سری جدید مدلهای تبدیل متن به گفتار فارسی (TTS) که آموزش دادم آماده شد. بهترین مدلهای TTS فارسی و اپن سورس.
- مدل Cilla-Lite که ۱۰۰ میلیون پارامتر و روی یک CPU معمولی کار میکند. و از اون جالبتر
- مدل Cilla-Mini که ۱۸ میلیون پارامتر و حدود ۱۰۷ مگابایت حجم. روی کامپیوتر موبایل و مرورگر اجرا میشود. به راحتی کار میکنه و فوق العاده سریع. نه سرور میخواهد، نه GPU، نه کلید API. کاملا لوکال. و با کیفیت عالی.
چقدر سریعه؟ روی یک هستهی M1 Pro حدود ۱۲ تا ۲۳ برابر سریعتر از زمان واقعی گفتار میسازد. داخل تب مرورگر حدود ۹ تا ۲۰ برابر. با حالت استریم، اولین صدا حدود ۲۰ میلیثانیه بعد از زدن دکمهی Speak پخش میشود.
کیفیتش چقدر خوب؟ روی ضبطهای واقعی، یک تشخیصدهندهی گفتار فارسی از خروجیاش ۱۰٫۴٪ خطای کلمه دارد. قابلیت clone کردن صدا. و شباهت به صدایی که به مدل میدهید: ۹۵%. مدل با صدای یک فایل صوتی کوتاه حرف میزند.
با استفاده از یک روش جدید مدل کوچک را درست کردم. اول یک مدل بزرگ فارسی ساختم، بعد قدمبهقدم کوچکش کردم (۳۲۶ میلیون، بعد ۱۰۰ میلیون، بعد ۱۸ میلیون).
ویدیوی پایین را حتما با صدا ببینید که کیفیت صدا را حس کنید. کامل توضیح میدم. برای انواع اپلیکیشن ها مثل خوندن صفحات وب یا کتاب. صدای ایجنت و کلی کار دیگه میتونید ازش استفاده کنید.
البته هنوز محدودیت هایی داره مثلا بعضی اضافهها (همان «ـِ» پیوند) را اشتباه میخواند و کلمههای انگلیسی داخل متن را رد میکند.
همین الان برید دانلود کنید توی مرورگر یا لوکال و امتحان کنید و فیدبک بدید.
لینکها:
cilla-mini: https://t.co/F25a4jpQqm
cilla-lite: https://t.co/K0FDOzs8Q3
Space: https://t.co/fMCI652s1O
کانال تلگرام: https://t.co/wW5jwFBTIS
مدل تصویرسازی ۴.۴ گیگابایتی بدون سانسور که کاملاً رایگان اجرا میشه 🔥
Qwen Image 2.1 Uncensored
• فقط ۴.۴ گیگ حجم
• Text-to-Image + ویرایش تصویر
• پشتیبانی از ComfyUI GGUF
• بیش از ۳۷ هزار دانلود
• کاملاً محلی و رایگان.
لینک: 👇
https://t.co/qYAZjnvTKn
برید ویزا کارت مجازی بگیرید،
خوراک این آفرهایی که نیاز به کارت داره:
https://t.co/gyY34IrkIf
پن: بالا لینک ریفرال گذاشتم. پایین لینک بدون ریفرال:
https://t.co/YZGgabtSbe
با هرکدوم خواستید برید عضو شید.
بخش free cards میتونید کارت رایگان بگیرید.
من که ازش استفاده خوبی نکردم 😂
این دیگه واقعاً وارد مرحله خطرناکی شده! 🔥
الان میتونی به یک AI Agent قدرتی بدی که معماری یک کدبیس رو بفهمه، مثل یک هکر به نرمافزارت حمله کنه و قبل از انتشار، نقاط ضعفش رو ببنده.
اما جذابتر از خود ابزارها، ترکیب اونهاست.
۴ ترکیب متنباز که ارزش بررسی دارن:
1. Graphify — Understand
https://t.co/T5ybFGtbkx
کل معماری پروژه رو به یک Knowledge Graph تبدیل کن. ارتباط فایلها، توابع و وابستگیها رو ببین؛ حتی مشخصه کدوم ارتباط از کد استخراج شده و کدوم استنباط شده.
