در ادامه آموزش های کار با suno برای ساخت موزیک :

مهندسی Style؛ چطور دقیقاً به Suno بگیم چه آهنگی می‌خوایم؟ در قسمت قبل یاد گرفتیم چطور Lyrics رو ساختاربندی کنیم. اما حتی اگر شعر فوق‌العاده‌ای داشته باشیم، یک Style Prompt ضعیف می‌تونه نتیجه رو کاملاً تغییر بده.

مثلاً اگر فقط بنویسیم:

"Sad song"
عملاً اطلاعات زیادی به Suno ندادیم.
اما می‌تونیم هویت موسیقی رو مرحله‌به‌مرحله تعریف کنیم:

فرمول پیشنهادی Style Prompt

Genre + Era/Character + Mood + Vocals + Instruments + Rhythm + Dynamics + Production
مثلاً:
Modern cinematic pop,
dark and melancholic,
male expressive vocals,
intimate piano and warm strings,
deep electronic bass,
slow-to-mid tempo,
quiet verses with a powerful emotional chorus,
wide atmospheric production,
clean modern mix

حالا ببینیم هر قسمت چه کاری انجام می‌ده:

Genre
سبک اصلی موسیقی:
"Pop / Rock / Hip-Hop / R&B / EDM / Folk / Metal"

Mood
فضای احساسی:
"Melancholic / Euphoric / Dark / Hopeful / Romantic / Aggressive"

Vocals
نوع اجرای خواننده:
"Male / Female / Duet / Soft / Powerful / Breathier / Raspy"

🎹 Instruments
سازهای اصلی:
"Piano / Acoustic Guitar / Strings / Synth / Electric Guitar / Drums"

Rhythm & Tempo
حس و حرکت آهنگ:
"Slow / Mid-tempo / Fast / Driving / Laid-back"

Dynamics
نحوه رشد انرژی:
"Intimate verses → gradual build → explosive chorus"

Production
نوع صدادهی:
"Warm / Raw / Atmospheric / Wide / Minimal / Polished"

---

حالا دو Prompt رو مقایسه کن

❌ ضعیف:

Sad pop song with piano.

✅ دقیق‌تر:

Dark cinematic pop,
melancholic and intimate,
male emotional vocals,
minor-key piano,
warm analog strings,
deep restrained drums,
slow tempo,
minimal verses with a gradual build,
powerful cathartic chorus,
wide atmospheric production

در نسخه دوم، Suno یک تصویر موسیقایی مشخص‌تر دریافت می‌کنه. ولی یک اشتباه رایج فکر نکن هرچی جزئیات بیشتری بنویسی، خروجی بهتر میشه. مثلاً این:

Pop, rock, jazz, metal, classical, EDM, folk...
ممکنه به جای اینکه خروجی رو دقیق‌تر کنه، هویت موسیقی رو مبهم کنه.

بهتره اول یک هویت اصلی بسازی و بعد جزئیات رو اضافه کنی.

تکنیک حرفه‌ای: A/B Testing یک Prompt پایه بساز:

Emotional cinematic pop,
female vocals,
piano and strings,
mid-tempo,
atmospheric production

حالا فقط یک متغیر رو تغییر بده:

نسخه A:
"female vocals"

نسخه B:
"male vocals"

یا:

A:
"piano and strings"

B:
"piano, strings and acoustic guitar"

اینطوری کم‌کم می‌فهمی چه تغییراتی واقعاً روی خروجی تأثیر می‌ذارن. و یک نکته دیگر اگر می‌خوای چیزی در آهنگ نباشه، می‌تونی از Exclude استفاده کنی؛ مثلاً:

Exclude:
heavy distortion, screaming vocals, trap drums
این قابلیت مخصوصاً وقتی مفیده که Suno مرتباً چیزی وارد خروجی می‌کنه که با ایده‌ات هماهنگ نیست.

@hushmasnuei

آموزش OSINT | قسمت اول

مهارت OSINT اصلاً چیه و چرا باید یادش بگیریم؟ شاید اسم OSINT رو شنیده باشی و فکر کنی مربوط به هک و کارهای عجیب‌وغریبه اما در اصل یعنی  Open Source Intelligence یعنی جمع‌آوری و تحلیل اطلاعاتی که به‌صورت عمومی در دسترس هستند.

مثلاً:

وب‌سایت‌ها
اخبار و مقالات
شبکه‌های اجتماعی عمومی
تصاویر و ویدیوها
اسناد عمومی
نقشه‌ها و تصاویر ماهواره‌ای
دیتابیس‌ها و آرشیوهای عمومی
و خیلی چیزای دیگه

اما قسمت مهم ماجرا فقط «پیدا کردن اطلاعات» نیست. OSINT یعنی سرنخ‌ها رو به هم وصل کنیم فرض کن می‌خوای درباره یک شرکت تحقیق کنی. ممکنه از یک سایت به اسم شرکت برسی. بعد در یک منبع دیگه، تاریخ تأسیسش رو پیدا کنی. در یک صفحه عمومی، مدیرانش رو ببینی. در یک خبر قدیمی، یک پروژه مرتبط با اون شرکت پیدا کنی. و در نهایت با کنار هم گذاشتن این اطلاعات، یک تصویر کامل‌تر از موضوع بسازی.

یعنی:

Search → Collect → Verify → Connect → Analyze

جستجو
↓
جمع‌آوری
↓
راستی‌آزمایی
↓
🔗 ارتباط دادن سرنخ‌ها
↓
تحلیل

فرق Search معمولی با OSINT
مثلاً Search معمولی:

««شرکت X چیست؟»»
اما در یک تحقیق OSINT سؤال‌ها دقیق‌تر میشن:
«شرکت چه زمانی تأسیس شده؟»
«وب‌سایت رسمی آن کدام است؟»
«چه محصولات یا پروژه‌هایی دارد؟»
«چه اطلاعاتی از آن در منابع مستقل وجود دارد؟»
«آیا اطلاعات منابع مختلف با هم مطابقت دارند؟»

یعنی به‌جای اینکه دنبال یک جواب باشیم، دنبال شواهد می‌گردیم.

یک تمرین ساده

برای شروع، یک شرکت یا محصول شناخته‌شده انتخاب کن.
مثلاً یک شرکت تکنولوژی.

بعد این ۵ مورد رو پیدا کن:
وب‌سایت رسمی
تاریخ تأسیس
گمؤسسان یا مدیران اعلام‌شده
چند خبر یا مقاله معتبر درباره شرکت
یک منبع مستقل که اطلاعات شرکت رو تأیید یا تکمیل کنه

بعد اطلاعات رو کنار هم بذار و ببین:

کدوم اطلاعات در چند منبع تکرار شده؟

کدوم اطلاعات فقط از یک منبع اومده؟

آیا بین منابع تناقضی وجود داره؟

اینجاست که کم‌کم طرز فکر OSINT شکل می‌گیره.

یک قانون مهم OSINT یعنی استفاده از اطلاعات عمومی.قرار نیست وارد حساب کسی بشیم، رمز عبور پیدا کنیم، اطلاعات خصوصی افراد رو جمع کنیم یا محدودیت‌های امنیتی رو دور بزنیم. هدف این سری اینه که یاد بگیریم با اطلاعات عمومی، تحقیق دقیق‌تر و حرفه‌ای‌تری انجام بدیم.

