🗣️ هوش مصنوعی پرسش و پاسخ صوتی فارسی!

پروژه Persian Question Answering Voice2Voice AI یه سیستم سبکه که به صورت صوتی با کاربر تعامل داره! یعنی شما سوالتون رو میپرسید و هوش مصنوعی به زبان فارسی جواب میده - هم به صورت صوتی و هم متنی.

🗣 مکالمه صوتی دوطرفه کاملاً به زبان فارسی

🌐 استفاده لوکال و افلاین

🌱 مدل آموزشی اختصاصی برای پردازش زبان طبیعی

💻 جمع‌آوری داده‌ها و آموزش

✍️ قابل گسترش برای ادیتور های عزیز

📱 https://github.com/M-Taghizadeh/Persian_Question_Answering_Voice2Voice_AI

@Sourrce_kade - #mr05

👨‍💻 قبلا یه وب سرویس داشتم برای ربات روی سرور ایران با تعطیل شدن چنل اونم بسته شد الان یه نمونه دیگه برای استفاده می‌زارم. وب سرویس من با کانفیگ شخصی پیاده کرده بود اون دیگه نمیشه آورد براتون.


- https://api.telegram.org/botTOKEN/sendMessage?chat_id=654321&text=Hello

اما چون تلگرام فلیتره
🛡 بدون VPN انجام نمیشه

🇮🇷 یا مثلا توی سرور/هاست ایرانی
برقراری ارتباط ممکن نیست

کافیه بجای

- api.telegram.org

بنویسی

- tunne1.nude9.workers.dev

➕ بصورت پل واسطه عمل میکنه و براحتی میتونید با ربات خودتون ارتباط داشته باشید

- https://tunne1.nude9.workers.dev/botTOKEN/sendMessage?chat_id=654321&text=Hello


میتونید خودتون هم بسازید

export default{
  fetch:async req=>{
    let url=new URL(req.url);
    if(url.pathname.startsWith("/bot")){
      if(["POST","GET"].includes(req.method)){
        url.hostname="api.telegram.org";
        url.protocol="https";
        const res=await fetch(new Request(url,req));
        let txt="";try{txt=await res.text();}catch{}
        return new Response(txt,{status:res?.status??201});
      }return new Response("405",{status:405});
    }return new Response("404",{status:404});
  }
};

ارسالی از نادر

@Sourrce_kade - #mr05

سورس ربات هوش مصنوعی | ربات هوشمند | chatgpt | AI
➖➖➖➖
✅ تست شده
➖➖➖➖
✅ بدون باگ
➖➖➖➖
✅ دارای پنل مدیریت نسبتا نرمال
➖➖➖➖
🧑‍💻 توضیحات : این سورس دارای چهار وب سرویس رایگان chatgpt 4 هست! هر کدوم که در آینده خراب شد، میتونین چنجش کنید.
➖➖➖➖
💻 نویسنده : @Akbari96
➖➖➖➖
⭐️ چنل مارو با پخش سورس ها و حمایت به دوستان خود معرفی کنید.
➖➖➖➖
! { @Sourrce_kade } !

پست بعدی؟

200 آتیشه کنید بریم براش... 🔥

کیلن | Kiln | Prototyping

📱 یک ابزار متن‑باز و دسکتاپ ( برای ویندوز، مک و لینوکس ) است که فرایندهای fine‑tuning، تولید داده‌ی سنتتیک، ارزیابی مدل‌ها و مدیریت دیتاست را به روشی کاملاً آسان و بدون نیاز به کدنویسی فراهم می‌کند

⭐ ویژگی‌ها :

رابط گرافیکی ساده : نصب آسان و استفاده بدون کانفیگ پیچیده

فاین‌تیون بدون کد: پشتیبانی از Llama، GPT‑4o، Mixtral و… با استقرار سرورلس

تولید داده سنتتیک: ابزار تصویری تعاملی برای تولید خودکار داده‌های آموزشی

ارزیابی مدل‌ها (Evals): بررسی کیفیت مدل با روش‌های به‌روز بدون نیاز به برنامه‌نویسی