2. REA — Attack
https://t.co/BpV5vvpUvY
نرمافزارت رو از نگاه یک مهاجم بررسی کن. مهندسی معکوس، تحلیل ساختار و پیدا کردن اطلاعاتی که نباید در خروجی منتشر بشن.
3. BLA — Harden
https://t.co/ctktpbv4ms
به Agent توانایی سختتر کردن مهندسی معکوس و محافظت از نرمافزار در برابر تحلیل خودکار رو بده.
4. Digital Twins + Agentic OS — Build the Ecosystem
اینجا وارد مرحله بعدی میشیم.
بهجای ساخت یک Agent مستقل، یک اکوسیستم بساز که حافظه، دانش، هویت، مهارت، ابزار و قدرت اجرای مستقل داشته باشه.
ما هم در همین مسیر روی چند زیرساخت متنباز کار میکنیم:
→ Molavi Agentic OS
https://t.co/xkAbuwFflG
یک اکوسیستم ماژولار برای Agentها، Skills، Teams و Workflows.
→ TM Second Brain
https://t.co/9Q2dmso6jY
زیرساخت حافظه و دانش برای اتصال Agentها، سیستمها و Digital Twins.
→ GEO-Scope
https://t.co/BnA2MdGjdh
برای اندازهگیری و تحلیل دیدهشدن برندها در موتورهای جستوجو و هوش مصنوعی.
→ MCP Agent Skills Hub
https://t.co/qHZ7EhUY3N
برای سازماندهی و توسعه اکوسیستم مهارتها و اتصال Agentها به ابزارها.
تصور کن این قابلیتها رو کنار هم قرار بدی:
Understand → Attack → Harden → Verify → Remember → Orchestrate
آینده فقط متعلق به کسی نیست که Agent هوشمندتری داره.
متعلق به کسیه که میتونه Digital Twin بسازه، بهش حافظه بده، چندین Agent متخصص رو هماهنگ کنه و یک اکوسیستم خودتوسعهگر و قابلاعتماد بسازه.
ما هم بهجای اینکه فقط درباره این آینده حرف بزنیم، داریم زیرساختش رو میسازیم.
Don’t just build AI agents. Build the operating system for your digital twins.
تمام پروژهها در GitHub:
https://t.co/e1PCK2ybCV
هر مدل هوش مصنوعی بدون سانسور روی اینترنت داشته باش
بدون فیلتر.
بدون رد کردن.
هم آفلاین اجرا میشود، ۰ دلار.
https://t.co/TOaApj5IEE
همین الان ذخیره کن.
بازار سیاه اکانتهای ۳۰۰ میلیاردی https://t.co/Yfwc8UVJPv با پایتون ترکید.
ریپوی muse-protocol کل پروتکل ثبتنام و ردیم رو مهندسی معکوس کرده؛ بدون مرورگر و با ریکوئستهای سبک پایتون.
با آیپی ژاپن، ثبت کارت اعتباری کلا دور زده میشه.
(لینک ریپو و تریک ستاپ تو کامنت اول👇)
🎙️ معرفی Chatterbox Farsi TTS
چند وقت پیش مدل Pocket TTS فارسی را که آموزش داده بودم معرفی کردم. یه مدل سبک و سریع که روی CPU اجرا میشه . در ادامهی همان مسیر، امروزیک مدل جدید TTS فارسی (بهترین مدل) را که آموزش دادم معرفی می کنم: Chatterbox Farsi.
این بار تمرکز روی کیفیت بود: صدایی فارسی که واقعاً طبیعی باشد؛ نه رباتیک و یکنواخت، بلکه با لحن، مکث و احساسی که از یک گویندهی واقعی انتظار داریم. نتیجه، جهشی محسوس در طبیعی بودن صدا نسبت به Pocket TTS است.
هدف این بود که صدای فارسی تولیدشده با هوش مصنوعی واقعاً طبیعی باشد؛ نه رباتیک و یکنواخت، بلکه با لحن، مکث و احساسی که از یک گویندهی واقعی انتظار داریم.
ویژگیها
• متن معمولی فارسی را مستقیم میخواند و به نقطهگذاری حساس است: در ویرگول مکث میکند، در پایان جمله لحن پایین میآید و در جملههای پرسشی لحن بالا میرود.
• شبیهسازی صدا فقط با ۵ تا ۱۰ ثانیه نمونهی صدای یک نفر.
• دو صدای آمادهی زن و مرد.