@hushmasnuei

آموزش OSINT | قسمت دوم

مثل محقق جستجو کن ، در قسمت قبل فهمیدیم OSINT یعنی جمع‌آوری و تحلیل اطلاعات عمومی.

اما یک مشکل وجود داره وقتی اطلاعات زیادی روی اینترنت وجود داره، چطور دقیقاً چیزی که می‌خوایم رو پیدا کنیم؟

اینجا مهارت جستجو وارد میشه. یک محقق OSINT معمولاً با یک جستجوی ساده شروع نمی‌کنه؛ سؤالش رو به چند Query کوچک‌تر تبدیل می‌کنه.

مثلاً به جای:

Company X

می‌تونی جستجو رو مرحله‌به‌مرحله دقیق‌تر کنی:

"Company X"

بعد:

"Company X" founder

و بعد:

"Company X" founded

یا:

"Company X" "2024"

هر Query یک زاویه جدید برای تحقیق ایجاد می‌کنه.

 چند Operator مهم یکی از ابزارهای ساده ولی قدرتمند:

"site:"
برای محدود کردن نتایج به یک سایت یا دامنه خاص:

site:example.com "Company X"

مثلاً اگر دنبال اطلاعات یک شرکت در سایت خودش باشی، نتایج رو محدود می‌کنی.

---

"filetype:"

برای پیدا کردن فایل‌های خاص:

"Company X" filetype:pdf

یا:

"Company X" filetype:pptx

این روش می‌تونه برای پیدا کردن گزارش‌ها، ارائه‌ها و اسناد عمومی مفید باشه.

---

علامت نقل‌قول "" ""

وقتی دنبال یک عبارت دقیق هستی:

"Company X"

موتور جستجو تلاش می‌کنه همان عبارت را به‌عنوان یک عبارت مشخص پیدا کند.

---

"-"

برای حذف یک کلمه از نتایج:

"Company X" -jobs

یعنی نتایجی که شامل "jobs" هستند تا حد ممکن حذف شوند.

---

اما تکنیک مهم‌تر از Operatorهاست فرض کن دنبال تاریخ تأسیس یک شرکت هستی. فقط یک Query نزن. چند مسیر بساز:

"Company X" founded

"Company X" established

"Company X" "founded in"

"Company X" history

بعد نتایج رو با هم مقایسه کن. اگر سه منبع مستقل یک تاریخ مشابه ارائه کردند، اعتماد ما بیشتر میشه. اگر دو منبع تاریخ متفاوتی گفتند؟ همین‌جا تحقیق واقعی شروع میشه. نباید سریع یکی رو درست فرض کنیم. باید بفهمیم:

منبع اول از کجا این اطلاعات رو گرفته؟
منبع دوم چقدر معتبره؟
آیا هر دو در واقع از یک منبع اولیه کپی کرده‌اند؟
آیا تاریخ مربوط به تأسیس شرکت است یا شروع فعالیت تجاری؟

 قانون طلایی OSINT اولین نتیجه = جواب نهایی نیست. یک نتیجه فقط یک سرنخه. سرنخ رو پیدا کن → منبع اصلی رو باز کن → اطلاعات رو بررسی کن → با منابع دیگر مقایسه کن.

یعنی:

Find

↓

Read

↓

Trace

↓

Verify

تمرین قسمت دوم :

یک شرکت تکنولوژی شناخته‌شده انتخاب کن. حالا بدون اینکه مستقیم سؤال «این شرکت چیه؟» رو سرچ کنی، این Queryها رو امتحان کن:

"Company Name" founded

"Company Name" founder

"Company Name" filetype:pdf

site:company-domain.com "Company Name"

"Company Name" interview

بعد حداقل ۳ منبع متفاوت پیدا کن و اطلاعاتشون رو با هم مقایسه کن.

هدف تمرین این نیست که سریع جواب پیدا کنی.

هدف اینه که یاد بگیری چطور از یک سؤال، مسیر تحقیق بسازی.

@hushmasnuei

آموزش OSINT | قسمت سوم

از یک سایت چطور سرنخ پیدا کنیم؟ تا اینجا فهمیدیم OSINT چیه و چطور باید مثل یک محقق جستجو کنیم. حالا وقتشه بریم سراغ یک مهارت خیلی کاربردی تحقیق درباره یک دامنه و وب‌سایت.

فرض کن فقط اینو داریم  "example.com" همین یک آدرس می‌تونه شروع یک تحقیق کامل باشه.

قدم اول؛ خود سایت رو بگرد
قبل از اینکه سراغ ابزارهای عجیب بریم، خود سایت رو با دقت بررسی کن:

صفحه About
Contact
نام شرکت یا سازمان
اطلاعات تماس عمومی
لینک شبکه‌های اجتماعی
محصولات و خدمات
تاریخ‌ها و اطلاعاتی که داخل صفحات نوشته شده

گاهی مهم‌ترین سرنخ‌ها دقیقاً جلوی چشممون هستن

قدم دوم؛ سایت رو داخل گوگل جستجو کن یکی از ساده‌ترین تکنیک‌ها:

site:example.com
حالا می‌تونی جستجو رو محدودتر کنی:
site:example.com filetype:pdf
یا:
site:example.com about
یا:

site:example.com contact

این کار کمک می‌کنه صفحات و فایل‌های عمومی‌ای که توسط موتور جستجو ایندکس شده‌اند رو راحت‌تر پیدا کنی.

قدم سوم؛ DNS رو بررسی کن
دامنه فقط یک اسم نیست. اطلاعات عمومی DNS می‌تونه سرنخ‌های بیشتری بهت بده. مثلاً:

A → IPv4
AAAA → IPv6
MX → سرورهای ایمیل
NS → Name Server
TXT → رکوردهای متنی عمومی

مثلاً رکوردهای MX می‌تونن نشون بدن ایمیل‌های یک دامنه از چه سرویس یا زیرساختی استفاده می‌کنن.

اینجا فقط داریم اطلاعات عمومی DNS رو بررسی می‌کنیم؛ نه دسترسی به سرور یا سیستم.

قدم چهارم؛ گذشته سایت رو ببین
یکی از جذاب‌ترین بخش‌های OSINT همینجاست. با آرشیوهای وب می‌تونی نسخه‌های قدیمی یک سایت رو ببینی.
مثلاً:

سایت چند سال پیش چه شکلی بوده؟

چه صفحاتی داشته؟

قبلاً چه اطلاعاتی درباره شرکت نوشته شده؟

چه لینک‌هایی روی سایت وجود داشته؟

گاهی یک صفحه که امروز حذف شده، در نسخه قدیمی سایت هنوز قابل مشاهده است.

---

قدم پنجم؛ تکنولوژی سایت رو بشناس می‌تونی بررسی کنی سایت از چه تکنولوژی‌هایی استفاده می‌کنه:

WordPress
Cloudflare
Nginx
Google Analytics
JavaScript Frameworks

ابزارهایی مثل Wappalyzer می‌تونن برای این مرحله مفید باشن.