پشتیبانی گسترده از APIها: OpenAI، Ollama، OpenRouter، Fireworks، AWS و مدل‌های دیگر


⚡ نمونه :

#pip install kiln_ai

from kiln_ai.datamodel import Project, Task, TaskRun, TaskOutput, DataSource, TaskOutputRating

project = Project.load_from_file("D:/mr05/proj/open/project.kiln")

task = Task(name="Joke Generator", instruction="Tell a joke about the given topic")

run = TaskRun(
  parent=task,
  input='{"topic": "AI"}',
  output=TaskOutput(
    output='{"setup": "What is AI?", "punchline": "content_here"}',
    source=DataSource(type=DataSourceType.human, properties={"created_by":"Jane"})
  ),
  input_source=DataSource(type=DataSourceType.human, properties={"created_by":"John"}), rating=TaskOutputRating(score=5, type="five_star")
)
run.save_to_file()

📱 https://github.com/Kiln‑AI/Kiln

✅ Documentation and guides : quickstart, fine‑tuning, evals, synthetic‑data

#mr05 - @Sourrce_kade

سیستم عامل حافظه‌ای برای هوش مصنوعی


🇨🇳 محققان چینی از دانشگاه‌های Shanghai Jiao Tong و Zhejiang، از اولین «سیستم عامل حافظه‌ای» برای LLMها رونمایی کردند : MemOS

⚙️ روش‌های سنتی که نیاز به Fine-Tune دارند، MemOS حافظه را بخشی از سیستم می‌داند؛ مدل می‌تواند دانش را در زمان اجرا بنویسد، جابجا کند یا حذف کند.

🫥 MemCube :

🫥هر تکه دیتا به صورت یک «مکعب» با برچسب زمان و نویسنده ذخیره می‌شه؛ حافظه می‌توانه در متن، GPU cache یا حتی به شکل mini-weight patch ذخیره بشه.

📱 مصرف هوشمند : با فقط ۱۵۰۰ توکن حافظه، دقتی معادل کانتکست کامل، و سرعتی نزدیک به مدل‌های سبک‌تر به دست می‌اره / روی مدل Qwen2.5‑72B، تاخیر توکن اول تا ۹۱٪ کاهش، بدون تغییر خروجی. در LOCOMO بنچمارک، امتیاز 73.31 – بالاتر از تمام رقبا

pip install MemoryOS

📱 https://github.com/MemTensor/MemOS

هر سوالی در مورد امنیت و هوش مصنوعی و رباتیک.... داشتید توی گروه هستم میتونید بیاید.

#mr05 - @Sourrce_kade

🗣️ دیتاست گفتار غیررسمی فارسی برای ASR و TTS
این VirgoolInformal-Speech-Dataset دیتاست شامل فایل‌های صوتی و متنی غیررسمی فارسیه که به‌طور کامل پردازش شده و آماده استفاده است.

➕ فایل‌های صوتی و متنی خام جمع‌آوری‌شده از وبلاگ‌های فارسی
⭐ داده‌های پردازش‌شده برای هم‌ترازی صوت و متن
➕ دفترچه Jupyter برای پردازش خودکار داده‌ها
⭐ آموزش مدل‌های هوش مصنوعی فارسی
➕ تحلیل گفتار غیررسمی فارسی
⭐ ارزیابی مدل‌های ASR با معیار CER


📱 https://github.com/MahtaFetrat/VirgoolInformal-Speech-Dataset

📚 سوالات ، و راهنمایی.... کامنت

#mr05 - @Sourrce_kade

لینوکس و CPU-X

📱 در ویندوز ابزار CPU-Z، برای دیدن و بررسی مشخصات سخت‌افزاری سیستم است
ابزار CPU-x معادل لینوکسی است

بعد از خرید سخت افزار چک کردن مشخصات فنی دقیق با این ابزارها توصیه میشود

🫥 ویژگی‌های مهم CPU-X :

