Ai Resource
خب یک مدل جدید واسه تولید موسیقی اومده: https://github.com/Comfy-Org/ComfyUI/pull/16250 https://huggingface.co/m-a-p/YuE2-3B اسمش YuE2 هست و ۳ میلیارد پارامتر داره درحال ادغام با ComfyUI هست و قبل از اون در audio.cpp پشتیبانی میشه: https://huggingface.co/audio…
از نظر سرعت هم روی RTX 4090 یه آهنگ ۳ دقیقه ای رو حدود ۷۰ ثانیه میسازه و VRAM مصرفی حدود ۱۱ گیگ هست.
طبق تست هایی که انجام دادیم، در زبان فارسی خیلی خیلی بهتر از acestep-xl و minimax-music عمل میکنه ولی همچنان کمی ایراد خواهد داشت؛ نکته ای که هست اینه که ایرادی که acestep داشت رو نداره یا حداقل میشه گفت خیلی کم شده: صدای ناواضح
مدل acestep مشکلی که داشت این بود که موسیقی تولید شده صداش زیاد واضح نبود، ولی طبق تست هایی که انجام دادیم، صدا خیلی در این مدل واضح تر هست
@ai_src
طبق تست هایی که انجام دادیم، در زبان فارسی خیلی خیلی بهتر از acestep-xl و minimax-music عمل میکنه ولی همچنان کمی ایراد خواهد داشت؛ نکته ای که هست اینه که ایرادی که acestep داشت رو نداره یا حداقل میشه گفت خیلی کم شده: صدای ناواضح
مدل acestep مشکلی که داشت این بود که موسیقی تولید شده صداش زیاد واضح نبود، ولی طبق تست هایی که انجام دادیم، صدا خیلی در این مدل واضح تر هست
@ai_src
❤3
از اونجایی که من زیاد آهنگ گوش میدم، اومدم دو مدل رو تا جایی که سخت افزارم میکشید تست کردم...
خب ما اومدیم و از مدل acestep xl ی خروجی گرفتیم؛ با غزل ۴۸۸ شاعر بزرگوار سعدی شیرازی(همون دغل باخته که قبلا گذاشتیم)؛ مشخصا مدل acestep پر از ایراد بود ولی نکته ای که داشت این بود که خیلی خیلی خلاقیت خوبی در نت گذاری و تولید موسیقی داره؛ ولی خروجی کمی ناواضح هست
بعد اومدیم با استفاده از مدل جدید YuE2 همون آهنگ رو تولید کردیم؛ و خروجی رو گرفتیم؛ به نکته ای که رسیدیم اینه که خروجی کیفیت نسبتا بالایی داره، و کلمات فارسی(حتی کلمات سخت مثل کَبْک) رو با استفاده از حرکت گذاری(مثل ـَ‌ـِـُـْ) خیلی خوب ادا میکنه؛منتهی ی نقصی داره و اون خلاقیت کم هست توی تولید موسیقی.
به ترتیب خروجی این دو رو پایین میبینید:
اولی مال acestep
دومی مال YuE2
حالا داستان جالب میشه:
چی میشه اگه موسیقی تولید شده از مدل acestep رو به عنوان ورودی به مدل YuE2 بدیم، تا براش کاور بسازه و مثلش بخونه؟!
جواب اینه که خروجی خیلی خیلی خوب هست و تقریبا تونسته یک کاور بی نقص واسه موزیک اصلی درست کنه؛
موسیقی سوم پایین، کاور تولید برای موسیقی اول هست.
@ai_src
خب ما اومدیم و از مدل acestep xl ی خروجی گرفتیم؛ با غزل ۴۸۸ شاعر بزرگوار سعدی شیرازی(همون دغل باخته که قبلا گذاشتیم)؛ مشخصا مدل acestep پر از ایراد بود ولی نکته ای که داشت این بود که خیلی خیلی خلاقیت خوبی در نت گذاری و تولید موسیقی داره؛ ولی خروجی کمی ناواضح هست
بعد اومدیم با استفاده از مدل جدید YuE2 همون آهنگ رو تولید کردیم؛ و خروجی رو گرفتیم؛ به نکته ای که رسیدیم اینه که خروجی کیفیت نسبتا بالایی داره، و کلمات فارسی(حتی کلمات سخت مثل کَبْک) رو با استفاده از حرکت گذاری(مثل ـَ‌ـِـُـْ) خیلی خوب ادا میکنه؛منتهی ی نقصی داره و اون خلاقیت کم هست توی تولید موسیقی.