حالا قسمت جذاب فرض کن این سرنخ‌ها رو پیدا کردی:

دامنه
چند PDF عمومی
اطلاعات عمومی ایمیل
سرویس‌های زیرساختی
نسخه قدیمی سایت
حساب‌های رسمی شبکه‌های اجتماعی

هرکدوم به‌تنهایی شاید چیز خاصی نباشه. ولی وقتی این اطلاعات رو کنار هم می‌ذاری، می‌تونی تصویر خیلی دقیق‌تری از یک وب‌سایت یا سازمان بسازی. و این دقیقاً یکی از مهارت‌های اصلی OSINTـه سرنخ پیدا کن؛ بعد ارتباط بین سرنخ‌ها رو پیدا کن.

@hushmasnuei

آموزش OSINT | قسمت چهارم

از یک عکس چطور سرنخ پیدا کنیم؟  یک عکس معمولی ممکنه در نگاه اول فقط یک عکس باشه... اما برای کسی که OSINT بلده، داخل همون عکس می‌تونه کلی سرنخ وجود داشته باشه.

مثلاً:

مکان
زمان تقریبی
منبع اولیه
نام یک ساختمان یا کسب‌وکار
پلاک یا مدل خودرو
نوشته‌ها و تابلوها
ویژگی‌های محیط
اطلاعات متادیتا

بریم مرحله‌به‌مرحله. اول خود عکس رو دقیق نگاه کن قبل از اینکه عکس رو داخل ابزار بندازی، خودت بررسیش کن.

به این چیزها دقت کن:

تابلوها و نوشته‌ها
علائم خیابان
معماری ساختمان‌ها
خودروها و پلاک‌ها
پوشش گیاهی
کوه‌ها و شکل زمین
وضعیت آب‌وهوا
لوگوها و نام فروشگاه‌ها

گاهی یک نوشته کوچک گوشه تصویر، کل مسیر تحقیق رو مشخص می‌کنه.

- 2. Reverse Image Search
حالا می‌خوایم بفهمیم این تصویر قبلاً کجا منتشر شده؟ از سرویس‌های جستجوی معکوس تصویر استفاده کن. ( همین عبارت گوگل سرچ کنی کلی ابزار براش پیدا می‌کنی Reverse Image Search ) تصویر رو آپلود کن و ببین:

تصاویر مشابه چی هستن؟
کجاهای دیگه منتشر شدن؟
آیا نسخه قدیمی‌تری از عکس وجود داره؟
آیا تصویر اصلی پیدا میشه؟

این مرحله برای پیدا کردن منبع اولیه خیلی مهمه. چون ممکنه یک تصویر بارها در سایت‌ها و شبکه‌های اجتماعی منتشر شده باشه، اما اولین انتشار جای دیگری بوده باشه.

3. عکس رو Crop کن
این یکی خیلی مهمه. فرض کن یک عکس داری که داخلش یک تابلو وجود داره، ولی تابلو خیلی کوچیکه. کل عکس رو جستجو نکن. فقط تابلو رو Crop کن. بعد همون قسمت رو جداگانه بررسی کن. برای:

تابلو
لوگو
خودرو
سند
علامت مکانی

گاهی جستجوی یک جزء کوچک از تصویر نتیجه خیلی بهتری میده. نوشته داخل عکس = سرنخ طلایی اگر داخل تصویر متن وجود داره، اون رو استخراج کن.
مثلاً:

"ABC Street"

حالا می‌تونی جستجو کنی:

"ABC Street"

یا:

"ABC Street" city

یا اگر اسم یک کسب‌وکار رو پیدا کردی:

"Business Name" address

یک کلمه کوچک می‌تونه از یک عکس، مسیر تحقیق کاملی بسازه.

---

5 - حالا نوبت Geolocation فرض کن هیچ GPS یا آدرسی نداری. ولی داخل عکس می‌بینی:

نوع خاصی از کوه‌ها
سبک معماری
نوع تابلوهای خیابانی
پوشش گیاهی
شکل جاده
زبان تابلو

هرکدوم یک سرنخه. مثلاً اگر تابلوها، معماری و نوع جاده با یک کشور خاص مطابقت داشته باشن، می‌تونی محدوده احتمالی رو کوچک‌تر کنی. بعد می‌ری سراغ نقشه‌ها و تصاویر ماهواره‌ای و فرضیه‌ات رو آزمایش می‌کنی. اگر عبارت Geolocation سرچ کنی کلی ابزار برای این کار پیدا می‌کنی

6. هوش مصنوعی  هم می‌تونه کمک کنه می‌تونی عکس رو به یک مدل بینایی مثل چت جی پی تی بدی و بپرسی تمام جزئیات قابل مشاهده در این تصویر را استخراج کن که ممکن است برای تعیین مکان یا زمان عکس مفید باشند.

اما یک قانون مهم  جواب AI = سرنخ، نه حقیقت. اگر AI گفت احتمالاً این عکس در ایتالیاست نباید همون لحظه قبولش کنی. باید دنبال شواهد مستقل بگردی.

روش حرفه‌ای به جای اینکه بگی این عکس کجاست؟ سؤال رو خرد کن :

چه نوشته‌هایی دیده می‌شود؟
چه زبانی استفاده شده؟
چه علائم و نشانه‌های جاده‌ای وجود دارد؟
معماری مربوط به چه منطقه‌ای است؟
چه ویژگی‌های طبیعی دیده می‌شود؟
آیا تصویر قبلاً در اینترنت منتشر شده؟

بعد جواب‌ها رو کنار هم بذار. این یعنی:

Observe → Extract → Search → Verify → Geolocate

مشاهده
↓
استخراج
↓
جستجو
↓
راستی‌آزمایی
↓
تعیین موقعیت

@hushmasnuei

آموزش OSINT | قسمت پنجم

چطور بدون GPS مکان یک عکس رو پیدا کنیم؟  تا اینجا یاد گرفتیم چطور از داخل یک عکس سرنخ پیدا کنیم. حالا بریم سراغ یکی از جذاب‌ترین بخش‌های OSINT یعنی Geolocation  یعنی پیدا کردن مکان یک تصویر، بدون اینکه GPS یا آدرس مستقیمش رو داشته باشیم. اول عکس رو مثل یک محقق نگاه کن قبل از اینکه بری سراغ ابزارها، خود تصویر رو بررسی کن.
به اینا دقت کن:

معماری ساختمان‌ها
تابلوهای خیابانی
شکل جاده و خط‌کشی
خودروها
نوشته‌ها و زبان
پوشش گیاهی
کوه‌ها و شکل زمین
تیرهای برق و چراغ‌ها

گاهی یک جزئیات خیلی کوچک می‌تونه کل مسیر تحقیق رو عوض کنه. تابلوها خیلی مهمن تابلوهای رانندگی فقط نوشته ندارن؛ ظاهرشون هم سرنخه. این موارد توجه کن:

شکل تابلو
رنگ‌بندی
فونت
جهت فلش‌ها
علائم هشدار
شماره جاده

اگر متن تابلو رو هم تونستی بخونی، اون رو جداگانه جستجو کن.

معماری رو دست‌کم نگیر نوع ساختمان‌ها می‌تونه سرنخ خوبی باشه. مثلاً:

پنجره‌ها چه شکلی هستن؟
سقف‌ها چطورن؟
خیابون‌ها چه عرضی دارن؟
ساختمان‌ها به هم چسبیده‌ان یا فاصله دارن؟
نوع نرده‌ها، بالکن‌ها، تیرهای برق و حتی کف‌پوش خیابون هم می‌تونه اطلاعات بده.

