این خوراک فروشگاه های آنلاینه، یه تصویر PNG بده تمام زاویه‌ها رو تحویل بگیر

یه LoRA (یه مدل/وزن کمکیه که روی یک مدل اصلی مثل Qwen-Image-2.1 سوار میشه تا مدل رو برای انجام یک کار یا سبک مشخص تخصصی‌تر کنه) برای Qwen-Image-2.1 که زاویه دید دوربین رو دور سوژه می‌چرخونه.
فقط 1 تصویر با پس‌زمینه شفاف آپلود می‌کنی و مدل دوربین رو دور اون جسم حرکت می‌ده و نماهای مختلفش رو می‌سازه؛ نمای پشت سوژه هم شامل میشه و شفافیت تصویر هم حفظ میشه.

منظور از viewpoint-orbit اینجا اینه که انگار دوربین رو دور یک جسم می‌چرخونی و از زوایای مختلف، مثل نمای جلو، کنار، پشت و... ازش تصویر می‌گیری:

huggingface.co/spaces/ML-Intern-lab/Qwen-Image-2.1-viewpoint-orbit-LoRA


@Linuxiz

وقتی می‌خوای یه مدل رو به‌صورت لوکال روی کامپیوترت اجرا کنی، سخت‌ترین بخشش دانلود کردن مدل نیست؛ سخت‌ترین قسمت اینه که بفهمی کدوم مدل واقعاً با سخت‌افزار کامپیوترت سازگاره و از پس اجرای اون برمیاد. Magnitude سخت‌افزار کامپیوترت رو بررسی می‌کنه و قبل از اینکه مدل‌ها رو دانلود کنی، بهت نشون می‌ده که هر مدل تقریباً با چه سرعتی، مثلاً چند توکن در ثانیه (tokens/second، روی سیستم تو اجرا می‌شه.

بعد خودش مدل مناسب رو دانلود می‌کنه و تنظیماتش رو متناسب با سخت‌افزارت انجام می‌ده تا بهترین حالت ممکن برای سیستم خودت داشته باشه.

رایگان و متن‌باز (Open Source) هستش،‌ دانلود :

magnitude.dev


@Linuxiz

یکی تجربه‌ی خودش از مهندسی معکوس کلی فایل APK رو تبدیل کرده به یه Skill و به‌صورت متن‌باز منتشرش کرده!

بعد از نصبش، هوش مصنوعی می‌تونه اپ‌های اندرویدی رو با دنبال کردن روند فکری یه متخصص باتجربه تحلیل کنه. می‌تونه توی این کارها کمکت کنه:

1. تغییر دادن فایل‌های DEX، ری‌پکیج کردن اپ و ساین کردنش
2. کار با Packing و Loaderها
3. تحلیل لایه‌ی Native
4. کار روی Dart AOT در اپ‌های Flutter

می‌تونی مستقیماً با Claude Code و Codex ازش استفاده کنی.
لازم نیست ابزارها رو خودت از قبل پکیج یا آماده کنی؛ هوش مصنوعی خودش ابزارهایی مثل Frida، JADX و Blutter رو نصب می‌کنه.
بهترین نتیجه رو وقتی می‌گیری که همون اول کار، به مدل بگی از این Skill استفاده کنه.

روی GitHub هم 2.5k ستاره گرفته و کاملا رایگان:

github.com/newliver666/apk-reverse


@Linuxiz

این سایتم هم جدید اومده و کامپوننت های وبی زیبایی داره


uselayouts.com

@Linuxiz

پکیج ساده برای اضافه کردن کپچا به فرم‌ها در React و Next
- بدون نیاز به سرویس خارجی و اجرا روی سرور خودت

- متنی، عددی، ریاضی و تصویری
- فارسی و انگلیسی • سطح آسان، متوسط و سخت
- اعتبارسنجی سمت سرور و Rate Limit
- انقضا و استفاده یک‌باره

+ دمو
https://npmjs.com/package/captchakit

@Linuxiz

این خیلی بین طراحا سرو صدا کرده بود

تصور کن یه Skill داشته باشی که بتونی باهاش انتخاب‌های UX ای که توی یه صفحه انجام دادی رو به شکل انیمیشنی توضیح بدی، ویدیو رو ببینید، در واقع یه انیمیشن توضیحی درست می‌کنه که صفحه تبدیل میشه به یه نقشه Blueprint آبی و مرحله‌به‌مرحله نشون میده چرا هر قسمت طراحی تغییر کرده

github.com/moguzbulbul/blueprint-animation


@Linuxiz

این سایتم باحاله ماهواره های روی فضای دور کره زمین رو نشون میده، نمیدونستم انقدر استارلینک از روی ایران رد می‌شن