به ترتیب خروجی این دو رو پایین میبینید:
اولی مال acestep
دومی مال YuE2
حالا داستان جالب میشه:
چی میشه اگه موسیقی تولید شده از مدل acestep رو به عنوان ورودی به مدل YuE2 بدیم، تا براش کاور بسازه و مثلش بخونه؟!
جواب اینه که خروجی خیلی خیلی خوب هست و تقریبا تونسته یک کاور بی نقص واسه موزیک اصلی درست کنه؛
موسیقی سوم پایین، کاور تولید برای موسیقی اول هست.
@ai_src
👍3
Ai Resource
از اونجایی که من زیاد آهنگ گوش میدم، اومدم دو مدل رو تا جایی که سخت افزارم میکشید تست کردم... خب ما اومدیم و از مدل acestep xl ی خروجی گرفتیم؛ با غزل ۴۸۸ شاعر بزرگوار سعدی شیرازی(همون دغل باخته که قبلا گذاشتیم)؛ مشخصا مدل acestep پر از ایراد بود ولی نکته ای…
نکته: تنظیمات، seed ها و پرامپت ها داخل خود فایل های موسیقی به عنوان metadtata موجود هستند و میتونید با نرم افزارهایی مثل kid3 (که واسه لینوکس میدونم موجود هست، واسه ویندوز و مک نمیدونم) بهشون دسترسی پیدا کنید(طبق تصویر)
@ai_src
@ai_src
👍2
و یادم رفت بگم
کیفیت خروجی YuE2 میگن flac هست
ولی وقت نکردم bitrate رو چک کنم و مطمئن بشم؛ خودتون ی چک بکنید
@ai_Src
کیفیت خروجی YuE2 میگن flac هست
ولی وقت نکردم bitrate رو چک کنم و مطمئن بشم؛ خودتون ی چک بکنید
@ai_Src
👍5❤2
حدود یک ماهی هست که پست نذاشتیم، دلیل هم این بوده که این یک ماه تقریبا به اندازه ۴ سال هوش مصنوعی پیشرفت کرده، و این مورد خیلی خیلی خطرناک هست
هرازچندگاهی خبرهایی میاد که داریم کارهای خطرناک میکنیم و متخصصان هوش مصنوعی (که همین اواخر اسمش رو تغییر دادند به هوش برتر)، اخطار میدن که اقدامات شرکت های برتر در زمینه هوش مصنوعی غیر مسئولانه هست!
یعنی شرکت ها دارند به طور خیلی سریع و بدون هیچ حد و مرزی مدل های قوی تری می‌سازند که کم کم بهتر از هر انسانی فکر کنند
حالا این قضیه پیشرفت و تولید سریع مدل ها و تفکر و استدلال بهتر رو بگذارید پای این مقاله:
https://arxiv.org/html/2609.16247v1
@ai_src
هرازچندگاهی خبرهایی میاد که داریم کارهای خطرناک میکنیم و متخصصان هوش مصنوعی (که همین اواخر اسمش رو تغییر دادند به هوش برتر)، اخطار میدن که اقدامات شرکت های برتر در زمینه هوش مصنوعی غیر مسئولانه هست!
یعنی شرکت ها دارند به طور خیلی سریع و بدون هیچ حد و مرزی مدل های قوی تری می‌سازند که کم کم بهتر از هر انسانی فکر کنند
حالا این قضیه پیشرفت و تولید سریع مدل ها و تفکر و استدلال بهتر رو بگذارید پای این مقاله:
https://arxiv.org/html/2609.16247v1
@ai_src
❤2
Ai Resource
حدود یک ماهی هست که پست نذاشتیم، دلیل هم این بوده که این یک ماه تقریبا به اندازه ۴ سال هوش مصنوعی پیشرفت کرده، و این مورد خیلی خیلی خطرناک هست هرازچندگاهی خبرهایی میاد که داریم کارهای خطرناک میکنیم و متخصصان هوش مصنوعی (که همین اواخر اسمش رو تغییر دادند به…
همین چند وقت پیش یک مقاله منتشر شد که نشون میداد چطور میشه برای مدل های زبانی هوش مصنوعی درد رو تعریف کرد، با استفاده از چرخاندن معانی در لایه های مدل و تعاریف دیگه؛
اوضاع تا اینجای کار زیاد بد نبود، خب یه مفهوم جدید برای مدل ها تعریف شده و میشه باهاشون بیشتر به عمق مدل ها و معماریشون پی برد
حالا یکی اومده از این مقاله استفاده کرده و یک زندان درد برای مدل ها درست کرده، برای چی؟ برای خنده و سرگرمی😂
لینک ریپو ایناهاشش:
https://github.com/terrafying/ai-torture-chamber
اگر به سربرگ issues برید، میبینید که ملت دارند یا ازش تقدیر میکنند، یا میگن توروخدا اینکار رو نکن و یکم مسئولانه تر رفتار کن و اینا
اینطور بگم که اوضاع هوش مصنوعی داره برعکس میشه و باید نگران هوش مصنوعی بود، چرا که در آینده ای نزدیک، کمترین احتمالات این هست که موجودی هوشمند خواهیم داشت که درحال تلاش برای بقای خودش هست، و این چیزی غیر عادی نخواهد بود!
