Добавлена поддержка ЭЧ/Ech (ex-Escapechan) и Ежчана (ejchan.net, ejchan.site). Набегаем, тестируем архивацию, сообщаем о замеченных проблемах.
К сожалению, значительная часть сохранённых до 2024 г. изображений и видео была потеряна (подробности случившегося). Мы призываем всех неравнодушных помочь нам с восстановлением утраченного контента!
Сортировка: за
Сохранен
566
Знакомства в интернете #743 /dating/ — Выбери знакомства в Интернете. Выбери приложение для знакомств. Выбери платную подписку. Выбери оригинальное описание для своей анкеты. Выбери фотографа для портретной съемки. Выбери красивую локацию, прикид и расслабленную, источающую уверенность позу. Выбери понравившуюся девушку, остроумное приветственное сообщение и тему беседы. Выбери мессенджер, чтобы назначить встречу. Выбери время встречи и аккуратно отсчитывай дни. Выбери парк. Выбери киносеанс. Выбери самые интересные мероприятия из городской афиши. Выбери кофейню с самыми вкусными пирожными. В свой выходной выбери прогулку по городу, чтобы не сойти с ума от бесконечного перебора анкет и весело провести время. Гуляй и обсуждай с очередной попутчицей из тиндера ВК знакомств всякую всячину. Выбери перебор анкет, в конце концов, и со стыдом вспомни тарелочниц, за которых ты не стал платить, чтобы прокормиться самому. Выбери своё будущее. Выбери онлайн-знакомства. Но зачем мне всё это? Я не стал выбирать онлайн-знакомства, я выбрал кое-что другое. Почему? Да ни почему. Какие могут быть «почему», когда есть одиночество. FAQ и полезные советы: https://web.archive.org/web/20211223194929/https://datingthread.space/ https://lurkmore.pro/Сайты_знакомств (в целом сильно устарело) https://tvoy-ebaka.github.io/ - если нужен гайд по перепискам, свиданкам и т.д. без инцелошизы https://habr.com/ru/articles/497464/ Никаких адекватных вариантов замены покинувшего нас Тиндера пока что нет, но есть хотя бы ВК знакомства и Дайвинчик, переживающие подъем в свете последних событий. И конечно, ПРАВОСЛАВНЫЕ ЗНАКОМСТВА. Главное - не отчаиваться и просто быть собой. Любые сервисы "чисто для секса" = фейки, проститутки и развод спермотоксов на бабло. Маркетологам Pure здесь не рады, у них есть свой загон. Поскольку здесь периодически пытаются устраивать филиал инцел-треда, к любой полученной ITT информации следует относиться с поправкой на местную аудиторию. Не забывайте репортить инцелошизу (да, это работает). Минимальные правила предосторожности, чтобы не стать жертвой скамеров: 1) Не присылать никому всякие нюдсы и дикпики (даже без лица), не соглашаться на предложения "пошалить по вебке" и т.п. 2) Не переходить по подозрительным ссылкам в переписке (а если все-таки перешел - не вводить там никаких личных данных) 3) Не соглашаться на просьбы одолжить денег, купить что-то (в том числе билеты в театр или кино), или задонатить куда-то 4) Встречу IRL назначать только в проверенных местах и заведениях 5) Не соглашаться на предложения во что-то инвестировать или влошиться еще в какой-нибудь проект, обещающий чудесные доходы (самый неприятный скам, поскольку перед этим тян может изображать активное и заинтересованное общение на протяжении нескольких дней, кидать кружочки и голосовухи, пока не войдет в доверие) Прошлый: >>9553473 (OP)
2024-05-11 11:24:58
Сохранен
566
2024-04-29 21:46:31
Сохранен
566
2024-04-21 00:20:12
Сохранен
566
2024-05-03 13:16:48
Сохранен
566