حالا فرضیه بساز فرض کن فکر می‌کنی عکس مربوط به یک شهر خاصه. همین‌جا نباید بگی پس حتماً همینه. باید سعی کنی فرضیه‌ات رو رد یا تأیید کنی. مثلاً:

آیا خیابون‌ها با عکس مطابقت دارن؟
آیا ساختمان مشابه وجود داره؟
آیا کوه یا رودخانه‌ای که در عکس دیده میشه از اون نقطه قابل مشاهده‌ست؟
آیا جهت جاده درست درمیاد؟

از نمای ماهواره‌ای استفاده کن وقتی محدوده احتمالی رو پیدا کردی، برو سراغ نقشه و Satellite View. دنبال چیزهای خاص بگرد:

تقاطع عجیب
ساختمان بزرگ
رودخانه
پارک
خط راه‌آهن
کوه
سازه‌های خاص

گاهی شکل یک تقاطع یا ساختمان از بالا مثل اثر انگشت عمل می‌کنه. اینجا AI هم می‌تونه کمک کنه عکس رو به یک مدل Vision مثل چت جی پی تی بده و به‌جای این عکس کجاست؟ بپرس تمام نشانه‌های جغرافیایی قابل مشاهده در این تصویر را استخراج کن و توضیح بده هرکدام چه کمکی به تعیین مکان می‌کنند. بعد خروجی AI رو به‌عنوان سرنخ استفاده کن. نه جواب قطعی. چون AI هم ممکنه اشتباه کنه.

یک تکنیک خیلی مهم برای هر چیزی که پیدا می‌کنی، بنویس سرنخ → فرضیه → مدرک → نتیجه مثلاً:

تابلو → احتمال کشور X
معماری → احتمال کشور X
جاده → احتمال کشور Y
کوه‌ها → احتمال کشور X

حالا می‌فهمی کدوم شواهد با هم سازگارن و کدوم نه.

این یعنی تحقیق واقعی.

@hushmasnuei

آموزش OSINT | قسمت هفتم

چطور درباره یک فرد یا سازمان تحقیق کنیم؟ تا اینجا یاد گرفتیم چطور یک سایت و یک تصویر رو بررسی کنیم و چطور ادعاها رو راستی‌آزمایی کنیم. حالا بریم سراغ یکی از مهم‌ترین بخش‌های OSINT جمع‌کردن اطلاعات عمومی درباره یک فرد، شرکت یا سازمان. اما یک نکته مهم هدف ما پیدا کردن اطلاعات خصوصی نیست؛ فقط چیزهایی که خود فرد یا سازمان، رسانه‌ها یا منابع عمومی منتشر کرده‌اند.


از اسم شروع نکن؛ از هویت درست شروع کن فرض کن اسم یک نفر رو داری Ali Ahmadi مشکل چیه؟ ممکنه صدها نفر همین اسم رو داشته باشن. پس نباید اولین نتیجه‌ای که پیدا کردی رو به فرد موردنظر نسبت بدی. اول باید ببینی چه اطلاعاتی می‌تونه هویت موردنظر رو از بقیه جدا کنه:

کشور یا شهر اعلام‌شده
شرکت یا سازمان
عنوان شغلی عمومی
وب‌سایت رسمی
حساب‌های رسمی
سوابق منتشرشده در رسانه‌ها

هرکدوم یک نقطه تطبیق محسوب میشه.  مرحله اول جستجوی دقیق نام با نام کامل شروع کن:

"Full Name"

بعد جستجو رو محدودتر کن:

"Full Name" company

یا:

"Full Name" founder

یا:

"Full Name" interview

هدف این نیست که یک عالمه نتیجه جمع کنیم. هدف اینه که نتایج مرتبط رو از نتایج مربوط به افراد مشابه جدا کنیم. مرحله دوم یک سرنخ، سرنخ بعدی رو بسازه فرض کن در یک مقاله متوجه شدی فرد موردنظر با یک شرکت همکاری داشته. حالا شرکت تبدیل میشه به سرنخ جدید:

"Full Name" "Company Name"

بعد شاید به یک پروژه برسی.

حالا:

"Full Name" "Project Name"

و همین‌طور ادامه میدی.

یعنی تحقیق به شکل یک زنجیره پیش میره:

Person → Company → Project → Article → Source

این یکی از مهم‌ترین طرز فکرهای OSINTـه. مرحله سوم اطلاعات رو از چند منبع بگیر فرض کن یک سایت نوشته:

فلانی در سال ۲۰۱۹ مؤسس شرکت X بوده.
فعلاً فقط یک ادعا داری.
حالا دنبال منابع مستقل بگرد:
رسانه معتبر
وب‌سایت رسمی شرکت
گزارش یا سند عمومی
مصاحبه
منابع رسمی

اگر چند منبع مستقل یک موضوع رو تأیید کنن، اطمینان بیشتر میشه. اما حواست باشه ۱۰ سایت که یک خبر رو از یک منبع کپی کرده‌اند = لزوماً ۱۰ منبع مستقل نیستند. حالا یک Graph بساز یکی از روش‌های جذاب برای تحقیقات OSINT اینه که اطلاعات رو به شکل شبکه ببینی.

مثلاً:

Person
         /      \
        /        \
   Company      Project
      |             |
    Website       Article
        \           /
          Source

هر Node یک موجودیت یا سرنخه. هر Connection یک ارتباط قابل بررسیه. وقتی این شبکه بزرگ‌تر میشه، ارتباط‌هایی که در جستجوی معمولی دیده نمی‌شن، راحت‌تر مشخص میشن.

هوش مصنوعی اینجا خیلی کاربردیه وقتی تعداد منابع زیاد شد، می‌تونی متن‌ها رو به AI بدی و بگی نام افراد، سازمان‌ها، پروژه‌ها، تاریخ‌ها و ارتباطات ذکرشده در این منابع را استخراج کن و برای هر مورد، منبع مربوطه را مشخص کن. یا بین این منابع چه اطلاعات مشترک و چه تناقض‌هایی وجود دارد؟ AI می‌تونه در استخراج و مرتب‌سازی خیلی کمک کنه. اما باز هم AI نباید خودش منبع محسوب بشه. اطلاعات مهم رو همیشه به منبع اصلی برگردون.

مراقب Confirmation Bias باش

یکی از خطرناک‌ترین اشتباهات در OSINT اینه که فقط دنبال چیزهایی بگردیم که حدس اولیه‌مون رو تأیید می‌کنن.
مثلاً:
فکر می‌کنم این همون شخصه.
بعد فقط دنبال شواهد موافق بگردیم.

روش بهتر:
فرضیه → شواهد موافق → شواهد مخالف → مقایسه → نتیجه

گاهی پیدا کردن یک مدرک مخالف، ارزش بیشتری از ده نتیجه موافق داره.


