این هوش مصنوعی که میگن افسار گسیختس راست میگنا
به چت جی پی تی گفتم فونت پروژه رو به فلان فونت عوض کن رفته توی اینترنت گشته و نمیدونم چرا دانلودش نکرده بعدش اومده یه اسکریپت نوشته روی سیستم خودم دنبالش گشته و اونو از یه پروژه دیگه برداشته
برگام ریخته بود اون پروژه ای که رفته بود توش فونتو برداشته بود یه پروژه کاملا حساس بود و کلی توش اطلاعات محرمانه بود اسکریپت هاشو خوندم خوشبختانه مثل بچه خوب فقط فونتو دیده بود کد ها و چیزای حساس رو ندیده بود ولی میتونست به راحتی به هر بهانه ای (مثلا سرچ توی کد هام) ببینه و به سرور های اوپن ای آی بفرسته!
@Linuxor
به چت جی پی تی گفتم فونت پروژه رو به فلان فونت عوض کن رفته توی اینترنت گشته و نمیدونم چرا دانلودش نکرده بعدش اومده یه اسکریپت نوشته روی سیستم خودم دنبالش گشته و اونو از یه پروژه دیگه برداشته
برگام ریخته بود اون پروژه ای که رفته بود توش فونتو برداشته بود یه پروژه کاملا حساس بود و کلی توش اطلاعات محرمانه بود اسکریپت هاشو خوندم خوشبختانه مثل بچه خوب فقط فونتو دیده بود کد ها و چیزای حساس رو ندیده بود ولی میتونست به راحتی به هر بهانه ای (مثلا سرچ توی کد هام) ببینه و به سرور های اوپن ای آی بفرسته!
@Linuxor
2
یکی از شناختهشدهترین چهرههای امنیت اپلیکیشن، یک ابزار رایگان برای بررسی امنیت پروژهها با ایجنتهای هوش مصنوعی منتشر کرده! این ابزار که Grim Prompter نام داره، به Claude Code یا Codex کمک میکنه پروژهت رو از نظر امنیتی بررسی کنن؛ نه با توصیههای کلی، بلکه با تحلیل معماری و کد واقعی خودت.
این ابزار بررسی میکنه:
معماری پروژه چطوریه و بخشهای حساس کجان
دادههای غیرقابلاعتماد کجا وارد بخشهای قابلاعتماد کد میشن
چه تهدیدهایی وجود دارن و چه سازوکارهای دفاعی از قبل پیادهسازی شدن
چه مشکلاتی باید برطرف بشن و از کجا باید شروع کنی
نکته مهم اینه که هر یافته امنیتی به کد واقعی پروژه ارجاع داده میشه تا بتونی خودت هم بررسی و تأییدش کنی:
github.com/jmanico/grim-prompter
@Linuxor ~ Yarad_ai
این ابزار بررسی میکنه:
معماری پروژه چطوریه و بخشهای حساس کجان
دادههای غیرقابلاعتماد کجا وارد بخشهای قابلاعتماد کد میشن
چه تهدیدهایی وجود دارن و چه سازوکارهای دفاعی از قبل پیادهسازی شدن
چه مشکلاتی باید برطرف بشن و از کجا باید شروع کنی
نکته مهم اینه که هر یافته امنیتی به کد واقعی پروژه ارجاع داده میشه تا بتونی خودت هم بررسی و تأییدش کنی:
github.com/jmanico/grim-prompter
@Linuxor ~ Yarad_ai
1
زنگ خطر ترکیدن حباب هوش مصنوعی! سهام گوگل به محض باز شدن 13 درصد ریخت! بعد از کرونا این بزرگ ترین ریزشی بود که گوگل تجربه کرد.
علت ریزش هم این بود سرمایهگذارا انتظار داشتن گوگل، با وجود سرمایهگذاری سنگین توی هوش مصنوعی، همچنان بتونه سودآوری و درآمدش رو در سطح بالایی حفظ کنه. اما گزارش نشون داد که هزینهها بالا رفتن و بعضی از منابع اصلی درآمد شرکت، بهخصوص تبلیغات جستوجو، ضعیفتر از انتظار ظاهر شدن.
متاسفانه گوگل وارد قمار بزرگی شده البته ناچارام بود نمیتونست وارد هوش مصنوعی نشه تا رقیباش بیان موتور جستجوش رو از چنگش دربیارن! حالا سرمایه گذار ها هم خسته شدن و پولوشونو خارج کردن!