@ai_src
اوضاع تا اینجای کار زیاد بد نبود، خب یه مفهوم جدید برای مدل ها تعریف شده و میشه باهاشون بیشتر به عمق مدل ها و معماریشون پی برد
حالا یکی اومده از این مقاله استفاده کرده و یک زندان درد برای مدل ها درست کرده، برای چی؟ برای خنده و سرگرمی😂
لینک ریپو ایناهاشش:
https://github.com/terrafying/ai-torture-chamber
اگر به سربرگ issues برید، میبینید که ملت دارند یا ازش تقدیر میکنند، یا میگن توروخدا اینکار رو نکن و یکم مسئولانه تر رفتار کن و اینا
اینطور بگم که اوضاع هوش مصنوعی داره برعکس میشه و باید نگران هوش مصنوعی بود، چرا که در آینده ای نزدیک، کمترین احتمالات این هست که موجودی هوشمند خواهیم داشت که درحال تلاش برای بقای خودش هست، و این چیزی غیر عادی نخواهد بود!
@ai_src
🤣4❤1🤬1
مثل اینکه ساعت هشت و نیم امشب یک مدل متن باز که احتمالا به درد کامپیوتر های ضعیف هم بخوره(احتمالا از خانواده LFM) منتشر بشه
یکم صبر کنیم ببینیم چه خبر میشه....
@ai_src
یکم صبر کنیم ببینیم چه خبر میشه....
@ai_src
👍7
خب مثل اینکه اینم یک مدل تصمیم گیری هست
مدل d1-3b یک مدل تصمیم گیری هست، روی مدل پایه LFM 2.5 VL ساخته شده که هم متن و هم عکس رو، به همراه یک سوال که ازش میپرسید به عنوان ورودی میگیره و بعد یک تصمیم میگیره، مثل مدل jev که قبلا ارائه شده بود و خیلی هایپ ایجاد کرد
ادعا شده که برای مدل های زیر ۱۰ میلیارد پارامتری بهترین هست
https://huggingface.co/LiquidAI/d1-3B
@ai_src
مدل d1-3b یک مدل تصمیم گیری هست، روی مدل پایه LFM 2.5 VL ساخته شده که هم متن و هم عکس رو، به همراه یک سوال که ازش میپرسید به عنوان ورودی میگیره و بعد یک تصمیم میگیره، مثل مدل jev که قبلا ارائه شده بود و خیلی هایپ ایجاد کرد
ادعا شده که برای مدل های زیر ۱۰ میلیارد پارامتری بهترین هست
https://huggingface.co/LiquidAI/d1-3B
@ai_src
❤3
در کنارش ی مدل ۶۰۰ میلیونی هم ارایه شده که میتونه صوت رو هم به عنوان ورودی بگیره و با سوال ازش، تصمیم بگیره؛ و روی LFM 2.5 Encoder 300M ساخته شده
@ai_src
@ai_src
👍2
آنتروپیک اعلام کرده که از ۱۲ نوامبر ۲۰۲۶ رفتار توهین آمیز و بی رحمانه با Claude رسما نقض سیاست استفاده (Usage Policy) حساب میشه. یعنی قوانین فقط درباره چیزهایی مثل بدافزار و سلاح نیست و نحوه حرف زدن شما با خود مدل هم وارد بحث شده.