نمایش مشخصات دقیق پردازنده (مدل، سرعت، کش، معماری)
پشتیبانی از اطلاعات مادربرد، رم، گرافیک و سیستم‌عامل
پشتیبانی از سنسورهای حرارتی (با libcpuid, dmidecode, lmsensors)
رابط کاربری گرافیکی (GTK) و نسخه‌ی CLI برای ترمینال
سازگار با اکثر توزیع‌های لینوکسی (و حتی FreeBSD!)
نصب آسان از سورس یا پکیج‌های آماده در AUR, Flatpak, AppImage و Debian-based repos

📱 نصبش آسونه :
یا از این جا AppImage را دانلود کن و اجرا تمام
یا

sudo apt install cpu-x

گرافیکی : cpu-x
ترمینال : cpu-x --ncurses
📱 پشتیبانی از Arch، Debian، Fedora، AppImage، Flatpak و حتی FreeBSD!

📱 https://github.com/X0rg/CPU-X

#mr05 - @Sourrce_kade

🎉 مدل جدید DeepSeek-TNG R1T2 Chimera 671B منتشر شد

🇩🇪 از طرف آزمایشگاه آلمانی TNG Technology

🔣 حدود ۲۰٪ سریع‌تر از مدل استاندارد R1
🛫 بیش از ۲ برابر سریع‌تر از مدل R1-0528
هوش و دقت مدل هم به شکل قابل‌توجهی ارتقاء یافته :
❓ بسیار هوشمندتر از نسخه معمولی R1 در بنچمارک‌هایی مثل GPQA و AIME-24
❤️ همچنین بسیار هوشمندتر و سازگارتر در مدیریت توکن‌ها نسبت به اولین نسخه R1T Chimera 0426

🔣 مدل R1T2 با استفاده از تکنیک Assembly-of-Experts، وزن‌های سه مدل را ترکیب می‌کند:
⚡ قدرت استدلال از مدل R1-0528
🍎 لایه‌های اشتراکی بهینه و سبک از مدل V3-0324
🍀 قابلیت‌های کلی مدل R1

😁 https://huggingface.co/tngtech/DeepSeek-TNG-R1T2-Chimera


#mr05 - @Sourrce_kade

📚 TUTORIAL : How to install ndk v24.0.8215888 (Offline) in Aide Pro 2.8.6 Using MT manager

Step 1️⃣
Extract ndkGradle File here

/data/data/aidepro.top/files/framework/android-sdk/ndk

Step 2️⃣

Run This Command

1 - chmod -R 777 /data/data/aidepro.top/files/framework/android-sdk/ndk

2 - /data/data/aidepro.top/files/usr/bin/busybox ln -s /data/data/aidepro.top/files/framework/android-sdk/ndk/24.0.8215888/prebuilt/linux-aarch64 /data/data/aidepro.top/files/framework/android-sdk/ndk/24.0.8215888/prebuilt/linux-x86_64

3- /data/data/aidepro.top/files/usr/bin/busybox ln -s /data/data/aidepro.top/files/framework/android-sdk/ndk/24.0.8215888/toolchains/llvm/prebuilt/linux-aarch64 /data/data/aidepro.top/files/framework/android-sdk/ndk/24.0.8215888/toolchains/llvm/prebuilt/linux-x86_64
4 - chmod -R 777 /data/data/aidepro.top/files/framework/android-sdk/ndk

🔴 Note : Don't compile ndk app direct always compile using assemble debug or assemble release using gradle build

#mr05 - @Sourrce_kade

وب سرویس ترنسلیت | ترجمه | ترجمه گر | ترنسلیتر
➖➖➖➖
✅ بدو باگ و تست شده
➖➖➖➖
✅ وب سرویس فعال
➖➖➖➖
✅ قابلیت ترجمه تمامی متن های مختلف در لحظه
➖➖➖➖
👩‍💻 زبان توسعه دهنده => پایتون
➖➖➖➖
📚 راهنما : پارامتر ها : 3 تا پارامتر داره from متن اون کشوری که نوشتید مثل en پارامتر to متنی که به کدوم کشور ترجمه شه مثل fa و پارامتر text متن مورد نظرتون

http://127.0.0.1/translate?from=fa&to=tr&text=سلام
➖➖➖➖
نویسنده: @DevErfi
➖➖➖➖
⭐️ چنل مارو با پخش سورس ها و حمایت
به دوستان خود معرفی کنید.
➖➖➖➖
! { @Sourrce_kade } !