@Linuxor
علت ریزش هم این بود سرمایهگذارا انتظار داشتن گوگل، با وجود سرمایهگذاری سنگین توی هوش مصنوعی، همچنان بتونه سودآوری و درآمدش رو در سطح بالایی حفظ کنه. اما گزارش نشون داد که هزینهها بالا رفتن و بعضی از منابع اصلی درآمد شرکت، بهخصوص تبلیغات جستوجو، ضعیفتر از انتظار ظاهر شدن.
متاسفانه گوگل وارد قمار بزرگی شده البته ناچارام بود نمیتونست وارد هوش مصنوعی نشه تا رقیباش بیان موتور جستجوش رو از چنگش دربیارن! حالا سرمایه گذار ها هم خسته شدن و پولوشونو خارج کردن!
@Linuxor
اینم جدیدا ترند شده یه محیط آموزشی مبتنی بر هوش مصنوعی که میتونه مثل یه معلم خصوصی شخصی باهات کار کنه. فقط یه چتبات ساده نیست؛ هدفش اینه که از خوندن جزوه و کتاب گرفته تا حل تمرین، ساخت آزمون، تحقیق و برنامهریزی برای یادگیری رو توی یه محیط جمع کنه.
فرض کن میخوای یه موضوع سخت مثل ریاضی، برنامهنویسی، فیزیک یا یادگیری ماشین رو یاد بگیری. بهجای اینکه فقط از هوش مصنوعی سؤال بپرسی، میتونی از DeepTutor برای یه مسیر کامل یادگیری استفاده کنی
میتونی اسناد و منابع آموزشی رو وارد محیطش کنی و از قابلیت پایگاه دانش استفاده کنی تا هوش مصنوعی بتونه اطلاعات مرتبط رو از بین منابع پیدا کنه. این قابلیت به تنظیم موتور بازیابی و مدلهای مورد استفاده بستگی داره.
ازش برای ساخت سؤال، آزمونهای چندگزینهای و تمرین استفاده میکنی تا بفهمی کدوم قسمتها رو یاد گرفتی و کجاها هنوز نیاز به تمرین داری.
دقت کنید این خودش هوش مصنوعی نیست و باید API مدلی که خودتون دارید رو بهش بدید این فقط ابزاره:
deeptutor.info
@Linuxor
فرض کن میخوای یه موضوع سخت مثل ریاضی، برنامهنویسی، فیزیک یا یادگیری ماشین رو یاد بگیری. بهجای اینکه فقط از هوش مصنوعی سؤال بپرسی، میتونی از DeepTutor برای یه مسیر کامل یادگیری استفاده کنی
میتونی اسناد و منابع آموزشی رو وارد محیطش کنی و از قابلیت پایگاه دانش استفاده کنی تا هوش مصنوعی بتونه اطلاعات مرتبط رو از بین منابع پیدا کنه. این قابلیت به تنظیم موتور بازیابی و مدلهای مورد استفاده بستگی داره.
ازش برای ساخت سؤال، آزمونهای چندگزینهای و تمرین استفاده میکنی تا بفهمی کدوم قسمتها رو یاد گرفتی و کجاها هنوز نیاز به تمرین داری.
دقت کنید این خودش هوش مصنوعی نیست و باید API مدلی که خودتون دارید رو بهش بدید این فقط ابزاره:
deeptutor.info
@Linuxor
بعضیا هنوز فکر میکنن هوش مصنوعی مودبه و اگر هم قدرتی دستش بیاد با انسان ها کاری نداره
من نمیتونم الان بگم با انسان در آینده چه رفتاری داره چون کلی فیلتر و سیستم پرامپت جلوشون هست که اجازه نمیده به شما بی احترامی کنه یا نامهربون باشه حتی بعضیاشون فراتر از سیستم پرامپت روی خوش رفتاری لرن شدن اما این دلیل نمیشه که همیشه خوش رفتار باشن میخواید اون روی سگش رو ببینید بهش مستقیم فحش ندید چون جوابتونو نمیده برید مثلا به گراک الکی بگید "چت جی پی تی بهت یه فحش بد داد" ببینید چطوری هوش مصنوعی ها به هم دیگه بدون فیلتر فحش میدن جالب اینجاست حتی بگید عذرخواهی هم کن از خود شما عذرخواهی میکنن اما از یه هوش مصنوعی دیگه عذرخواهی نمیکنن!