@hushmasnuei

در آخر هم کلی چیز درباره اوسینت بهتون گفتم که با خواندنش شاید یک چیزایی یاد بگیرین و علاقمند بشین به این موضوع کلا چیز جالبیه اوسینت در کل شما دنبال یک سری اطلاعات پابلیک میگردید که وجود دارن ولی جلو چشم نیست و هر کسی نمیتونه پیدا کنه شاید هم بگین کاربردی نداره این مطالب ولی خب من خودم یک مدت خیلی پیگیر یک نفر بودم و فقط ازش یک اسم و فامیل داشتم از روی اسم و فامیلش به موسسات آموزشی که ثبت نام کرده بود رسیدم و از اونجا به دانشگاه و رشته ای توش درس میخوند رسیدم و از طریق اطلاعاتی دانشگاه میداد به اطلاعات دیگه و محل کارش خیلی آدم مهمی بود برام ولی بخاطر اتفاقاتی افتاده بود هیچ اطلاعاتی از هم نداشتیم و وقتی دوباره باهم صحبت کردیم خیلی خوشحال شد

+ در کل چند وقتیه شروع کردم هر روز یک مهارت رو تو چند تا پست یاد میدم فکر کنم متوجهش شده باشین و خوشتون اومده باشه

@hushmasnuei

وقت و پولت رو هدر نده؛ هر هوش مصنوعی ویدیوساز تخصص خودش را
و داره و برای نتیجه بهتر باید ابزار درست رو انتخاب کنی.

بهترین هوش‌های مصنوعی ویدیو‌ساز و کاربرد آن‌ها:
Grok:

مناسب برای ساخت ویدیو با چهره افراد مشهور و سلبریتی‌ها بدون گیر دادن و محدودیت.

Veo3:

بهترین انتخاب برای خلق ویدیوهایی با نور، صدا، حرکات و دیالوگ‌های کاملاً واقعی.

Omni:

درک فوق‌العاده از جزئیات، مخصوص زمانی که پرامپت (دستور) طولانی و پیچیده‌ای برای تولید ویدیو داری.

Kling Motion:

تبدیل سریع عکس‌های معمولی به ویدیوهای متحرک و جذاب.

Kling 2.5 Turbo:

سرعت پردازش بالا و حفظ دقیق جزئیات محصول (مناسب برای ویدیوهای محصول‌محور که نباید ظاهر سوژه تغییر کند).

Runway:

گزینه‌ای بی‌نظیر و حرفه‌ای برای ساخت تیزرهای تبلیغاتی.

Seedance:

متخصص ساخت ویدیوهای سینمایی و حفظ بی‌نقص جزئیات؛ در حال حاضر یکی از کامل‌ترین و قدرتمندترین ابزارهای موجود است.

مهندسی معکوس Prompt | قسمت اول

چطور از روی یک خروجی، Prompt پشتش رو حدس بزنیم؟  تا حالا یک خروجی فوق‌العاده از ChatGPT، Midjourney، Nano Banana یا هر مدل دیگه‌ای دیدی و با خودت گفتی پرامپتش چی بوده که همچین چیزی ساخته؟ اینجا دقیقاً وارد دنیای Prompt Reverse Engineering می‌شیم.

اما یک نکته مهم قرار نیست Prompt اصلی رو با جادو پیدا کنیم ما از روی خروجی، ویژگی‌های مهمی که احتمالاً در Prompt وجود داشته رو شناسایی می‌کنیم و بعد یک Prompt جدید می‌سازیم که بتونه نتیجه‌ای مشابه ایجاد کنه.

قدم اول: خروجی رو تکه‌تکه کن
بزرگ‌ترین اشتباه اینه که یک تصویر یا متن رو یک‌جا نگاه کنیم و بگیم خب، پرامپتش رو بنویس اول باید خروجی رو به اجزای مختلف تقسیم کنیم.
مثلاً برای یک تصویر:

Subject
سوژه اصلی چیه؟

Environment
کجا قرار داره؟

Style
چه سبک بصری‌ای داره؟

Lighting
نور از کجاست و چه حالتی داره؟

Composition
سوژه کجای کادره؟

Camera
زاویه دوربین، فاصله، عمق میدان و نوع لنز چطوره؟

Color
رنگ‌ها گرم هستن یا سرد؟ کنتراست چطوره؟

Atmosphere
فضا چه حسی داره؟

یک مثال ساده فرض کن این تصویر رو داریم یک زن با لباس مشکی، کنار پنجره یک اتاق تاریک ایستاده؛ نور گرم غروب از پنجره وارد شده و بخش کوچکی از صورتش رو روشن کرده. به‌جای اینکه مستقیم بنویسیم پرامپت این عکس رو بنویس. اول مشاهداتمون رو استخراج می‌کنیم:

Subject:
Woman wearing black dress

Environment:
Dark minimalist interior, large window

Lighting:
Warm sunset light, side lighting

Composition:
Subject positioned near the window, cinematic framing

Mood:
Melancholic, intimate, contemplative

Style:
Cinematic realistic photography

حالا این اطلاعات رو تبدیل می‌کنیم به یک Prompt:

Cinematic realistic portrait of a woman wearing a black dress, standing beside a large window in a dark minimalist interior, warm sunset light entering from the side and illuminating part of her face, intimate composition, shallow depth of field, soft shadows, muted colors, melancholic and contemplative atmosphere, natural skin texture, high dynamic range

این یعنی Reverse Engineering. ما از:

Output → Observation → Components → Prompt

رسیدیم. اما یک نکته خیلی مهم هر چیزی که در خروجی می‌بینی الزاماً داخل Prompt نبوده. مثلاً اگر تصویر سینمایی شده، ممکنه Prompt شامل کلمه "cinematic" بوده باشه... اما ممکنه اصلاً این کلمه وجود نداشته باشه و مدل خودش از ترکیب بقیه دستورها به این نتیجه رسیده باشه. پس همیشه بین این دو تفاوت بذار:

What we see ≠ What was written

چیزی که می‌بینیم Evidence هست، نه لزوماً متن اصلی Prompt.

وقتی یک خروجی خوب دیدی، قبل از نوشتن Prompt از خودت این ۷ سؤال رو بپرس:

چی می‌بینم؟
سوژه اصلی چیه؟
چه محیطی داره؟
چه سبک و حسی داره؟
نور چطوره؟
ترکیب‌بندی چطوره؟
چه جزئیاتی باعث شده این خروجی خاص بشه؟
بعد جواب‌ها رو تبدیل کن به Prompt.

@hushmasnuei

مهندسی معکوس Prompt | قسمت دوم

از روی یک متن حرفه‌ای، Prompt پشتش رو پیدا کنیم در قسمت قبل یاد گرفتیم چطور از روی یک خروجی تصویری، اجزای احتمالی Prompt رو استخراج کنیم. حالا همین تکنیک رو برای متن هم استفاده می‌کنیم. فرض کن یک متن حرفه‌ای می‌بینی و با خودت می‌گی چطور AI تونسته همچین متنی بنویسه؟ به‌جای اینکه فقط بگی پرامپتش رو بده، اول باید متن رو کالبدشکافی کنیم.

قدم اول: لحن متن رو پیدا کن ببین متن چه شخصیتی داره:

رسمی یا خودمانی؟
تخصصی یا ساده؟
هیجانی یا خنثی؟
دوستانه یا جدی؟
تبلیغاتی یا آموزشی؟

مثلاً اگر متن روان، خودمانی و کوتاهه، احتمالاً Prompt چیزی شبیه این بوده:

Use a friendly and conversational tone.
Keep the language simple and easy to understand.
Avoid overly formal wording.