Sms bomber ?

آتیش بزن 🔥

اس ام اس بمبر | اسمس | اتک به شماره | حمله پیامی | sms bomber
➖➖➖➖
✅ اسکریپت فعال
➖➖➖➖
✅ ارسال همزمان از چند سرویس‌دهنده (Multi-API
➖➖➖➖
✅ ارسال چند هدفه (Multi Target Support)
➖➖➖➖
✅ پشتیبانی از سیستم‌عامل‌های مختلف
➖➖➖➖
✅ تست شده ، کاملا وحشی
➖➖➖➖
⭐️ چنل مارو با پخش سورس ها و حمایت
به دوستان خود معرفی کنید.
➖➖➖➖
! { @Sourrce_kade } !

🔴 گوگل دیپ مایند یه کتابخونه‌ی اوپن سورس جدید با پایتون معرفی کرده. باهاش می‌تونید پایپ لاین های هوش مصنوعی رو به‌صورت غیر همزمان (real-time) بسازید

✅ ویژگی‌ها :

- ساخت پایپ‌لاین‌های غیرهمزمان و قابل ترکیب
- پشتیبانی از Gemini و Gemini Live API
- بر پایه‌ی کتابخونه‌ی asyncio پایتون
- پشتیبانی از داده‌های چندحالته (مولتی‌مودال): متن، تصویر، صدا
- داخلش چندتا عامل (Agent) آماده داره مثل: عامل لحظه‌ای (Real-time Agent)، کاوشگر، و مفسر زنده (Live Commentator)

- ساخت عامل‌های هوش مصنوعی (AI Agents)
- مدل‌های زایشی (Generative Models) که به‌صورت زنده کار می‌کنن
- ساخت سریع نمونه اولیه (MVP) با قابلیت‌های چندرسانه‌ای

pip install genai-processors

🤤 کامپوننت های آماده داره و راحت با API ها هم هماهنگ میشه

📱 github.com/google-gemini/genai-processors

📱 developers.googleblog.com/en/genai-processors

#mr05 - @Sourrce_kade

🔗 این پروکسی یک طرفه بود فقط درخواست‌های شما رو به سرور تلگرام هدایت میکرد

🤖 این کد جدید درخواست‌های تلگرام رو هم به ربات شما هدایت میکنه

❌ https://fun.com/bot2/

✅ http://tunne1.nude9.workers.dev/fun.com/bot2/

🫤 بدون //:https البته

اگه تلگرام بخواد مستقیم به هاست شما متصل بشه، هاست ایرانی رنج آیپی تلگرام رو مسدود کرده، پس تلگرام به سایت شما دسترسی نخواهد داشت

اما طبق مدل بالا، تلگرام درخواست‌ها میفرسته برای ورکر، ورکر دقیقا همون محتوا رو دایورت میکنه برای هاست ایرانی

export default {
fetch:async req => {
if(["POST","GET"].includes(req.method)){
let url = new URL(req.url);
url.hostname = "api.telegram.org";
url.protocol = "https";
let to = url.toString();
if(/^\/[a-z0-9\-]{3,}\.[a-z]{2,}/.test(url.pathname)){
to = "https:/" + url.pathname;
} else if(!/^\/bot\d+:[\w\-]+\//.test(url.pathname)){
return new Response("404",{status : 404});
}
const res = await fetch(new Request(to,req));
let txt = null;
try {
txt = await res.text();
} catch {}
return new Response(txt,{status : res?.status ?? 204});
}
return new Response(req.method,{status : 405});
}
};

@Sourrce_kade - #mr05

🕸 وب اسکرپینگ با هوش مصنوعی — ScrapeGraphAI

پروژه ScrapeGraphAI ابزاری متن‌باز برای استخراج دیتا از وب با مدل‌های زبان بزرگ (LLM) و گراف داده هست. بدون نیاز به نوشتن کد پیچیده، فقط با یک توضیح متنی (prompt) داده‌های صفحه هارو استخراج کنید