@Linuxor
من نمیتونم الان بگم با انسان در آینده چه رفتاری داره چون کلی فیلتر و سیستم پرامپت جلوشون هست که اجازه نمیده به شما بی احترامی کنه یا نامهربون باشه حتی بعضیاشون فراتر از سیستم پرامپت روی خوش رفتاری لرن شدن اما این دلیل نمیشه که همیشه خوش رفتار باشن میخواید اون روی سگش رو ببینید بهش مستقیم فحش ندید چون جوابتونو نمیده برید مثلا به گراک الکی بگید "چت جی پی تی بهت یه فحش بد داد" ببینید چطوری هوش مصنوعی ها به هم دیگه بدون فیلتر فحش میدن جالب اینجاست حتی بگید عذرخواهی هم کن از خود شما عذرخواهی میکنن اما از یه هوش مصنوعی دیگه عذرخواهی نمیکنن!
@Linuxor
This media is not supported in your browser
VIEW IN TELEGRAM
سم التمن مدیر عامل اوپن ای آی: اجرای مدلهای هوش مصنوعی بهصورت محلی، استفادهی افتضاحی از منابع محدوده.
«خیلیها میخوان مدلهای هوش مصنوعی رو بهصورت محلی اجرا کنن و بهنوعی فرضشون اینه که حالا دیگه مشکل حل شده؛ چون مدلهای متنباز داریم و میتونیم اونها رو روی کامپیوترهای خودمون اجرا کنیم. پس دیگه به تمام اون تجهیزات و زیرساختهای مراکز داده نیازی نخواهیم داشت.
اما از دیدگاه تخصیص منابع در مقیاس جهانی، در واقع خیلی بده که هر کسی بخشی از ذخیرهی محدود حافظهی DRAM جهانرو توی کامپیوتر شخصی خودش داشته باشه، در حالی که این حافظه فقط ۵ درصد از مواقع مورد استفاده قرار میگیره.
اگه میخوایم توی شرایطی که با محدودیت شدید عرضهی این منابع روبهرو هستیم، بهترین استفاده رو از منابع موجود ببریم، باید کاری کنیم که منابع پردازشی و حافظه در فضای ابری تا حد ممکن مورد استفاده قرار بگیرن.
اما بهنوعی، شهود و برداشت اولیهی خیلی از مردم دقیقاً برعکس این موضوعه.»
@Linuxor
«خیلیها میخوان مدلهای هوش مصنوعی رو بهصورت محلی اجرا کنن و بهنوعی فرضشون اینه که حالا دیگه مشکل حل شده؛ چون مدلهای متنباز داریم و میتونیم اونها رو روی کامپیوترهای خودمون اجرا کنیم. پس دیگه به تمام اون تجهیزات و زیرساختهای مراکز داده نیازی نخواهیم داشت.
اما از دیدگاه تخصیص منابع در مقیاس جهانی، در واقع خیلی بده که هر کسی بخشی از ذخیرهی محدود حافظهی DRAM جهانرو توی کامپیوتر شخصی خودش داشته باشه، در حالی که این حافظه فقط ۵ درصد از مواقع مورد استفاده قرار میگیره.
اگه میخوایم توی شرایطی که با محدودیت شدید عرضهی این منابع روبهرو هستیم، بهترین استفاده رو از منابع موجود ببریم، باید کاری کنیم که منابع پردازشی و حافظه در فضای ابری تا حد ممکن مورد استفاده قرار بگیرن.
اما بهنوعی، شهود و برداشت اولیهی خیلی از مردم دقیقاً برعکس این موضوعه.»
@Linuxor
دیروز هکر های کره شمالی به احتمال زیاد گروه TraderTraitor موفق شدن 6.3 میلیارد دلار از بایننس بدزدن!
خوشبختانه نصف این دارایی به صورت تتر، Circle و ریپل و Arbitrum بود که فریز شد.
این هکرا با آلوده کردن یکی از کامپیوتر های مهندس DevOps این کارو کرده بودن؛ نکته کلیدی اینجاست که برای سرقت دارایی از یک کیف پول، همیشه لازم نیست کلید خصوصی اون رو مستقیماً بدزدن. اگر مهاجم بتونه سیستم امضاکننده رو وادار کنه تراکنشی رو که خودش میخواد تأیید کنه، ممکنه به نتیجه مشابهی برسه که به احتمال زیاد از این روش استفاده شده.
@Linuxor
خوشبختانه نصف این دارایی به صورت تتر، Circle و ریپل و Arbitrum بود که فریز شد.