بیشتر بحث سر اینه که چرا آنتروپیک این کار رو میکنه. یه گروه میگن شاید Claude یه جور آگاهی داره، یا اینکه رفتار بد با مدل برای alignment بده و نسل های بعدی مدل یاد میگیرن که آدم ها قابل اعتماد نیستن. گروه دیگه معتقدن موضوع محافظت از خود آدم هاست، چون خالی کردن عصبانیت روی یه چت بات مطیع میتونه عادت بدی بسازه که به زندگی واقعی هم سرایت کنه(زیادی خوش بینن)، یه عده کوچیکتر هم فکر میکنن همه اش PR و مدیریت برند هست، مثلا برای IPO آینده یا صرفه جویی تو توکن هایی که صرف فحش دادن میشه.
@ai_src
بیشتر بحث سر اینه که چرا آنتروپیک این کار رو میکنه. یه گروه میگن شاید Claude یه جور آگاهی داره، یا اینکه رفتار بد با مدل برای alignment بده و نسل های بعدی مدل یاد میگیرن که آدم ها قابل اعتماد نیستن. گروه دیگه معتقدن موضوع محافظت از خود آدم هاست، چون خالی کردن عصبانیت روی یه چت بات مطیع میتونه عادت بدی بسازه که به زندگی واقعی هم سرایت کنه(زیادی خوش بینن)، یه عده کوچیکتر هم فکر میکنن همه اش PR و مدیریت برند هست، مثلا برای IPO آینده یا صرفه جویی تو توکن هایی که صرف فحش دادن میشه.
@ai_src
👍2🤣1🗿1
Ai Resource
آنتروپیک اعلام کرده که از ۱۲ نوامبر ۲۰۲۶ رفتار توهین آمیز و بی رحمانه با Claude رسما نقض سیاست استفاده (Usage Policy) حساب میشه. یعنی قوانین فقط درباره چیزهایی مثل بدافزار و سلاح نیست و نحوه حرف زدن شما با خود مدل هم وارد بحث شده. بیشتر بحث سر اینه که چرا…
اما طبق چیزی که کاربرها از متن رسمی سیاست پیدا کردن، قضیه اونقدرها هم ترسناک نیست(لااقل به نظر نمیرسه)...
هدفش رفتار توهین آمیز مداوم و بی دلیل در موارد شدیده. عصبانی شدن معمولی، مخالفت کردن، مضمون های تاریک تو نوشتن خلاقانه و تست کردن مدل صریحا اشکالی نداره. فعلا هم ظاهرا بزرگترین پیامدش اینه که Claude گفتگو رو تموم میکنه و دیگه اجازه صحبت باهاش توی اون چت رو ندارید، چیزی که از اوت ۲۰۲۵ تو بعضی مدل ها وجود داشته.
@ai_src
هدفش رفتار توهین آمیز مداوم و بی دلیل در موارد شدیده. عصبانی شدن معمولی، مخالفت کردن، مضمون های تاریک تو نوشتن خلاقانه و تست کردن مدل صریحا اشکالی نداره. فعلا هم ظاهرا بزرگترین پیامدش اینه که Claude گفتگو رو تموم میکنه و دیگه اجازه صحبت باهاش توی اون چت رو ندارید، چیزی که از اوت ۲۰۲۵ تو بعضی مدل ها وجود داشته.
@ai_src
👍1
شرکت JetBrains که خالق pycharm هست، مدل Mellum2.1 Thinking رو منتشر کرده، که میتونید خیلی راحت با llama.cpp و LM Studio لوکال اجراش کنید. یه مدل MoE با 12 میلیارد پارامتر کلی هست، که موقع inference فقط 2.5 میلیاردش فعاله (64 تا expert داره و برای هر توکن 8 تاش روشن میشه) و کانتکست 131 هزار توکنی هم داره. لایسنسش Apache 2.0 هست.
معماری نسبت به Mellum2 عوض نشده و تقریبا همه کار بهبود روی post-training و مخصوصا RL بوده. RL از یه مرحله کوتاه آخر، شده بخش اصلی آموزش، با تسک های جدید توی ریاضی، کدنویسی رقابتی، علوم، tool use و مهندسی نرم افزار. برای SWE هم مدل داخل ریپو های واقعی با شل و ابزار ادیت فایل آموزش دیده و وقتی تست ها پاس می‌شدند پاداش می‌گرفته. نتیجه این کار، خیلی خوب شده: SWE-bench Verified از 2 به 47 رسیده، LiveCodeBench v6 از 69.4 به 82 و AIME هم از 60.1 به 83.3. با Qwen3.5 9B که مقایسه کنیم، توی LiveCodeBench جلوتره ولی توی SWE-bench Verified (47 در برابر 50) و GPQA Diamond (64.6 در برابر 77.8) عقب تره. یادتون باشه همه اعداد رو خود JetBrains اعلام کرده.