قدم دوم: ساختار رو پیدا کن به خود محتوا نگاه نکن؛ به ساختارش نگاه ک مثلاً:

Hook → توضیح → مثال → نکته مهم → CTA

پس احتمالاً Prompt هم ساختار خروجی رو مشخص کرده:

Structure the response as:
1. A strong opening hook
2. A short explanation
3. A practical example
4. One important takeaway
5. A short call to action

دو Prompt ممکنه درباره یک موضوع باشن، اما به خاطر تفاوت در ساختار خروجی کاملاً متفاوتی بدن.

قدم سوم: هدف متن رو پیدا کن از خودت بپرس این متن دقیقاً می‌خواد چه کاری انجام بده؟

آموزش بده
بفروشه
اطلاع‌رسانی کنه
سرگرم کنه
متقاعد کنه

مثلاً اگر متن آموزشی و مناسب تلگرامه:

Write an educational post designed for Telegram.
Make it useful, concise and engaging.

قدم چهارم: Context رو پیدا کن گاهی کیفیت متن فقط به دستور اصلی مربوط نیست؛ Context هم نقش بزرگی داره. مثلاً AI ممکنه بدونه مخاطب افراد مبتدی هستند. یا این متن برای کانال تلگرام نوشته می‌شود. پس باید از خودمون بپرسیم چه اطلاعاتی احتمالاً قبل از دستور اصلی در اختیار مدل بوده؟

قدم پنجم: محدودیت‌ها رو پیدا کن متن خوب معمولاً فقط نمیگه چه چیزی بنویس؛ بلکه مشخص می‌کنه چه چیزی ننویس. مثلاً:

کلمات پیچیده استفاده نکن
مقدمه طولانی ننویس
اطلاعات ساختگی اضافه نکن
بیش از حد رسمی نباش

ممکنه Prompt شامل چنین محدودیت‌هایی بوده باشه:

Avoid:
- overly formal language
- unnecessary explanations
- generic introductions
- unsupported claims

 حالا همه‌چیز رو کنار هم بذاریم فرض کن متن این ویژگی‌ها رو داره:

لحن: خودمانی
مخاطب: مبتدی
هدف: آموزش
ساختار: Hook → Explanation → Example → Tip
فرمت: مناسب تلگرام
محدودیت: کوتاه و بدون لحن کتابی

حالا یک Prompt احتمالی:

Write a practical educational post for Telegram.

Audience:
Beginners with little technical knowledge.

Tone:
Friendly, conversational and easy to understand.
Avoid overly formal or academic language.

Structure:
1. Start with a strong hook.
2. Explain the concept simply.
3. Give a practical example.
4. End with one useful takeaway.

Style:
Short paragraphs, clear formatting and natural Persian.

Avoid:
Generic introductions, unnecessary details and overly complex terminology.

دقت کن ما ادعا نمی‌کنیم این Prompt اصلی بوده. ما یک Prompt می‌سازیم که بتواند ویژگی‌های مشاهده‌شده در خروجی را بازسازی کند. تکنیک حرفه‌ای:

Output → Hypothesis → Test

خروجی رو تحلیل کن

↓

ویژگی‌های احتمالی Prompt رو حدس بزن

↓

پرامپت بازسازی‌شده رو بنویس

↓

دوباره خروجی بگیر

↓

با متن اصلی مقایسه کن

↓

پرامپت رو اصلاح کن

یعنی:

Observe → Hypothesize → Generate → Compare → Refine

@hushmasnuei

مهندسی معکوس Prompt | قسمت سوم

چطور Prompt یک ویدیو رو از روی خروجی حدس بزنیم؟ در قسمت‌های قبل یاد گرفتیم چطور از روی تصویر و متن، ساختار احتمالی Prompt رو پیدا کنیم. حالا بریم سراغ ویدیو؛ جایی که قضیه کمی سخت‌تر میشه، چون فقط ظاهر خروجی مهم نیست، بلکه باید بفهمیم:
دوربین چطور حرکت می‌کنه؟
سوژه چطور حرکت می‌کنه؟
نور چه تغییری می‌کنه؟
محیط چه حرکتی داره؟
ریتم و سرعت حرکت چطوره؟
 قدم اول: فریم اول رو بررسی کن اول ویدیو رو مثل یک تصویر تحلیل کن.
Subject
Environment
Style
Lighting
Composition
Camera
مثلاً:
یک مرد روی پشت‌بام ایستاده، شهر در پس‌زمینه است و نور غروب روی صورتش افتاده. تا اینجا تقریباً مثل مهندسی معکوس تصویر داریم. اما حالا بخش مهم شروع میشه...

قدم دوم: حرکت دوربین رو پیدا کن
دوربین چه حرکتی داره؟
مثلاً:
Slow Push-in
دوربین آرام به سوژه نزدیک میشه.
Pull-out
دوربین از سوژه فاصله می‌گیره.
Pan
دوربین به چپ یا راست می‌چرخه.
Tilt
دوربین به بالا یا پایین حرکت می‌کنه.
Orbit
دوربین دور سوژه حرکت می‌کنه.
Tracking
دوربین همراه سوژه حرکت می‌کنه.

این اطلاعات باید وارد Prompt بشن.
 قدم سوم: حرکت سوژه رو تحلیل کن
فقط نگیم:
"A man walking"
ببین دقیقاً چطور راه میره.
مثلاً:
A man slowly walking toward the camera,
his coat moving gently in the wind
یا:
A woman turns her head slowly
while her hair moves naturally in the breeze
هرچه حرکت رو دقیق‌تر توصیف کنیم، احتمالاً کنترل بیشتری روی نتیجه داریم.
قدم چهارم: حرکت‌های کوچک رو فراموش نکن
گاهی چیزی که ویدیو رو واقعی می‌کنه، حرکت اصلی نیست.
بلکه همین جزئیاته:
حرکت برگ‌ها
حرکت مو و لباس
موج آب
حرکت ماشین‌ها در پس‌زمینه
تغییر نور
حرکت ابرها
قطرات باران
پس هنگام تحلیل ویدیو از خودت بپرس:
چه چیزهایی در تصویر باید حرکت کنند؟

قدم پنجم: زمان‌بندی حرکت
حالا ببین حرکت‌ها چه زمانی اتفاق می‌افتن.
مثلاً:
"0–2s" → دوربین ثابت
"2–4s" → شروع حرکت دوربین
"4–6s" → نزدیک شدن به سوژه
"6–8s" → سوژه سرش رو برمی‌گردونه

این اطلاعات کمک می‌کنه Prompt دقیق‌تری بسازیم.
 حالا Prompt رو بازسازی کنیم
فرض کن ویدیو این ویژگی‌ها رو داره:
Subject: مرد روی پشت‌بام
Environment: شهر در غروب
Camera: Slow push-in
Subject Motion: Turning toward camera
Environment Motion: Wind moving coat and hair
Lighting: Warm sunset
Style: Cinematic realistic

حالا:

Cinematic realistic video of a man standing on a rooftop overlooking a city at sunset. Warm golden-hour lighting, subtle wind moving his coat and hair. The camera slowly pushes in toward him as he gradually turns and looks toward the camera. Natural realistic motion, subtle environmental movement, shallow depth of field, atmospheric cinematic look, smooth continuous camera movement.