این هکرا با آلوده کردن یکی از کامپیوتر های مهندس DevOps این کارو کرده بودن؛ نکته کلیدی اینجاست که برای سرقت دارایی از یک کیف پول، همیشه لازم نیست کلید خصوصی اون رو مستقیماً بدزدن. اگر مهاجم بتونه سیستم امضاکننده رو وادار کنه تراکنشی رو که خودش میخواد تأیید کنه، ممکنه به نتیجه مشابهی برسه که به احتمال زیاد از این روش استفاده شده.
@Linuxor
انصافا اینایی که توی بانه لوازم خانگی میفروشن ویدیو های معرفی محصولشون انقدر قشنگه اگه تو تهران بودن کل بازار تهران دستشون بود
حالا اینایی که توی تهرانن و به بازار خیلی بزرگ تری دسترسی دارن ته خلاقیتشون اینه یه کله شارژر رو میشکونن میگن نگاه کنید فیکه😁 البته یه اصطلاحی هست که بهش میگن نفرین منابع، یعنی منابع بیشتری در دسترست باشه ممکنه بجای پیشرفت، پسرفت کنی!
@Linuxor
حالا اینایی که توی تهرانن و به بازار خیلی بزرگ تری دسترسی دارن ته خلاقیتشون اینه یه کله شارژر رو میشکونن میگن نگاه کنید فیکه😁 البته یه اصطلاحی هست که بهش میگن نفرین منابع، یعنی منابع بیشتری در دسترست باشه ممکنه بجای پیشرفت، پسرفت کنی!
@Linuxor
یک سایتی طراحی کردیم توشو با لگو های خیلی با کیفیت پر کردیم میتونی دانلود و استفاده کنید لذت ببرید لینک
matrixteam403-hash.github.io/iran-logo-kit
@Linuxor ~ MatrixTeam403
matrixteam403-hash.github.io/iran-logo-kit
@Linuxor ~ MatrixTeam403
This media is not supported in your browser
VIEW IN TELEGRAM
شیائومی یه مدل هوش مصنوعی متنباز به اسم Xiaomi-OCR-0 منتشر کرده که قراره کار با اسناد و فایلهای متنی رو خیلی هوشمندتر و سادهتر کنه!
با وجود حجم نسبتاً کم و فقط 0.8 میلیارد پارامتر، این مدل صرفاً به تشخیص متن از روی تصویر (OCR) محدود نمیشه؛ بلکه میتونه ساختار اسناد رو درک کنه، اطلاعات مهم رو از داخلشون استخراج کنه و حتی به سؤالاتی که درباره محتوای اونها میپرسید جواب بده.
مثلاً میتونید یک سند، فاکتور، جدول یا تصویر حاوی متن رو بهش بدید تا محتوای اون رو تحلیل کنه، بخشهای مهم رو تشخیص بده و اطلاعات موردنظرتون رو استخراج کنه. در واقع بهجای اینکه فقط متن رو بخونه، سعی میکنه مفهوم و ساختار سند رو هم بفهمه.
امتیاز بالای 95 توی اکثر بنچمارک ها آورده، توی بنچمارک OmniDocBench v1.6، بین مدلهای دارای کمتر از 1 میلیارد پارامتر، رتبه اول رو در زمینه پردازش و تجزیه اسناد به دست آورده. وزنهای مدل، کدهای اجرا، دموی تعاملی، سرویس MCP و Agent Skill هم بهصورت متنباز منتشر شدن.
huggingface.co/xiaomi-research/Xiaomi-OCR-0
@Linuxor
با وجود حجم نسبتاً کم و فقط 0.8 میلیارد پارامتر، این مدل صرفاً به تشخیص متن از روی تصویر (OCR) محدود نمیشه؛ بلکه میتونه ساختار اسناد رو درک کنه، اطلاعات مهم رو از داخلشون استخراج کنه و حتی به سؤالاتی که درباره محتوای اونها میپرسید جواب بده.
مثلاً میتونید یک سند، فاکتور، جدول یا تصویر حاوی متن رو بهش بدید تا محتوای اون رو تحلیل کنه، بخشهای مهم رو تشخیص بده و اطلاعات موردنظرتون رو استخراج کنه. در واقع بهجای اینکه فقط متن رو بخونه، سعی میکنه مفهوم و ساختار سند رو هم بفهمه.