ДЕДОТРЕД №780 Им. Александра Гнатюка — Ульрих Сигрив Васильевна (Ulrikh Sigriv) (ex. Штрошерер Дарья Васильевна) — стример и видеоблогер, художник и политический активист, актриса и танцовщица, мастерица и радикальная искусница, фотомодель и фотограф, читатель и писатель, теолог и таролог, косметолог и диетолог, социокультурологический психолог, православная блаженная и буддист, пианист, ситарист, варганист и глюкофонщица, финансовая богиня-доминатрикс, патологическая эксгибиционистка, шибаристка и садомазохистка, джедай и самурай, студентка и лектор, рабочий и колхозница, инновационный инженер-менеджер, соискатель степени кандидата философских наук, дипломированный повар 3 разряда, магистрантка-филолог, абсолютный победитель по жизни, спонтанный творец, и швец, и жнец, и прирождённый лжец, человек-загадка международного масштаба. Биография Дарья появилась на свет 12 июля 1991 в Оленегорске (Мурманская область). В 8 лет переехала с родителями в Великий Новгород. Мать Дарьи родилась в Мурманске, отец - потомок поволжских немцев, жил в Германии. За годы двачевания Дарья закончила институт и получила диплом инженера-менеджера. Осенью того же 2014 года она оформила соискательство по философии, полгода поучилась в аспирантуре и весной 2015 года сдала кандидатские экзамены. В августе 2017 года Дарья решила получить второе высшее образование, поступив на бюджет в магистратуру по филологии Гуманитарного института НовГУ. В 2018 году меняет паспорт и фамилию, и бежит за границу. Дарья попробовала переселиться в Германию, имея 300к, сэкономленных на стримах. Но не срослось, не фартануло. Остаток денег по ее словам у нее были коварно похищены хачом в немецком гетто. Позже "мыкалась" по родственникам и ездила в Черногорию по волонтерской программе. В настоящее время живет на чердаке у дальних родственников в стране третьего мира, предположительно Украине.(г.Черкассы) На одном из последних стримов спалила своего ёбыря - САШУ. Того самого того самого из Новгорода, Александра Гнатюка. Ссылки https://derweide.de Youtube: https://www.youtube.com/@derweide Twitch: https://www.twitch.tv/derweide Каналы в телеграмме: https://t.me/derweide https://t.me/shtroshererad https://t.me/belayaeuropavasel Архивные треды: http://arhivach.top/?tags=4015 Текст ОП-поста (для перекатов): https://pastebin.com/HHa0buwC Прошлый тред: https://2ch.hk/fag/res/22142160.html
2024-04-29 21:53:52
Сохранен
566
2024-03-31 18:24:55
Сохранен
566
2024-04-09 18:47:54
Сохранен
566
2024-03-19 16:03:59
Сохранен
566
2024-03-11 09:41:18
Сохранен
566
Голосовых нейронок тред (TTS, STS, STT) #6 /speech/ — Обсуждаем нейросети, связанные с синтезом, преобразованием и распознаванием речи. Не забываем публиковать свои шедевры в треде. Прошлый тред: >>552016 (OP) Вики треда: https://2ch-ai.gitgud.site/wiki/speech/ FAQ Q: Хочу озвучивать пасты с двача голосом Путина/Неко-Арк/и т.п. 1. Используешь любой инструмент для синтеза голоса из текста - есть локальные, есть онлайн через huggingface или в виде ботов в телеге: https://2ch-ai.gitgud.site/wiki/speech/#синтез-голоса-из-текста-tts Спейс без лимитов для EdgeTTS: https://huggingface.co/spaces/NeuroSenko/rus-edge-tts-webui Так же можно использовать проприетарный комбайн Soundworks (часть фич платная): https://dmkilab.com/soundworks 2. Перегоняешь голос в нужный тебе через RVC. Для него есть огромное число готовых голосов, можно обучать свои модели: https://2ch-ai.gitgud.site/wiki/speech/sts/rvc/rvc/ Q: Как делать нейрокаверы? 1. Делишь оригинальную дорожку на вокал и музыку при помощи Ultimate Vocal Remover: https://github.com/MaHivka/ultimate-voice-models-FAQ/wiki/UVR 2. Преобразуешь дорожку с вокалом к нужному тебе голосу через RVC: https://2ch-ai.gitgud.site/wiki/speech/sts/rvc/rvc/ 3. Объединяешь дорожки при помощи Audacity или любой другой тулзы для работы с аудио Опционально: на промежуточных этапах обрабатываешь дорожку - удаляешь шумы и прочую кривоту. Кто-то сам перепевает проблемные участки. Качество нейрокаверов определяется в первую очередь тем, насколько качественно выйдет разделить дорожку на составляющие в виде