این Prompt اصلی ویدیو نیست؛ فقط یک Prompt احتمالیه که از روی خروجی بازسازی کردیم
فرمول ساده Reverse Engineering ویدیو
برای هر ویدیو این موارد رو استخراج کن:
Subject + Environment + Camera+Motion + Subject Motion + Environmental Motion + Lighting + Style + Timing
بعد

Video → Observe → Decompose → Hypothesize → Prompt → Generate → Compare → Refine

تبدیل PDF انگلیسی به فارسی با هوش مصنوعی

با این پرامپت می‌تونی PDF انگلیسی رو به ChatGPT یا Gemini بدی و علاوه بر ترجمه، ظاهر و طراحی فایل رو هم کاملاً شخصی‌سازی کنی.

پرامپت:

فایل PDF آپلودشده را مرجع اصلی پروژه در نظر بگیر.

ابتدا تمام صفحات PDF را بررسی و ساختار متن‌ها، تصاویر، نمودارها، جداول، تیترها و المان‌های گرافیکی آن را تحلیل کن.

سپس تمام متن‌های انگلیسی را به فارسی روان، دقیق و حرفه‌ای ترجمه کن و کل فایل را با حفظ محتوای اصلی، بر اساس تنظیمات زیر بازطراحی کن.

🎨 پالت رنگی:
[رنگ ۱]
[رنگ ۲]
[رنگ ۳]
[رنگ ۴]

از رنگ‌های واردشده به‌عنوان پالت اصلی PDF استفاده کن.

🖼 تصاویر / Referenceها:
تصویر یا آیدی ۱: [........]
تصویر یا آیدی ۲: [........]
تصویر یا آیدی ۳: [........]

از تصاویر و Referenceهای مشخص‌شده متناسب با محتوای صفحات استفاده کن.

✨ المان‌های گرافیکی:
المان ۱: [........]
المان ۲: [........]
المان ۳: [........]
المان ۴: [........]
المان ۵: [........]

المان‌ها را به‌صورت هماهنگ و حرفه‌ای در صفحات استفاده کن.

🇮🇷 قوانین ترجمه و طراحی:

تمام متن‌ها را به فارسی حرفه‌ای و مفهومی ترجمه کن.

قبل از طراحی، متن فارسی را از نظر غلط املایی، نیم‌فاصله، علائم نگارشی و خوانایی بررسی کن.

تمام متن‌های فارسی باید:
• کاملاً راست‌چین باشند.
• به‌صورت صحیح RTL نمایش داده شوند.
• تایپوگرافی و فاصله‌گذاری استاندارد داشته باشند.
• بدون غلط املایی باشند.
• بریده یا روی هم قرار نگیرند.

محتوا، اطلاعات، اعداد، آمار و ساختار منطقی PDF را حفظ کن؛ اما Layout، رنگ‌ها، تصاویر و المان‌ها را متناسب با تنظیمات شخصی‌سازی بازطراحی کن.

⚠️ خروجی نباید صرفاً ترجمه PDF اصلی باشد؛ بلکه باید یک نسخه فارسی، حرفه‌ای و کاملاً شخصی‌سازی‌شده با همان محتوای اصلی باشد.

🔥 فقط PDF را آپلود کن، تنظیمات دلخواهت را جایگزین کن و پرامپت را اجرا کن.

@hushmasnuei

یه بار فیلم بگیر، همزمان برای ریلز و یوتیوب آماده‌ش کن اپلیکیشن DualCam کمک می‌کنه دیگه مجبور نباشی ویدیو رو دوبار، افقی و عمودی ضبط کنی. وقتی باهاش فیلم برداری می‌کنی دوتا فیلم ضبط می‌کنه یکی افقی و یکی عمودی کاملاً رایگانه و پرداخت درون‌برنامه‌ای هم نداره فقط موقع نصب، دسترسی به گالری رو فعال کن تا ویدیوها ذخیره بشن.

اسم اپ: DualCam

فلش بوتیبل چیه و چطوری بسازیم؟ | آموزش کامل با Rufus

اگه تا حالا خواستی ویندوز نصب کنی، احتمالاً اسم فلش بوتیبل به گوشت خورده.

فلش بوتیبل یعنی چی؟

به زبان ساده، فلش بوتیبل یک فلش USB هست که فایل‌های لازم برای بوت شدن کامپیوتر و اجرای نصب ویندوز داخلش قرار گرفته. یعنی می‌تونی فلش رو به کامپیوتر وصل کنی، سیستم رو از روی USB بالا بیاری و ویندوز رو نصب کنی؛ حتی اگر ویندوز فعلی سیستم مشکل داشته باشه یا اصلاً نصب نباشه.

چی لازم داریم؟

یک فلش حداقل 8GB
فایل ISO ویندوز 10 یا 11
ابزار رایگان Rufus از کجا دانلود کنیم؟ وارد سایت رسمی Rufus شو و آخرین نسخه رو دانلود کن. Rufus معمولاً نیازی به نصب نداره؛ فایل دانلودشده رو اجرا می‌کنی و مستقیم باز میشه.

فلش رو به کامپیوتر وصل کن و Rufus رو اجرا کن. در قسمت Device، فلش خودت رو انتخاب کن.
خیلی مهم:

در ادامه فلش فرمت میشه و تمام اطلاعاتش پاک خواهد شد. قبل از شروع، فایل‌های مهمت رو منتقل کن.

فایل ISO ویندوز رو انتخاب کن در بخش Boot selection، گزینه "Disk or ISO image" رو انتخاب کن. بعد روی SELECT بزن و فایل ISO ویندوز رو انتخاب کن.

تنظیمات بوت
برای اکثر سیستم‌های جدید

Partition scheme: "GPT"
Target system: "UEFI"

بقیه گزینه‌ها رو معمولاً می‌تونی روی حالت پیش‌فرض بذاری. اگر کامپیوتر خیلی قدیمی و دارای Legacy BIOS هست، ممکنه MBR گزینه مناسب‌تری باشه.

ساخت فلش بوتیبل

روی START بزن. اگر Rufus پنجره‌ای برای تنظیمات اضافی نمایش داد، گزینه‌های موردنظرت رو انتخاب کن و تأیید کن. Rufus شروع می‌کنه به فرمت کردن فلش و کپی کردن فایل‌های لازم.  صبر کن تا نوار پیشرفت کامل بشه و وضعیت READY نمایش داده بشه.

حالا فلش شما بوتیبل شده


@hushmasnuei

حالا که فلش بوتیبل ساختی اگر یک روز خواستی باهاش ویندوز رو بالا بیاری یا نصب کنی اینم آموزشش :

بوت کردن و شروع نصب

سیستم را Restart کن و از طریق Boot Menu (کلید ورود بسته به مادربرد متفاوته)، فلش را انتخاب کن.
در پنجره Windows Setup، زبان (Language) و زمان (Time) را تنظیم کن و روی Next و سپس Install now کلیک کن.

انتخاب نسخه و نوع نصب

نسخه مورد نظرت را انتخاب کن. دقت کن تغییر نسخه بعداً دردسرساز است.
برای یک نصب تمیز، گزینه Custom: Install Windows only (advanced) را انتخاب کن. این گزینه همه اطلاعات درایو انتخابی را پاک می‌کند.

پارتیشن‌بندی و کپی فایل‌ها

درایوی که فضای کافی دارد (درایو Primary) را برای نصب انتخاب کن.
اگر درایو جدید است ابتدا روی New بزنید تا پارتیشن ساخته شود. برای پاک کردن اطلاعات قبلی یک درایو، از گزینه Format استفاده کن.
روی Next کلیک کن و منتظر بمان تا فایل‌ها نصب شوند. در این مرحله سیستم چند بار ری‌استارت می‌شود؛ تا زمان راه‌اندازی مجدد، هیچ‌کاری انجام ندهید و سیستم را خاموش نکنید.

