я хз когда я это писала и откуда я это слышала, но сейчас третий пункт hits hard

    Открыть пост в MAX
13. 1.7K просмотров, 48 реакций, 03 июн. 2026 г.

    Стадия - прыгать от одного интересного занятия к другому и пока делаешь его думать ох вот бы щас другое поделать

    Открыть пост в MAX
14. 2.3K просмотров, 13 реакций, 29 мая 2026 г.

    На хакатоне в Париже это была одна из идей, которую я питчила команде. Но команда выбрала виртуальных агентов. Пс, я ушла делать не агентов с другой частью команды

    Открыть пост в MAX
15. 2.3K просмотров, 3 реакций, 26 мая 2026 г.

    Я таскаю эти задачки из недели в неделю уже который месяц...

    Открыть пост в MAX