یه پروژه خیلی جالب از تیم Browser Use دیدم به اسم video-use که ایده‌ش اینه به‌جای اینکه خودت بشینی ساعت‌ها ویدیو ادیت کنی، به یه Coding Agent میگی این ویدیو رو ادیت کن و Agent خودش فرآیند ادیت رو انجام میده.

جالب‌تر اینکه AI قرار نیست کل ویدیو رو فریم‌به‌فریم ببینه. اول ویدیو رو به Transcript، timestamp کلمه‌ها، اطلاعات صدا و ساختار زمانی تبدیل می‌کنه و از این اطلاعات برای تصمیم‌گیری درباره کات ها و بخش‌های مختلف استفاده می‌کنه.

بعد می‌تونه filler word ها و مکث‌های اضافه رو حذف کنه، چند take رو با هم ترکیب کنه، subtitle بسازه، color grading انجام بده و حتی برای بخش‌هایی animation و motion graphic تولید کنه؛ در نهایت هم با FFmpeg خروجی می‌گیره و خودش خروجی رو بررسی می‌کنه.

به نظرم قسمت جذاب ماجرا فقط AI video editing نیست؛ بلکه اینه که ادیت ویدیو داره از یک نرم‌افزار GUI به یک Agentic workflow تبدیل میشه. یعنی به‌جای اینکه بگی با چه ابزاری این کار رو انجام بدم؟، فقط میگی چی می‌خوام و Agent خودش ابزار و مراحل رسیدن بهش رو مدیریت می‌کنه:

github.com/browser-use/video-use

@Linuxor

سم التمن :

برای ساختن چیزهای بزرگ، باید روی یک مسیر برای مدت طولانی متمرکز بمونی.


@Linuxor

اگه اطلاع داشته باشید SciSpace، دستیار تحقیقاتیشو با قیمت سالانه 144 دلار به دانشجوها می‌فروشه. اما یه تیم به اسم Khoj اومد همون ایده رو از نو ساخت، پروژه‌ش رو روی GitHub گذاشت و کاملاً رایگان در اختیار همه قرار داد.

فرض کن مثلا 100 تا مقاله درباره LLM، RAG یا AI Agents داری.به‌جای اینکه PDFها رو یکی‌یکی باز کنی و با ChatGPT درباره‌شون حرف بزنی، Open Paper یه محیط می‌ده که مقاله‌هات رو داخلش می‌ریزی و بعد:

مقاله رو می‌خونی
روی قسمت‌های مختلفش Highlight و Annotation می‌زنی
نوت می‌نویسی
کنار مقاله با AI چت می‌کنی
از داخل مقاله سؤال می‌پرسی
چندین مقاله رو با هم تحلیل می‌کنی
جواب‌های AI به قسمت مشخصی از مقاله Citation می‌دن
می‌تونی از چندین مقاله اطلاعات ساختاریافته استخراج کنی
برای Literature Review از کل library سؤال می‌پرسی
مقاله‌های جدید رو از open-access literature پیدا می‌کنه
می‌تونه Library مربوط به Zotero رو هم وارد کنه
حتی می‌تونه از مقاله Audio Overview بسازه:

github.com/khoj-ai/openpaper

@Linuxor

کسایی که با وب (ری اکت نیتیو) برای گوشی های اندروید و IOS برنامه می‌نویسن اینو از دست ندن,,, احتمالاً با این مشکل برخوردید که کاربر یه عملیات سنگین مثل آپلود، اکسپورت یا پردازش تعداد زیادی فایل رو شروع می‌کنه، ولی با رفتن اپ به بکگراند ممکنه کار متوقف بشه. این کتابخونه دقیقاً برای همین سناریو ساخته شده.

این کتابخونه برای iOS 26+ از BGContinuedProcessingTask و برای Android از WorkManager و Foreground Service استفاده می‌کنه تا کارهای طولانی‌ای که کاربر شروع کرده، تا جای ممکن بعد از خروج از اپ هم ادامه پیدا کنن.