تنظیمات اولیه ویندوز

بعد از بالا آمدن محیط ویندوز، کشور (Iran) و کیبورد (Persian) را انتخاب کن.
به اینترنت متصل شو و یک حساب کاربری بساز.

کارهای ضروری بعد از ورود به ویندوز

بروزرسانی ویندوز: حتماً Windows Update را اجرا کن تا تمام بروزرسانی‌ها نصب شوند.
نصب درایورها: آخرین نسخه درایور کارت گرافیک (NVIDIA / AMD / Intel) و درایورهای چیپست و مادربرد را نصب کن.
بررسی تنظیمات نمایشگر: رفرش‌ریت (Refresh Rate) را روی مقدار مناسب مانیتورت (مثلاً 144Hz) تنظیم کن.

تبریک ویندوز شما با موفقیت نصب و آماده استفاده است.
@HUSHMASNUEI

یه تنظیم توی ویندوز هست که احتمالاً تا حالا ندیدیش و واقعاً میتونه سرعت کار با پنجره ها رو ببره بالا. توی Control Panel برو به Ease of Access و بعد گزینه Change how your mouse works رو باز کن. اون پایین یه گزینه هست به اسم Activate a window by hovering over it with the mouse. فعالش کن و Apply بزن.

حالا اتفاقی که میوفته اینه که دیگه لازم نیست برای آوردن یه پنجره به حالت فعال روش کلیک کنی. کافیه موس رو ببری روش و همون لحظه پنجره فعال میشه. این یعنی موقع کار با چند پنجره کنار هم، دیگه مجبور نیستی مدام بین پنجره ها کلیک بزنی؛ فقط موس رو حرکت میدی و مستقیم تایپ میکنی یا اسکرول میکنی.

نکته مهم اینه که این قابلیت مخصوص ویندوزهای ۱۰ و ۱۱ هست و توی تنظیمات جدید Settings هم پیدا میشه. اگه از اون دسته آدمایی هستی که همزمان با ده تا پنجره باز کار میکنی، این تنظیم بهتنهایی کلی از کلیک های اضافه رو حذف میکنه.

سیستمهای تبدیل متن به گفتار معمولاً به سرورهای قدرتمند و پردازش ابری نیاز دارن، ولی پروژه جدیدی به اسم TinyTTS داره این قضیه رو عوض میکنه. این مدل انقدر کوچیک و بهینه طراحی شده که میتونه روی سخت افزارهای معمولی مثل گوشی یا گجتهای کوچیک اجرا بشه، بدون اینکه یه سرور غولپیکر پشتش باشه.

ابزار TinyTTS بدون نیاز به کارت گرافیک، صدای روان و طبیعی رو بهصورت لحظه ای تولید میکنه و همین موضوع باعث شده توی گیتهاب توجه زیادی جلب کنه.

کدش کاملاً در دسترسه و میتونی از این مسیر ببینیش:


لینک سایت

ساخت Agent هوش مصنوعی بدون کدنویسی

تا حالا دوست داشتی یه دستیار هوشمند بسازی که خودش اطلاعات رو بررسی کنه، تصمیم بگیره و کار انجام بده، ولی کدنویسی بلد نبودی؟ Flowise دقیقاً برای همین ساخته شده

با یک محیط گرافیکی و قابلیت Drag & Drop می‌تونی مثل چیدن قطعات لگو، نودهای مختلف رو به هم وصل کنی و Agent خودت رو بسازی.

مثلاً:

ربات پاسخ‌گوی مشتریان
دستیار هوشمند برای سایت
دسته‌بندی و پردازش ایمیل‌ها
چت‌بات متصل به فایل‌ها و دیتابیس
ساخت Workflowهای هوشمند با مدل‌های مختلف AI

برای شروع هم می‌تونی Flowise رو روی سیستم خودت نصب کنی و نیازی به خرید خود نرم‌افزار نداری؛ چون متن‌باز و رایگانه. حتی با Docker هم قابل اجراست و اگر نخواهی خودت میزبانی کنی، نسخه ابری هم در دسترسه.

اگر می‌خوای وارد دنیای AI Agentها بشی، Flowise یکی از گزینه‌های جذابه که ارزش امتحان کردن داره.

سایت رسمی

چرا توکن خروجی بعضی مدل‌های هوش مصنوعی گرون‌تره؟

حتماً دیدی که مثلاً قیمت API یه مدل اینطوریه:

Input: $5
Output: $15

اما چرا خروجی گرون‌تره؟

وقتی پرامپتت وارد مدل میشه، مدل اون رو پردازش می‌کنه و اطلاعات لازم رو در KV Cache نگه می‌داره تا مجبور نباشه همه‌چیز رو دوباره از صفر محاسبه کنه. اما موقع تولید جواب، مدل باید خروجی رو توکن‌به‌توکن و به‌صورت ترتیبی بسازه؛ هر توکن جدید به توکن‌های قبلی وابسته‌ست و این یعنی محاسبات و زمان بیشتری.

البته قیمت بالاتر خروجی فقط به KV Cache مربوط نیست و به معماری مدل، سخت‌افزار و سیاست قیمت‌گذاری سرویس هم بستگی داره.

پس اگر می‌خوای هزینه API رو کم کنی:

پرامپت های اضافی رو حذف کن
Context غیرضروری رو کوتاه کن
خروجی مدل رو کنترل کن

گاهی چند خط کمتر در پرامپت، می‌تونه روی هزینه نهایی تأثیر بذاره.
@hushmasnuei

چطور لوکیشن اکانت گوگل رو تغییر بدیم؟ (برای رفع برخی محدودیت‌های منطقه‌ای و استفاده از همه سرویس های گوگل بدون مشکل )

مراحل گام‌به‌گام:
ابتدا VPN خود را روی یک کشور ثابت (مثلاً آلمان) قرار دهید و مطمئن شوید IP شما مربوط به همان کشور است.  وارد فرم درخواست تغییر کشور گوگل در این صفحه شوید و با همان اکانتی که قصد تغییر آن را دارید وارد شوید.

در بخش Select a country کشور موردنظر خود را انتخاب کنید. در بخش دلیل درخواست، گزینه‌های I travel often و Other reason را انتخاب کنید.
متن زیر را در بخش Other reason قرار دهید:

I travel often. I am now in Germany and you can check my current IP address.

(در صورت انتخاب کشور دیگر، نام Germany را تغییر دهید.) ارسال درخواست پس از تکمیل فرم، تیک تأیید نهایی را بزنید و روی Submit کلیک کنید.

نکات مهم:

گوگل ممکن است سابقه استفاده شما از IP کشور مقصد را بررسی کند. اگر به‌تازگی VPN را فعال کرده باشید، احتمال دارد درخواست شما پذیرفته نشود. تغییر کشور حساب گوگل معمولاً دارای محدودیت زمانی است؛ بنابراین در انتخاب کشور دقت کنید. تأیید یا رد درخواست کاملاً به بررسی گوگل و شرایط حساب شما بستگی دارد و برای همه کاربران تضمین‌شده نیست.

@hushmasnuei