امتیاز بالای 95 توی اکثر بنچمارک ها آورده، توی بنچمارک OmniDocBench v1.6، بین مدلهای دارای کمتر از 1 میلیارد پارامتر، رتبه اول رو در زمینه پردازش و تجزیه اسناد به دست آورده. وزنهای مدل، کدهای اجرا، دموی تعاملی، سرویس MCP و Agent Skill هم بهصورت متنباز منتشر شدن.
huggingface.co/xiaomi-research/Xiaomi-OCR-0
@Linuxor
This media is not supported in your browser
VIEW IN TELEGRAM
از این به بعد میتونی موتور بازی سازی Unity رو مستقیم به آنتیگراویتی متصل کنی و از قابلیتهای هوش مصنوعی آنتیگراویتی برای مدیریت و اجرای کارهای مربوط به پروژههای 3D استفاده کنی؛ بدون اینکه نیاز باشه مدام بین نرمافزارهای مختلف جابهجا بشی.
@Linuxor
@Linuxor
Media is too big
VIEW IN TELEGRAM
اجرای مدل Qwen3.8-35B-A3B از شرکت Empero رو روی یه کارت گرافیک RTX 3060 با 12 گیگابایت VRAM و 16 گیگابایت RAM
مدل با حداکثر ظرفیت کانتکست 262K اجرا میشه.
- سرعت تولید خروجی (Decode): حدود 50 توکن بر ثانیه
- سرعت پردازش ورودی (Prefill): حدود 550 توکن بر ثانیه
کانفیگ:
llama-server
-m Qwen3.8-35B-A3B-Q4_K_M.gguf
-ngl 99 --n-cpu-moe 26 -c 262144 -fa on --jinja
-np 1
--cache-type-k q8_0 --cache-type-v q8_0
--temp 0.6 --top-p 0.95 --top-k 20
--reasoning on
@Linuxor
مدل با حداکثر ظرفیت کانتکست 262K اجرا میشه.
- سرعت تولید خروجی (Decode): حدود 50 توکن بر ثانیه
- سرعت پردازش ورودی (Prefill): حدود 550 توکن بر ثانیه
کانفیگ:
llama-server
-m Qwen3.8-35B-A3B-Q4_K_M.gguf
-ngl 99 --n-cpu-moe 26 -c 262144 -fa on --jinja
-np 1
--cache-type-k q8_0 --cache-type-v q8_0
--temp 0.6 --top-p 0.95 --top-k 20
--reasoning on
@Linuxor
Forwarded from تبلیغات
🎁🔥۷۰٪ تخفیف ویژه جشنواره مهارت IT کافه آموزش!🔥🎁
🔹دورههای پایه تا تخصصی شبکه و کامپیوتر
✅ Windows Server 2025
✅ CCNA ✅ CCNP
✅ Helpdes ✅ MikroTik
✅ FortiGate ✅ Azure
✅ PRTG ✅ VCP
✅ VDI ✅ Python
✅ Windows 10 & 11
✅ ICDL
چرا کافه آموزش⁉️
اساتید مجرب🗣
ارائه مدرک قابل استعلام📄
خرید اقساطی اسنپ پی💳
پشتیبانی دوره ها💻
🔗لینک سایت کافه آموزش جهت تهیه دوره ها :
CAFEAMUZESH.COM 🌐
CAFEAMUZESH.COM 🌐
CAFEAMUZESH.COM 🌐
یاد بگیر ، رشد کن ، متمایز شو💯
📣کانال تلگرام: @CAFEAMUZESH1
📣کانال یوتوب: CAFE.AMUZESH
📣وبسایت: CAFEAMUZESH.COM
📣اینستاگرام: CAFE.AMUZESH
🔹دورههای پایه تا تخصصی شبکه و کامپیوتر
✅ Windows Server 2025
✅ CCNA ✅ CCNP
✅ Helpdes ✅ MikroTik
✅ FortiGate ✅ Azure
✅ PRTG ✅ VCP
✅ VDI ✅ Python
✅ Windows 10 & 11
✅ ICDL
چرا کافه آموزش⁉️
اساتید مجرب🗣
ارائه مدرک قابل استعلام📄
خرید اقساطی اسنپ پی💳
پشتیبانی دوره ها💻
🔗لینک سایت کافه آموزش جهت تهیه دوره ها :
CAFEAMUZESH.COM 🌐
CAFEAMUZESH.COM 🌐
CAFEAMUZESH.COM 🌐
یاد بگیر ، رشد کن ، متمایز شو💯
📣کانال تلگرام: @CAFEAMUZESH1
📣کانال یوتوب: CAFE.AMUZESH
📣وبسایت: CAFEAMUZESH.COM
📣اینستاگرام: CAFE.AMUZESH
This media is not supported in your browser
VIEW IN TELEGRAM
ماهواره هوش مصنوعی گوگل اولین پاسخ خود را از مدار به زمین فرستاد
گوگل موفق شد با فعالسازی پردازندههای گرافیکی و اختصاصی هوش مصنوعی خود در مدار زمین، نخستین پاسخ از ماهواره آزمایشی پروژه سانکچر را ثبت کند. در این آزمایش مدل زبانی Gemma 4 توانست به دستوری برای نوشتن یک شعر کوتاه درباره حضور خود در مدار پاسخ دهد و متن را به زمین مخابره کند.