نکته جذابش اینه که فقط task رو اجرا نمی‌کنه؛ progress هم به سیستم‌عامل گزارش میشه. روی iOS می‌تونه از Live Activity استفاده کنه و روی Android هم ongoing notification داشته باشه؛ حتی امکان cancel کردن task هم وجود داره:

github.com/mahdidavoodi7/react-native-continued-task

@Linuxor

هر کسب و کاری داشته باشید بالاخره جمع‌آوری اطلاعات scrape و خزش crawl رو از وب باید یاد بگیرید این دوستمون توی این ویدیوی 1 ساعته بهتون با یه کتابخونه هوش مصنوعی crawl4ai یاد می‌ده چطوری اطلاعات رو به صورت تمیز جمع آوری کنید حتی می‌تونید یه بخش خاص از یه سایتی رو که دسترسی بهش سخته رو با هوش مصنوعی به راحتی در بیارید

ریپو تا الان 80 هزار ستاره گرفته:
github.com/unclecode/crawl4ai

ویدیوی یوتیوب:
youtube.com/watch?v=xo3qK6Hg9AA

@Linuxor

امروز الکامپ بودم انصافا اینو جمش کنید بره با دلار 220 تومنی چیزی از اقتصاد دیجیتال مونده مگه... یه سالن بزرگ از صد ها استارتاپ اونجا بود باور کنید اگه درآمد همشون رو جمع بزنید اندازه اون شخصی که توی اینستاگرام داره دادو بیداد میکنه کره بادوم زمینی میفروشه کمتره!

مردم زمانی به سمت تکنولوژی و دیجیتال میرن که حداقل یه زندگی پایداری داشته باشن و پول توی جیبیشون بی ارزش نشه.

@Linuxor

انشالله که زندگی همتون مثل فرایند نصب DirectX باشه هر چقدر گیر کرده باشه یهویی بعدش با سرعت نور پر شه.


@Linuxor

هرجای سایتتون نوشتید
Loading...
تبدیلش کنید به
Thinking...


تبریک میگم با صفر ریال هزینه سایت شما الان یه سایت هوشمند و پر پایه هوش مصنوعیه!


@Linuxor

اینم پروژه جالبیه یه سیستم بینایی ماشین برای اینه که از روی ویدیوی دوربین مداربسته معمولی + تصویر ماهواره‌ای همون محل، یه جور Digital Twin سه‌بعدی از ترافیک بسازه.

یعنی مثلاً یه دوربین بالای یه چهارراه داری. سیستم ماشین‌ها و آدم‌ها رو توی ویدیو تشخیص میده، حرکتشون رو Track می‌کنه، بعد سعی می‌کنه موقعیتشون رو روی نمای ماهواره‌ای همون چهارراه بندازه و برای هر وسیله اطلاعاتی مثل موقعیت، جهت حرکت، سرعت و bounding box سه‌بعدی بسازه:

github.com/duy-phamduc68/TrafficLab-3D

@Linuxor

یه نکته کوچیک برای اونایی که روی سایتشون ابزار های آنالیزی ندارن یا نمی‌دونن چیه، دقت کنید لینک هایی که ChatGPT به کاربراش میده بای دیفالت به ته همشون پارامتر utm_source رو اضافه می‌کنه این یعنی اگه گوگل آنالیتیکس نصب کنید روی سایتتون می‌تونید بفهمید چند نفر از سمت چت جی پی تی اومدن توی سایتتون.

نصب کردنش هم کاری نداره راحت ترین روشش اضافه کردن اسکریپت گوگل آنالیتیکس به داخل فایل های HTML سایتتونه.

@Linuxor

📶 سرویس ویژه ترکیبی | نامحدود و بدون محدودیت کاربر

🔥 دنبال یه سرویس قدرتمند و پایدار هستی؟ این سرویس برای استفاده‌های حرفه‌ای طراحی شده:

🌍 +۴۰ لوکیشن از سراسر جهان
👥 بدون محدودیت تعداد کاربر
📡 سقف دانلود و آپلود کاملاً نامحدود
⚡ ثبات و کیفیت بالا برای فعالیت‌های حساس
🚀 بدون افت کیفیت حتی با تا ۵۰ کاربر همزمان
🛡️ تانلینگ هوشمند و مقاوم در شرایط محدودیت منطقه‌ای
🔄 بروزرسانی و بهینه‌سازی مداوم
🔒 اتصال پایدار و مطمئن

📌 تعرفه و لیست لوکیشن‌ها در تصویر بالا

🎁 قبل از خرید، سرویس رو از ربات تست کن و کیفیت اتصال رو خودت بررسی کن.

✨ تست کن، مطمئن شو، بعد خریدت رو نهایی کن✨

@NIROVIPBOT

این در واقع یه مجموعه Skill برای Coding Agentها هستش که Matt Pocock ساخته. اگر با چیزهایی مثل Claude Code، Codex، Cursor یا Agentهای برنامه‌نویسی کار می‌کنی، موضوعش خیلی به‌دردبخوره.

