Большинство голосовых ассистентов работают по очереди — сначала говорите вы, потом отвечает он, и так по кругу.

NVIDIA сделала модель, которая работает иначе, и её уже можно попробовать.

Она называется Nemotron 3 VoiceChat и входит в открытый набор NeMo Speech.

Модель слушает и отвечает в реальном времени в полнодуплексном режиме, поэтому её можно перебить прямо посреди фразы — почти как в обычном разговоре.

Для локального запуска самого фреймворка нужны GPU и CUDA.

Но у модели есть живая демоверсия, которую может открыть и попробовать любой.

https://github.com/NVIDIA-NeMo/Speech

👉 @PythonPortal

Интерактивный учебник на 7 500 строк, который учит с нуля собирать современную языковую модель.

Весь путь реализован на Python, а код подробно прокомментирован, чтобы можно было последовательно разобраться, как устроено обучение GPT-подобной модели, а не просто запускать готовые библиотеки.

https://github.com/raiyanyahya/how-to-train-your-gpt

👉 @PythonPortal

Парень сделал отслеживание рук в реальном времени с физикой цифровой ткани, используя только веб-камеру, TouchDesigner и одни выходные после просмотра презентации Vision Pro.

Система отслеживает 21 точку на каждой руке при 60 кадрах в секунду, включая кончики пальцев, костяшки и суставы, и привязывает их к трёхмерному скелету. Цифровой шёлк свисает, сминается и складывается с настоящей физикой в зависимости от положения рук.

Никакого шлема, перчаток или устройства за $3500 — только ноутбук и веб-камера.

Apple потратила 7 лет и просит $3500 за устройство. Он потратил выходные.

👉 @PythonPortal

Создатель Node.js только что запустил Dactyl.

Нативные приложения для iPhone и Android прямо из веба. Без Mac, Xcode и Android Studio.

✓ Симулятор SwiftUI прямо в браузере через WASM
✓ Один и тот же код для iOS и Android
✓ Можно использовать свою подписку ChatGPT

https://dactyl.dev/

👉 @PythonPortal

Если хотите разобраться, как обучить большую модель с нуля, рекомендую посмотреть вот это ↓

Сооснователь ARC Prize и создатель Keras Франсуа Шолле недавно посоветовал путь для изучения LLM с нуля.

Он сказал, что если вам 17 лет или вообще сколько угодно и вы хотите с нуля научиться создавать LLM, просто прочитайте главы 15 и 16 его книги *Deep Learning with Python*.

Я бегло их просмотрел, и эти две главы точно стоит сохранить.

Глава 15 начинается с самых базовых языковых моделей и постепенно доходит до

Character-level Language Model → Seq2Seq → Attention → QKV → Scaled Dot-Product Attention → Multi-Head Attention → Self-Attention → Transformer

Там даже есть отдельный раздел с объяснением того, почему вообще работает Dot-Product Attention.

Сам он говорит, что это одно из лучших объяснений этой темы.

Автор не останавливается на формулах вроде QKᵀ / √d. Он начинает с Word2Vec и пространства эмбеддингов, а затем объясняет, как Transformer слой за слоем через Attention постепенно превращает связи между токенами в отношения расстояний в векторном пространстве.

Глава 16 ещё практичнее. В ней напрямую показывают, как обучить mini-GPT с нуля.

Разбирается, как взять почти 1 миллиард токенов из C4, собрать словарь SentencePiece на 32 тысячи токенов, настроить mini-GPT на 41 миллион параметров с 8 слоями, 8 головами внимания и размером скрытого состояния 512, а затем самостоятельно собрать конвейер данных, сделать weight tying, прогрев скорости обучения, предобучение и генерацию с temperature и top-k.

От токенизатора, конвейера данных, causal attention, weight tying и прогрева скорости обучения до предобучения, greedy decoding, temperature и top-k sampling. По сути, вас шаг за шагом проводят через полный процесс обучения GPT.

Для этого даже не нужен дорогой сервер.

В официальном примечании указано, что весь пример можно запустить на бесплатной T4 в Google Colab. Обучение займёт около 6 часов. На A100 — чуть больше часа.

Дальше в книге разбираются Gemma, SFT, RLHF, RAG и мультимодальные модели.

Поэтому если меня спросят

«Я никогда раньше не обучал большую модель. С чего начать?»

Эти две главы действительно могут быть отличной отправной точкой.

Третье издание *Deep Learning with Python* сейчас доступно для бесплатного чтения онлайн, а все сопутствующие ноутбуки полностью открыты. Их можно просто загрузить в Colab и запустить.

В 2026 году для изучения LLM уже необязательно сразу садиться и разбирать сотню научных статей.

Если один раз самостоятельно обучить GPT на 41 миллион параметров от подготовки данных до генерации текста, очень многие концепции после этого естественным образом складываются в единую картину.

👉 @PythonPortal

Система захвата движений в голливудской студии может стоить как дом.

А кто-то собрал почти то же самое и выложил бесплатно на GitHub.

Проект называется FreeMoCap.

Берёте две или больше обычных веб-камер, GoPro или даже смартфоны. Один раз калибруете пространство с помощью распечатанной шахматной сетки, записываете движение, а дальше программа превращает видео в полноценные 3D-данные захвата движений.

Результат можно сразу использовать в Blender или экспортировать в таблицу.

Не нужен специальный костюм, маркеры или студия. Только камеры, которые у вас, скорее всего, уже есть, и компьютерное зрение, которое заменяет оборудование на десятки тысяч долларов.

https://freemocap.org

👉 @PythonPortal

Почему большинству качественных генераторов изображений нужна серьёзная видеокарта хотя бы для запуска?

Потому что большие модели делают изображения лучше, верно?

NVIDIA с SANA утверждает, что это не совсем так.

Модель примерно в 20 раз меньше и до 100 раз быстрее Flux-12B, одной из сильнейших открытых моделей для генерации изображений, при этом по стандартным тестам остаётся примерно в том же диапазоне качества.

Причём перед установкой её можно бесплатно попробовать в демо от NVIDIA.

https://github.com/NVlabs/Sana

👉 @PythonPortal

«Математические методы в науке о данных с Python» Себастьяна Роша.

https://mmids-textbook.github.io

👉 @PythonPortal