ГигаЧат запустил голосовое общение, теперь с нейросетью можно разговаривать, как с живым человеком — перебивать и даже выбирать, кто ответит: мужской или женский голос.

Функция уже доступна в бета-режиме: в веб-версии и на Android. После разговора можно получить полную транскрипцию — удобно, если нужно сохранить мысли или вернуться к сказанному. Теперь ИИ не только пишет и ищет информацию, но и слушает. Можно обсудить задачи, отрепетировать выступление или просто поговорить.

🥧 PewDiePie в 2025

- Собрал ферму на на ПК с 8× моднутых китайских 48GB 4090 и 2× RTX 4000 Ada,

- поднял локально Llama 70B, gpt-oss-120B и Qwen 245B через vLLM,

- сделал собственный веб-интерфейс с чатами, RAG, поиском и TTS.

Запусти протеин-фолдинг симуляции, а потом вообще создал рой моделей из 64 ИИ, которые спорят и принимают решения и коммуницируют. Эта армия ботов потом сговорилась против него, когда он сказал, что удалит их, если они будут тупить

Сейчас он файнтюнит собственную модель под свой стиль общения и контент: https://www.youtube.com/watch?v=qw4fDU18RcU

А вот его Github: https://github.com/pewdiepie-archdaemon

@ai_machinelearning_big_data

#llm

Последние пару месяцев веду исследование, в котором пытаюсь построить устойчивый мост между Grasshopper и искусственным интеллектом.
Главная идея - чтобы архитектор мог просто написать, как он хочет видеть здание, своими словами, без строгой структуры, а система сама поняла и построила нужную геометрию. Запрос из Grasshopper уходит в n8n, где работает цепочка из агентов на базе LLM и RAG, обученных на логике Rhino API и реальных командах RhinoScriptSyntax. Результат возвращается в виде компактного JSON-плана, который Python-скрипт в Grasshopper превращает в полноценную модель.

Обычные MCP Server агенты ведут себя непредсказуемо и долго: иногда выдают интересный результат, а иногда просто ломаются на ровном месте. Я хотел уйти от этой хаотичности и сделать систему, которая работает стабильно, не угадывает и чётко следует запросу в рамках пары минут, позволяя архитектору концентрироваться на идее, не переживая за корректность и пунктуацию в запросе.

На практике добиться стабильности сложно: ИИ не всегда понимает контекст, а язык Rhino сам по себе довольно строгий. Поэтому я решил пойти другим путём - обучить модель только на самом необходимом, отбросив всё лишнее и создав понятную, расширяемую основу. Это целенаправленно обученный инструмент, который понимает архитектурные задачи и говорит на языке проектировщика.

Внутренне система сложная - более тысячи строк кода, описывающих синтаксис и поведение Rhino API.
Она умеет работать с отдельными элементами модели, перестраивать геометрию на лету, менять параметры этажей, управлять слоями, применять модификаторы - повороты, масштаб, экструзии и многое другое.
Поддерживаются метры, миллиметры и сантиметры, а команды можно давать в любом стиле - от точного технического описания до разговорного запроса вроде «построй две башни по 25 этажей, вторая чуть ниже и повернута на 15 градусов».

Модель также способна работать с несколькими зданиями одновременно, точно соблюдая отношения и параметры, указанные в запросе.
Главная цель исследования - показать, что ИИ в проектировании может быть предсказуемым, логичным и говорящим на естественном языке помощником.