вокальной части и инструменталки. Если в треке есть хор или беквокал, то земля пухом в попытке преобразовать это. Нейрокаверы проще всего делаются на песни с небольшим числом инструментов - песня под соло гитару или пианино почти наверняка выйдет без серьёзных артефактов. Q: Хочу говорить в дискорде/телеге голосом определённого персонажа. Используй RVC (запуск через go-realtime-gui.bat) либо Voice Changer: https://github.com/w-okada/voice-changer/blob/master/README_en.md Гайд по Voice Changer, там же рассказывается, как настроить виртуальный микрофон: https://github.com/MaHivka/ultimate-voice-models-FAQ/wiki/Voice‐Changer (часть ссылок похоже сдохла) Q: Как обучить свою RVC-модель? Гайд на русском: https://github.com/MaHivka/ultimate-voice-models-FAQ/wiki/RVC#создание-собственной-модели Гайд на английском: https://docs.aihub.wtf/guide-to-create-a-model/model-training-rvc Определить переобучение через TensorBoard: https://docs.aihub.wtf/guide-to-create-a-model/tensorboard-rvc Если тыква вместо видеокарты, можно тренить в онлайне: https://www.kaggle.com/code/varaslaw/rvc-v2-no-gradio-https-t-me-aisingers-ru/notebook?scriptVersionId=143284909 (инструкция: https://www.youtube .com/watch?v=L-emE1pGUOM ) Q: Надо распознать текст с аудио/видео файла Используй Whisper от OpenAI: https://github.com/openai/whisper Быстрый скомпилированный для винды вариант: https://github.com/Purfview/whisper-standalone-win Так же есть платные решения от Сбера/Яндекса/Тинькофф. Коммерческие системы https://elevenlabs.io перевод видео, синтез и преобразование голоса https://heygen.com перевод видео с сохранением оригинального голоса и синхронизацией движения губ на видеопотоке. Так же доступны функции TTS и ещё что-то https://app.suno.ai генератор композиций прямо из текста. Есть отдельный тред на доске >>662527 (OP) Шаблон для переката: https://2ch-ai.gitgud.site/wiki/speech/speech-shapka/
2025-04-10 13:59:09
Сохранен
566
2024-03-02 21:53:50
Сохранен
566
2024-08-07 11:48:17
Сохранен
566
2024-02-29 21:46:10
Сохранен
566
2024-02-06 13:28:49
Сохранен
566
2024-02-02 19:46:10
Сохранен
566
2024-06-26 18:52:42
Сохранен
566
2024-03-19 14:29:36
Сохранен
566
Локальные языковые модели (LLM): LLaMA, MPT, Falcon и прочие №35 /llama/ — В этом треде обсуждаем генерацию охуительных историй и просто общение с большими языковыми моделями (LLM). Всё локально, большие дяди больше не нужны! Здесь мы делимся рецептами запуска, настроек и годных промтов, расширяем сознание контекст, и бугуртим с кривейшего тормозного говна. Тред для обладателей топовых карт NVidia с кучей VRAM или мажоров с проф картами уровня A100, или любителей подождать, если есть оперативная память. Особо терпеливые могут использовать даже подкачку и запускать модели, квантованные до 8 5 4 3 2-х бит, на кофеварке с подкачкой на микроволновку. Базовой единицей обработки любой языковой модели является токен. Токен это минимальная единица, на которые разбивается текст перед подачей его в модель, обычно это слово (если популярное), часть слова, в худшем случае это буква (а то и вовсе байт). Из последовательности токенов строится контекст модели. Контекст это всё, что подаётся на вход, плюс резервирование для выхода. Типичным максимальным размером контекста сейчас являются 2к (2 тысячи) и 4к токенов, но есть и исключения. В этот объём нужно уместить описание персонажа, мира, истории чата. Для расширения контекста сейчас применяется метод NTK-Aware Scaled RoPE. Родной размер контекста для Llama 1 составляет 2к токенов, для Llama 2 это 4к, но при помощи RoPE этот контекст увеличивается в 2-4-8 раз без существенной потери качества. Текущим трендом на данный момент являются мультимодальные модели, это когда к основной LLM сбоку приделывают