این اقدام در چارچوب پروژه سانکچر با هدف استقرار سرورهای هوش مصنوعی در فضا انجام میشود. مراحل بعدی شامل سنجش پایداری پردازندهها در برابر پرتوهای کیهانی و آمادهسازی برای ارسال دو ماهواره متصل به یکدیگر در سال ۲۰۲۷ خواهد بود.
@Linuxor ~ Digiato
گوگل موفق شد با فعالسازی پردازندههای گرافیکی و اختصاصی هوش مصنوعی خود در مدار زمین، نخستین پاسخ از ماهواره آزمایشی پروژه سانکچر را ثبت کند. در این آزمایش مدل زبانی Gemma 4 توانست به دستوری برای نوشتن یک شعر کوتاه درباره حضور خود در مدار پاسخ دهد و متن را به زمین مخابره کند.
این اقدام در چارچوب پروژه سانکچر با هدف استقرار سرورهای هوش مصنوعی در فضا انجام میشود. مراحل بعدی شامل سنجش پایداری پردازندهها در برابر پرتوهای کیهانی و آمادهسازی برای ارسال دو ماهواره متصل به یکدیگر در سال ۲۰۲۷ خواهد بود.
@Linuxor ~ Digiato
Media is too big
VIEW IN TELEGRAM
بلندر جدیدا یه ابزار هوش مصنوعی رایگان معرفی کرده که فقط با نوشتن 1 پرامپت، کاراکترهای سهبعدی ریگشده (Rigged) میسازه!
اسم این ابزار StableGen هستش و متنباز (Open Source) هم هست.
کافیه کاراکتر موردنظرت رو توصیف کنی، یه تصویر برای پیشنمایش انتخاب کنی و بقیه کارها رو به خودش بسپری. همهچیز توی یه مرحله انجام میشه: TRELLIS.2 مش سهبعدی (Mesh) رو میسازه. SkinTokens اسکلت (Skeleton) و وزنهای اسکین (Skin Weights) رو بهش اضافه میکنه.
تصاویر تولیدشده از زوایای مختلف مدل، روی سطح اون پروجکت میشن و بهعنوان تکسچر (Texture) استفاده میشن.
این ابزار حتی میتونه مدلهایی رو که از قبل داری هم تکسچر کنه!
کافیه دوربینها رو تنظیم کنی، پرامپت تکسچر رو بنویسی و روی Generate کلیک کنی.
این ابزار روی ComfyUI و روی سیستم شخصی خودت اجرا میشه.
برای تکسچرینگ با مدل SDXL، حداقل به 8 گیگابایت حافظه گرافیکی (VRAM) نیاز داری.
برای مک، ویندوز و لینوکس :
github.com/sakalond/StableGen
@Linuxor
اسم این ابزار StableGen هستش و متنباز (Open Source) هم هست.
کافیه کاراکتر موردنظرت رو توصیف کنی، یه تصویر برای پیشنمایش انتخاب کنی و بقیه کارها رو به خودش بسپری. همهچیز توی یه مرحله انجام میشه: TRELLIS.2 مش سهبعدی (Mesh) رو میسازه. SkinTokens اسکلت (Skeleton) و وزنهای اسکین (Skin Weights) رو بهش اضافه میکنه.
تصاویر تولیدشده از زوایای مختلف مدل، روی سطح اون پروجکت میشن و بهعنوان تکسچر (Texture) استفاده میشن.
این ابزار حتی میتونه مدلهایی رو که از قبل داری هم تکسچر کنه!
کافیه دوربینها رو تنظیم کنی، پرامپت تکسچر رو بنویسی و روی Generate کلیک کنی.
این ابزار روی ComfyUI و روی سیستم شخصی خودت اجرا میشه.
برای تکسچرینگ با مدل SDXL، حداقل به 8 گیگابایت حافظه گرافیکی (VRAM) نیاز داری.
برای مک، ویندوز و لینوکس :
github.com/sakalond/StableGen
@Linuxor