البته اندازشون واقعی نیست شاید بگید چقدر دور زمین شلوغه، برای اینکه اندازه واقعی رو ببینید روی دکمه Real Size کلیک کنید:

azmth.space

@Linuxiz

اگر سایت یا اپی دارید که داخلش دارید از چارت های مختلفی استفاده میکنید این دو تا سایت به درد شما میخوره که باهاش میتونید یه روحی به نمودار هاتون بدید:


evilcharts.com
beui.dev/charts


@Linuxiz

آموزش گام به گام اجرای مدل‌های Laya Decision رو به‌صورت لوکال و فقط با 4GB رم

روی CPU، مک، ویندوز، لینوکس و سیستم‌های مجهز به GPU هم کار می‌کنه.

همچنین می‌تونی Laya رو از طریق Unsloth Desktop و با استفاده از یک API سازگار با Jev ارائه بدی:

unsloth.ai/docs/models/decision-laya

@Linuxiz

اگه دنبال هوشمندسازی قابلیت‌ها و استفاده از Ai تو پروژه‌هاتون هستید، می‌تونید از Ai SDK استفاده کنید. باهاش می‌تونید از Providerهایی مثل OpenAI، Anthropic، Google استفاده کنید.

https://www.npmjs.com/package/ai

@Linuxiz

با پکیج nuqs می‌تونید stateهاتون رو از طریق query params مدیریت کنید. عمدتا واسه state هایی مثل فیلترینگ، مرتب‌سازی، صفحه‌بندی و ... استفاده می‌شه:

https://nuqs.dev/

@Linuxiz

کسایی که با هوش مصنوعی چیزای سه بعدی می‌سازن با Three.js Particle Fluids آشنا بشید؛ یه کتابخونه مبتنی بر WebGPU برای شبیه‌سازی سیالات، اجسام صلب و نرم، پارچه و گازها، خیلی طبیعی تر می‌شه چیزایی که می‌سازید


تست آنلاین:
dgreenheck.github.io/threejs-particle-fluids/?preset=wave-chamber

سورس کد:
github.com/dgreenheck/threejs-particle-fluids


@Linuxiz

چینیا یه ابزار برای مدیریت دیتابیس ساختن کلا 25 مگابایت حجم داره بیش از 100 تا دیتابیس مختلف رو پشتیبانی می‌کنه، هوش مصنوعی ساپورت می‌کنه، گراف می‌کشه، از اسکیما ساپورت می‌کنه پلاگین های مختلفی می‌شه روش زد

روی مک، لینوکس و ویندوز هم نصب می‌شه:
github.com/t8y2/dbx


@Linuxiz

یکی یه دوره کامل درباره AI Harness Engineering رو Open Source کرده!

و بهترین قسمت؟ کاملاً رایگانه

14 جلسه آموزشی
8 پروژه عملی
یاد می‌گیری چطور محیط‌هایی بسازی که Coding Agentها:
مدت بیشتری کار کنن
خودشون خروجی‌شون رو Verify کنن
و مهم‌تر از همه… واقعاً تسک رو تا آخر انجام بدن!
اگه داری با AI Agentها و Coding Agentها کار می‌کنی، این دوره می‌تونه خیلی به‌دردت بخوره.

https://github.com/walkinglabs/learn-harness-engineering

ذخیره کن برای بعد؛ این یکی ارزش خوندن داره.

@Linuxiz

یویتوب دیدم چند تا از کانال های انگلیسی زبانم دارن فارسی حرف میزنن خیلی برام عجیب بود، رفتم دیدم به همه زبان های زنده و مرده دنیا دوبلش کردن؛ دوستانی که تولید محتوا میکنن امسال مدل های خیلی خوبی برای دوبله و متن به صدا اومده بخش زیادیش هم توی کانال گذاشتم حتی بعضیاشون لوکال هم هستن

به نظرم با این قیمت دلار تولید محتوا توی یوتیوب بیارزه مخصوصا اگه بشه به همه زبان ها دوبلش کرد اینطوری چندین برابر مخاطب هدف و درآمد بیشتر میشه‌.

@Linuxiz

این رایگانه و خیلی سرویس خفنیه.

ایده اینه که آدرس هر سایتی که خواستی رو بهش بدی و این سرویس طراحی اون سایت رو به‌ عنوان یک سیستم یکپارچه تحلیل کنه. از تایپوگرافی و رنگ و فاصله‌گذاری گرفته تا گرید، کامپوننت‌ها، موشن و حتی اون جزئیات و امضای طراح که باعث می‌شه اون سایت منحصر‌به‌فرد به نظر برسه.