модуль распознавания изображений, что в теории должно позволять LLM понимать изображение, отвечать на вопросы по нему, а в будущем и манипулировать им. Основным представителем локальных моделей является LLaMA. LLaMA это генеративные текстовые модели размерами от 7B до 70B, притом младшие версии моделей превосходят во многих тестах GTP3 (по утверждению самого фейсбука), в которой 175B параметров. Сейчас на нее существует множество файнтюнов, например Vicuna/Stable Beluga/Airoboros/WizardLM/Chronos/(любые другие) как под выполнение инструкций в стиле ChatGPT, так и под РП/сторитейл. Для получения хорошего результата нужно использовать подходящий формат промта, иначе на выходе будут мусорные теги. Некоторые модели могут быть излишне соевыми, включая Chat версии оригинальной Llama 2. Кроме LLaMA для анона доступны множество других семейств моделей: Pygmalion- заслуженный ветеран локального кума. Старые версии были основаны на древнейшем GPT-J, новые переехали со своим датасетом на LLaMA, но, по мнению некоторых анонов, в процессе потерялась Душа © MPT- попытка повторить успех первой лламы от MosaicML, с более свободной лицензией. Может похвастаться нативным контекстом в 65к токенов в версии storywriter, но уступает по качеству. С выходом LLaMA 2 с более свободной лицензией стала не нужна. Falcon- семейство моделей размером в 40B и 180B от какого-то там института из арабских эмиратов. Примечательна версией на 180B, что является крупнейшей открытой моделью. По качеству несколько выше LLaMA 2 на 70B, но сложности с запуском и малый прирост делаю её не самой интересной. Mistral- модель от Mistral AI размером в 7B, с полным повторением архитектуры LLaMA. Интересна тем, что для своего небольшого размера она не уступает более крупным моделям, соперничая с 13B (а иногда и с 70B), и является топом по соотношению размер/качество. Qwen - семейство моделей размером в 7B и 14B от наших китайских братьев. Отличается тем, что имеет мультимодальную версию с обработкой на входе не только текста, но и картинок. В принципе хорошо умеет в английский, но китайские корни всё же проявляется в чате в виде периодически высираемых иероглифов. Yi - Неплохая китайская модель на 34B, способная занять разрыв после невыхода LLaMA соответствующего размера Сейчас существует несколько версий весов, не совместимых между собой, смотри не перепутай! 0) Оригинальные .pth файлы, работают только с оригинальным репозиторием. Формат имени consolidated.00.pth 1) Веса, сконвертированные в формат Hugging Face. Формат имени pytorch_model-00001-of-00033.bin 2) Веса, квантизированные в GGML/GGUF. Работают со сборками на процессорах. Имеют несколько подформатов, совместимость поддерживает только koboldcpp, Герганов меняет форматы каждый месяц и дропает поддержку предыдущих, так что лучше качать последние. Формат имени ggml-model-q4_0, расширение файла bin для GGML и gguf для GGUF. Суффикс q4_0 означает квантование, в данном случае в 4 бита, версия 0. Чем больше число бит, тем выше точность и расход памяти. Чем новее версия, тем лучше (не всегда). Рекомендуется скачивать версии K (K_S или K_M) на конце. 3) Веса, квантизированные в GPTQ. Работают на видеокарте, наивысшая производительность (особенно в Exllama) но сложности с оффлоадом, возможность распределить по нескольким видеокартам суммируя их память. Имеют имя типа llama-7b-4bit.safetensors (формат .pt скачивать не стоит), при себе содержат конфиги, которые нужны для запуска, их тоже качаем. Могут быть квантованы в 3-4-8 бит (Exllama 2 поддерживает адаптивное квантование, тогда среднее число бит может быть дробным), квантование отличается по числу групп (1-128-64-32 в порядке возрастания качества и расхода ресурсов). Основные форматы это GGML и