فرض کن به Agent می‌گی: فلان قابلیت رو به پروژه اضافه کن. Agent ممکنه مستقیم بره سراغ کدنویسی و بعد از 30 دقیقه یه چیزی تحویلت بده که technically کار می‌کنه، ولی اصلاً چیزی نباشه که واقعاً می‌خواستی. Matt اومده یه سری دستورالعمل و workflow آماده نوشته که به Agent می‌گه:

قبل از کدنویسی دقیقاً بفهم مسئله چیه
سوال‌های درست از کاربر بپرس
اول تست بنویس
مرحله‌به‌مرحله پیاده‌سازی کن
موقع Debug کردن حدس نزن و منظم جلو برو
معماری پروژه رو بررسی کن
کار بزرگ رو به Ticketهای کوچیک‌تر تقسیم کن
قبل از commit کد رو Review کن
اصطلاحات و Domain پروژه رو مستند نگه دار

در اصل هوش جدیدی به مدل اضافه نمی‌کنه؛ بیشتر داره نحوه کار کردن Agent رو منظم می‌کنه. خود ریپو هم دقیقاً روی همین ایده تأکید داره: Skillها فایل‌های کوچیک و قابل تغییر هستن که می‌تونی متناسب با پروژه خودت دستکاریشون کنی:

github.com/mattpocock/skills

@Linuxor

اینکه میگن هوش مصنوعی می‌تونه افسار گسیخته بشه و بر علیه انسان ها در بیاد ایده خنده داریه ول نمی‌شه ردش هم کرد.

شرکتا تمام سعیشون رو می‌کنن که داده های خراب مثل فحش ها، خرابکاری ها، کارهای بد و... رو از فرایند یادگیری مدل فیلتر کنن اما مشکل جایی شروع میشه که یک قطعه پازل رو حذف کنی خود مدل میتونه حدودی با بقیه دیتا هایی که داره کشفش کنه حتی مدل می‌تونه از الگوهایی که یاد گرفته، ترکیب جدیدی بسازه که تابحال ندیدتشون! پس این ایده افسار گسیختگی ممکنه یه روزی به وجود بیاد البته بازم راه حل های زیادی برای کنترلش هست ولی یه روزنه کوچیک هم ممکنه کارو خراب کنه اگه مدل دسترسی و permission به دنیای واقعی داشته باشه و قدرت پردازش زیادی هم داشته باشه ممکنه واقعا افسار گسیخته عمل کنه. بخاطر همینه اکثر ایجنت ها توی اپدیت های جدیدشون دسترسی مستقیم اجرای فرمان هارو ندارن بجاش از API های مصنوعی و کنترل شده استفاده می‌کنن.

@Linuxor

اگه دنبال یه جایگزین Local برای ElevenLabs هستید، VoiceStudio رو ببینید یه استودیوی کامل AI برای صداست که می‌تونه روی سخت‌افزار خودتون اجرا بشه؛ بدون اکانت، API Key، اشتراک یا پرداخت به‌ازای مصرف در workflow لوکال.
قابلیت Voice Cloning با یه نمونه صدای کوتاه، صدای گوینده رو Clone کنید. حتی 3 ثانیه نمونه هم قابل استفاده‌ست، ولی 5 تا 15 ثانیه معمولاً نتیجه بهتری میده.

با قابلیت Text-to-Speec متن رو با موتورهای مختلف TTS به صدای طبیعی تبدیل کنید.

با Voice Design حتی لازم نیست نمونه صدا داشته باشید؛ می‌تونید سن، لهجه، pitch، سبک و نوع بیان صدا رو توصیف کنید و صدا بسازید.
با Video Dubbing ویدیو رو Transcribe می‌کنه، ترجمه می‌کنه، speakerها رو تشخیص میده، دوباره با صدای مناسب تولید می‌کنه و خروجی ویدیو میده.
با Voice Isolation صدای گوینده رو از موسیقی و background جدا می‌کنه.
با Speaker Diarization تشخیص میده هر بخش از فایل صوتی رو کدوم speaker گفته:

github.com/debpalash/VoiceStudio


@Linuxor

🔴 آخرین مهلت ثبت‌نام در شـانـزدهمیـــن دوره «کارآموزی همراه اول»

💎 کارآموزی همراه اول یک دوره ۴ ماهه رایگان، با هدف افزایش #تجربه و #مهارت دانشجویان و فارغ‌التحصیلان جویای کار است.

⚙️ اگر اهل استراتژی‌های رشد، قیف فروش، بازاریابی دیجیتال و ایده‌پردازی برای کمپین‌های بزرگ هستید، این فرصت ویژه را در بزرگ‌ترین اپراتور کشور از دست ندهید.