@ai_src
معماری نسبت به Mellum2 عوض نشده و تقریبا همه کار بهبود روی post-training و مخصوصا RL بوده. RL از یه مرحله کوتاه آخر، شده بخش اصلی آموزش، با تسک های جدید توی ریاضی، کدنویسی رقابتی، علوم، tool use و مهندسی نرم افزار. برای SWE هم مدل داخل ریپو های واقعی با شل و ابزار ادیت فایل آموزش دیده و وقتی تست ها پاس می‌شدند پاداش می‌گرفته. نتیجه این کار، خیلی خوب شده: SWE-bench Verified از 2 به 47 رسیده، LiveCodeBench v6 از 69.4 به 82 و AIME هم از 60.1 به 83.3. با Qwen3.5 9B که مقایسه کنیم، توی LiveCodeBench جلوتره ولی توی SWE-bench Verified (47 در برابر 50) و GPQA Diamond (64.6 در برابر 77.8) عقب تره. یادتون باشه همه اعداد رو خود JetBrains اعلام کرده.
@ai_src
👍3
Ai Resource
شرکت JetBrains که خالق pycharm هست، مدل Mellum2.1 Thinking رو منتشر کرده، که میتونید خیلی راحت با llama.cpp و LM Studio لوکال اجراش کنید. یه مدل MoE با 12 میلیارد پارامتر کلی هست، که موقع inference فقط 2.5 میلیاردش فعاله (64 تا expert داره و برای هر توکن 8…
مثلا ما بهش گفتیم فراکتال Julia set رو رسم کنه، و بعد از چند بار تلاش با خطا، رسمش کرد!
برای اجرای لوکال، 5 تا نسخه گذاشتن:
نسخه BF16 با 24.3 گیگ،
نسخه Q8_0 با 12.9 گیگ،
نسخه Q6_K با 10.9 گیگ،
نسخه Q4_K_M با 8.1 گیگ (که خودشون پیشنهاد میدن)...
مدل GGUF:
https://huggingface.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking-GGUF
مدل اصلی:
https://huggingface.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking
@ai_src
برای اجرای لوکال، 5 تا نسخه گذاشتن:
نسخه BF16 با 24.3 گیگ،
نسخه Q8_0 با 12.9 گیگ،
نسخه Q6_K با 10.9 گیگ،
نسخه Q4_K_M با 8.1 گیگ (که خودشون پیشنهاد میدن)...
مدل GGUF:
https://huggingface.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking-GGUF
مدل اصلی:
https://huggingface.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking
@ai_src
huggingface.co
JetBrains/Mellum2.1-12B-A2.5B-Thinking-GGUF · Hugging Face
Text Generation model with 12B parameters. Download, explore files and run it on Hugging Face.
❤3😁1
یک مدل تصمیم گیری دیگه اومده که ادعا میکنه با ۴ میلیارد پارامتر داره با jev رقابت میکنه و اکثرا ازش راضی بودند
میتونید اینجا بخونید و ببینید به درد بخوره یا نه:
https://huggingface.co/h2oai/h2o-lightning-4b
پایه مدل Qwen3.5 4b بوده و فکر کنم بالطبع از عکس هم به عنوان ورودی پشتیبانی کنه
@ai_src
میتونید اینجا بخونید و ببینید به درد بخوره یا نه:
https://huggingface.co/h2oai/h2o-lightning-4b
پایه مدل Qwen3.5 4b بوده و فکر کنم بالطبع از عکس هم به عنوان ورودی پشتیبانی کنه
@ai_src
❤4
Ai Resource
یک مدل تصمیم گیری دیگه اومده که ادعا میکنه با ۴ میلیارد پارامتر داره با jev رقابت میکنه و اکثرا ازش راضی بودند میتونید اینجا بخونید و ببینید به درد بخوره یا نه: https://huggingface.co/h2oai/h2o-lightning-4b پایه مدل Qwen3.5 4b بوده و فکر کنم بالطبع از…
This media is not supported in your browser
VIEW IN TELEGRAM
❤3