GPTQ, остальные нейрокуну не нужны. Оптимальным по соотношению размер/качество является 5 бит, по размеру брать максимальную, что помещается в память (видео или оперативную), для быстрого прикидывания расхода можно взять размер модели и прибавить по гигабайту за каждые 1к контекста, то есть для 7B модели GGML весом в 4.7ГБ и контекста в 2к нужно ~7ГБ оперативной. В общем и целом для 7B хватает видеокарт с 8ГБ, для 13B нужно минимум 12ГБ, для 30B потребуется 24ГБ, а с 65-70B не справится ни одна бытовая карта в одиночку, нужно 2 по 3090/4090. Даже если использовать сборки для процессоров, то всё равно лучше попробовать задействовать видеокарту, хотя бы для обработки промта (Use CuBLAS или ClBLAS в настройках пресетов кобольда), а если осталась свободная VRAM, то можно выгрузить несколько слоёв нейронной сети на видеокарту. Число слоёв для выгрузки нужно подбирать индивидуально, в зависимости от объёма свободной памяти. Смотри не переборщи, Анон! Если выгрузить слишком много, то начиная с 535 версии драйвера NVidia это серьёзно замедлит работу. Лучше оставить запас. Гайд для ретардов для запуска LLaMA без излишней ебли под Windows. Грузит всё в процессор, поэтому ёба карта не нужна, запаситесь оперативкой и подкачкой: 1. Скачиваем koboldcpp.exe https://github.com/LostRuins/koboldcpp/releases/ последней версии. 2. Скачиваем модель в gguf формате. Например вот эту: https://huggingface.co/TheBloke/Frostwind-10.7B-v1-GGUF/blob/main/frostwind-10.7b-v1.Q5_K_M.gguf Можно просто вбить в huggingace в поиске "gguf" и скачать любую, охуеть, да? Главное, скачай файл с расширением .gguf, а не какой-нибудь .pt 3. Запускаем koboldcpp.exe и выбираем скачанную модель. 4. Заходим в браузере на http://localhost:5001/ 5. Все, общаемся с ИИ, читаем охуительные истории или отправляемся в Adventure. Да, просто запускаем, выбираем файл и открываем адрес в браузере, даже ваша бабка разберется! Для удобства можно использовать интерфейс TavernAI 1. Ставим по инструкции, пока не запустится: https://github.com/Cohee1207/SillyTavern 2. Запускаем всё добро 3. Ставим в настройках KoboldAI везде, и адрес сервера http://127.0.0.1:5001 4. Активируем Instruct Mode и выставляем в настройках пресетов Alpaca 5. Радуемся Инструменты для запуска: https://github.com/LostRuins/koboldcpp/ Репозиторий с реализацией на плюсах https://github.com/oobabooga/text-generation-webui/ ВебуУИ в стиле Stable Diffusion, поддерживает кучу бекендов и фронтендов, в том числе может связать фронтенд в виде Таверны и бекенды ExLlama/llama.cpp/AutoGPTQ Ссылки на модели и гайды: https://huggingface.co/TheBloke Основной поставщик квантованных моделей под любой вкус. https://rentry.co/TESFT-LLaMa Не самые свежие гайды на ангельском https://rentry.co/STAI-Termux Запуск SillyTavern на телефоне https://rentry.co/lmg_models Самый полный список годных моделей http://ayumi.m8geil.de/ayumi_bench_v3_results.html Рейтинг моделей для кума со спорной методикой тестирования https://rentry.co/llm-training Гайд по обучению своей лоры https://rentry.co/2ch-pygma-thread Шапка треда PygmalionAI, можно найти много интересного https://colab.research.google.com/drive/11U-bC6AxdmMhd3PF9vWZpLdi6LdfnBQ8?usp=sharing Последний известный колаб для обладателей отсутствия любых возможностей запустить локально Шапка треда находится в https://rentry.co/llama-2ch (переезжаем на https://2ch-ai.gitgud.site/wiki/llama/ ), предложения принимаются в треде Предыдущие треды тонут здесь: >>583852 (OP) >>577814 (OP)
2024-04-30 11:11:11
Сохранен
566
2024-03-31 06:27:29
Активный
566
2026-11-03 17:24:12
Сохранен
566
2025-02-28 13:02:51
Сохранен
566
2023-12-13 15:40:18
Сохранен
566
2023-11-27 19:23:05
Сохранен
566
2023-10-18 18:48:11
Сохранен
566
2023-10-26 23:37:27