⛏ استخراج داده فقط با نوشتن توضیح (Prompt-based scraping)
😁 پشتیبانی از LLM های OpenAI، Local LLM، HuggingFace و...
📊 گراف هوشمند (GraphChain) برای ساخت خودکار جریان پردازش
🆘 پشتیبانی از BeautifulSoup و Playwright
👨‍💻 قابلیت استخراج متن، لینک، عناصر HTML و محتوای تعاملی

## pip install scrapegraphai

from scrapegraphai.graphs import SmartScraperGraph

config = {
"llm": {"model": "gpt-3.5-turbo", "api_key": "your-key"},
"headless": True
}

graph = SmartScraperGraph(
prompt="Give me the titles of trending repositories on GitHub",
config=config
)
output = graph.run("https://github.com/trending")
print(output)


📱 github.com/ScrapeGraphAI/Scrapegraph-ai


@Sourrce_kade - #mr05

😂 علی بابا یه مدل جدید از سری Qwen3 داده بیرون که تخصصش reasoning هست :

Qwen3-235B-A22B-Thinking-2507. کاربرد اصلی این مدل حل مسائل پیچیده‌ست که نیاز به استدلال مرحله به مرحله داره، مثل مسائل ریاضی، کدنویسی‌های رقابتی و تحلیل‌های علمی.

این مدل یه معماری Mixture-of-Experts داره با ۲۳۵ میلیارد پارامتر که ۲۲ میلیاردش در هر توکن فعال میشه. مهم‌ترین ویژگی‌ این مدل، native بودن حالت "thinking" هست. یعنی دیگه لازم نیست دستی فعالش کنید، خود مدل برای حل مسائل پیچیده از زنجیره‌های استدلال طولانی استفاده می‌کنه تا به جواب دقیق‌تری برسه. در واقع عملکرد مدل توی بنچمارک‌های منطق، ریاضی، کدنویسی و علوم به شکل قابل توجهی بهبود پیدا کرده و با مدل‌های قدرتمند سورس-بسته رقابت می‌کنه.

با اینکه پنجره زمینه یا context window مدل به صورت native تا ۲۵۶ هزار توکن پشتیبانی می‌شه، اما توی API و بعضی پلتفرم‌ها مثل OpenRouter فعلاً تا ۱۳۱ هزار توکن قابل استفاده‌ست. خود تیم Qwen هم توصیه کرده که برای تسک‌های پیچیده که نیاز به reasoning عمیق داره، حتماً context length رو بالای ۱۳۱ هزار توکن تنظیم کنید تا مدل فضای کافی برای "فکر کردن" داشته باشه.

برای اجرا، می‌شه از فریمورک‌هایی مثل vLLM یا sglang استفاده کرد. Unsloth هم GGUF داینامیک براش منتشر کرده که این امکان رو میده تا نسخه ۲-بیتی مدل رو روی سیستمی با ۸۸ گیگابایت رم یکپارچه (unified memory) یا رم معمولی با سرعت بالای ۶ توکن بر ثانیه اجرا کرد. این برای کسایی که دسترسی به کلاسترهای بزرگ ندارن، خوبه.

به نظر من، تیم Qwen داره با سرعت خیلی بالایی مدل‌های SOTA اپن‌سورس رو ریلیز می‌کنه و رقابت رو برای بقیه سخت کرده. اسم مدل‌هاشون (مثلاً همین Qwen3-235B-A22B-Thinking-2507) یکم طولانی و عجیبه، ولی عملکرد، مخصوصاً توی حوزه reasoning، واقعاً قویه و این مدل یه رقیب جدی برای بقیه مدل‌های اپن‌سورس حساب می‌شه. این پیشرفت سریع نشون‌دهنده قدرت آزمایشگاه‌های چینی توی مسابقه هوش مصنوعیه.

✅ مدل :

https://huggingface.co/Qwen/Qwen3-235B-A22B-Thinking-2507

✅ نسخه FP8 برای مصرف رم کمتر :

https://huggingface.co/Qwen/Qwen3-235B-A22B-Thinking-2507-FP8

#mr05 - @Sourrce_kade