📣 ۲۴ موقعیت شغلی تخصصی در گروه «بازاریابی و کسب‌وکار» منتظر ایده‌های خلاقانه شماست!

💎 مزایای دوره کارآموزی:
💼 فرصت استخدام در گروه همراه اول
💰 پرداخت حقوق + بیمه در طول دوره کارآموزی
🏅 منتورینگ اختصاصی و کسب تجربه در معتبرترین شرکت‌های حوزه ICT

⚠️ ظرفیت محدود (پیش از تکمیل موقعیت‌ها ثبت‌نام کنید!)
🌐 برای «ثبت‌نام رایگان» و مشاهده موقعیت‌های گروه بازاریابی روی لینک زیر بزنید:

🔗 https://l.hamrah.academy/eo2

⭐️ @hamrah_academy | آکادمی همراه اول

گوگل یه مدل خیلی خوب برای پیش‌بینی سری‌های زمانی ساخته به اسم TimesFM یه جورایی میشه گفت Foundation Model برای اعداد و زمان؛ به‌جای متن، الگوهای داده‌های زمانی رو یاد می‌گیره و آینده رو پیش‌بینی میکنه.

با TimesFM 3.0 حالا:
پیش‌بینی Univariate و Multivariate
پشتیبانی از Covariates
بدون نیاز به آموزش مدل برای هر Task
عملکرد خیلی قوی روی بنچمارک‌های اصلی Forecasting

کاربردهاش هم زیاده:
پیش‌بینی فروش و تقاضا
مدیریت موجودی و زنجیره تأمین
مصرف انرژی
داده‌های سنسورها و صنعت
تحلیل و Forecast داده‌های مالی
مانیتورینگ و پیش‌بینی متریک‌ها

یعنی به‌جای اینکه برای هر دیتاست از صفر یه مدل Forecasting بسازی، می‌تونی از یه مدل Foundation آماده شروع کنی.


github.com/google-research/timesfm

@Linuxor

من اگه از مهندسی کار خوبی پیدا نکنم ایده 10 جوجه رو پیاده میکنم ایده اینطوریه که 10 تا جوجه می‌خرید با تولید مثل و تکثیر حرفه ای طی دو سه سال میشه به درامدی حدود 10k دلار یا بیشتر رسید، ایدش خیلی قدیمی و امتحان‌پس‌داده و سال ها تکرار شده و همیشه هم جواب داده فرمول ها رو روش نگهداری هم کاملا ثابت و مکتوبه و توی اینترنت هست.

جالب اینجاست این ایده ممکنه در شاًن بعضیا نباشه و ترجیحشون مهندسی و کارای کارمندی باشه ولی این ایده درامدش قابل توسعه و پسیو هستش یعنی میتونی تقریبا بخوابی و پول دربیاری ولی مهندسی هرچقدر هم کت شلوار قشنگ تنتون باشه همچنان حمالیه و به اندازه کاری که کردی بهت حقوق میدن.


@Linuxor

یکی از کاربردهای AI Agentها اینه که دیگه فقط بهت جواب ندن؛ برن خودشون کار رو انجام بدن مثلاً وارد LinkedIn بشن، سرچ کنن، اطلاعات جمع کنن، فرم پر کنن یا یه workflow کامل رو انجام بدن.


این ابزار یه Browser مخصوص Agentها که می‌تونه از Session و Loginهای مرورگرت استفاده کنه و Agent رو بذاره پشت فرمون:

نسخه مک (نسخه ویندوز و لینوکس هم بزودی اضافه می‌شه):

github.com/citrolabs/ego-lite

@Linuxor

من حس میکنم تا چند سال آینده بخشی از شبکه های اجتماعی معروف فعلی جایگزین می‌شن و رقبای احتمالی جاشون رو می‌گیرن

حالا چرا؟‌ چون تعداد محتوا های آشغال هوش مصنوعی توی شبکه های اجتماعی فعلی می‌ره بالا و غلظت مطالب مفید میاد پایین اگه نتونن با این محتوا ها مقابله کنن و حذفشون کنن کاربرا به مرور پلتفرمو ترک می‌کنن، حالا برنده بازی کیه؟ شرکتیه که پلتفرمی بسازه دربرابر محتوای هوش مصنوعی مقاوم باشه و به شدت کاربرا جذبش می‌شن و به مرور ممکنه جایگاه شبکه های اجتماعی فعلی رو به خطر بندازه. البته حذف ناگهانی نیست حذف به مروره مثل کنار گذاشتن فیسبوک به مرور بخاطر فید ضعیفش (و دلایل دیگه).


@Linuxor