خروجی هم فقط یه اسکرین‌شات یا یه مشت کد و عدد نیست. منطق و تصمیم‌های پشت طراحی رو درمیاره و به شکل teardown، پرامپت آماده برای ایجنت، design tokens و DESIGN.‌md تحویل می‌ده.

یه کتابخانه هم داره که کلی از سایت‌های معروف رو تحلیل کرده و پرامپت دیزاینشون رو آماده کرده.

الان از این لینک یه نگاهی بهش بنداز و یه سایت رو رایگان تحلیل کن:
https://design-dna-seven.vercel.app/

@Linuxiz

بچه‌ها اگه درگیر مقاله یا پایان‌نامه‌ هستین، OpenAlex رو امتحان کنین، واسه وقتیه که می‌خواین چند سال پژوهش یه موضوع رو یک‌جا بررسی کنین، رایگان هم هست، تو کار آخرم واقعا عالی بود...

openalex.org

@Linuxiz

اگه توی پایتون تشخیص اشیاء کار می‌کنید، احتمالاً یه جایی به Tracking نیاز پیدا می‌کنید؛ جایی که فقط اینکه این آبجکت کجاست؟ کافی نیست و باید بدونید این همون آبجکت قبلیه یا نه؟

کتابخونه Roboflow Trackers یه کتابخونه پایتون برای Multi-Object Tracking هستش که می‌تونه خروجی مدل‌هایی مثل YOLO رو بگیره و بین فریم‌های مختلف برای هر آبجکت ID ثابت نگه داره؛ مثلاً ماشین #12 یا Person #7 رو در طول ویدیو دنبال کنه.

داخلش الگوریتم‌های معروفی مثل ByteTrack، BoT-SORT، OC-SORT و SORT وجود داره و برای کارهایی مثل شمارش افراد و خودروها، Line Crossing، تحلیل مسیر حرکت، تخمین سرعت و Video Analytics خیلی کاربردیه:


github.com/roboflow/trackers


@Linuxiz

می‌دونستید خود هاگینگ فیس هم اسکیل داره؟
به Agent یاد می‌ده برای انجام یک کار تخصصی، دقیقاً چه مراحلی رو انجام بده، از چه ابزارهایی استفاده کنه و چه نکاتی رو رعایت کنه.

فرض کن به یه Coding Agent مثل Codex، Claude Code، Cursor یا Gemini CLI می‌گی:

می‌خوام Qwen رو روی دیتاست خودم Fine-tune کنم.

بدون Skill، Agent باید خودش از دانش عمومیش بفهمه:

چه کتابخونه‌ای لازمه
چه Training Method ای مناسبه
چه GPU ای لازمه
چه پارامترهایی باید تنظیم بشن
دیتاست چطوری آماده بشه
جاب رو چطوری روی Hugging Face اجرا کنه
چک پوینت کجا ذخیره بشن
مدل چطوری ارزیابی بشه
و...

ولی Skill میاد یه سری دستورالعمل تخصصی و قابل‌اجرا در اختیار Agent می‌ذاره:

github.com/huggingface/skills

@Linuxiz

این سایتم تمام ابزار ها و چیزای مربوط به وایب کدینگ رو جمع کرده یکجا :

vibecodes.net


@Linuxiz

یه مدل تصمیم گیر اوپن سورس شبیه به Jev اومده چند وجهیه یعنی عکس و فیلم هم می‌فهمه، سرعت حل کردن روبیکش رو ببینید:

نکته جالبش اینجاست خودش می‌فهمه کی نباید سریع جواب بده
فرض کن 100 تا سؤال داری لازم نیست برای هر 100 تا سؤال مدل رو مجبور کنی reasoning سنگین انجام بده. می‌تونی مثلاً بگی:

اگر System 1 حداقل 70% اطمینان داشت، همون جواب رو بده؛ اگر نه، بفرستش برای System 2.

طبق تستی که خودشون گزارش کردن، با threshold برابر 0.70:

حدود 70% سؤال‌ها سریع جواب داده شدن
این جواب‌ها حدود 0.11 ثانیه طول کشیدن accuracy کلی به 0.892 رسیده
در حالی که اگر فقط System 1 استفاده بشه accuracy برابر 0.792 بوده
و اگر برای همه reasoning انجام بشه 0.917 شده

huggingface.co/autotrust/JEV-27B-VL

@Linuxiz