• از متن خبری و آموزشی تا داستان و گفتوگوی محاورهای و جملههای هیجانی و پرسشی را با لحن مناسب میخواند.
• کنترل «اضافه» از طریق متن: نوشتن کسره (کتابِ من) اضافه را اعمال میکند و ویرگول جلوی اضافهی ناخواسته را میگیرد.
• روی کارت گرافیک انویدیا تقریباً همزمان با پخش صدا، و روی کارتهای قویتر چند برابر سریعتر، صدا تولید میکند.
🎧 نمونهها
در صفحهی مدل میتوانید نمونههای خبر، دستورالعمل، داستان، اسامی خاص و گفتوگوی محاورهای را با هر دو صدا بشنوید. (ویدیو پایین با صدا)
- مدل و نمونهها:
https://t.co/aXZYsiJQQR
بازخوردهای شما، بهخصوص دربارهی تلفظ و «اضافه»، برای نسخههای بعدی خیلی ارزشمند است.
دیگه لازم نیست فارسی تایپ کنی، فقط حرف بزن!
اسمش Handy ئه؛ یه ابزار رایگان و Open Source که حرفت رو همون لحظه به متن تبدیل میکنه و فارسی رو هم ساپورت میکنه.
چطوری کار میکنه:
هر جا که بشه تایپ کرد، Ctrl+Space رو نگه دار و حرف بزن. ولش که کنی، متن خودش تایپ میشه.
روی تلگرام، Word، جیمیل، ChatGPT و هر جای دیگه کار میکنه.
با Translate to English، فارسی میگی و انگلیسی تحویل میگیری.
همهچی روی کامپیوتر خودت پردازش میشه، حتی بدون اینترنت.
نکتهی مهم: برای فارسی حتماً یکی از مدلهای Whisper رو انتخاب کن و زبان رو بذار روی Persian. مدلهای Turbo و Large دقیقترن.
لینک دانلود: https://t.co/CKlOvYLTZD
با افتخار اولین دی ان اس رفع تحریم هستیم که با کامیونیتی X بالا اومدیم
تعداد یوزر های فعال ما از ۱۰۰۰ تا گذشت
امیدوارم توی مسیر حتی با شرایط اینترنت بد بتونیم سرویس خوب و با کیفیت به شما تقدیم کنیم
قلب برای همه شما
https://t.co/gEqdVaPWWU
👋🏼 خداااااافظظظظ وب اسکرپینگ!
یه پروژه به اسم PixelRAG اومده که بهجای تبدیل صفحات وب به متن، ازشون اسکرینشات میگیره و با کمک مدلهای هوش مصنوعی بینایی، اطلاعات رو مستقیماً از روی تصویر استخراج میکنه! 👀
چرا این روش جذابه؟ 🤔
چون توی روشهای سنتی، کلی از اطلاعات صفحات وب موقع تبدیل به متن از بین میره:
📄 فایلهای PDF
📊 جدولها
🧩 چیدمان صفحات
🔘 دکمهها و ستونها
اما PixelRAG صفحه رو همونطوری ایندکس میکنه که انسان میبینه!
🔥 چندتا نکته جالب:
• ایندکس بصری ویکیپدیا با بیش از ۳۰ میلیون اسکرینشات!
• عملکرد بهتر از بهترین روشهای Text-based RAG با اختلاف ۱۸.۱٪ در بنچمارک پرسشوپاسخ، طبق ادعای پروژه
• افزونه برای Claude Code؛ یعنی کلود میتونه بهجای تکیه بر متن استخراجشده از DOM، محتوای بصری صفحات رو بررسی کنه.
⚙️ زیر پوست پروژه چه خبره؟
• ساخت ایندکس با FAISS
• جستوجوی بصری روی تصاویر صفحات
• استفاده از مدل Qwen3-VL-Embedding برای امبدینگ
• تبدیل وبسایتها، PDFها و تصاویر به کاشیهای تصویری (Tiles)
کافیه URL، مقاله arXiv یا وبسایت خودت رو بهش بدی تا محتوای بصری رو بررسی کنه.
🤯 نکته مهم اینه که این پروژه نمیخواد فقط متن وب رو بهتر استخراج کنه؛ بلکه میخواد اطلاعات رو از همون چیزی بازیابی کنه که واقعاً روی صفحه نمایش داده میشه.
✅ متنباز با لایسنس Apache-2.0
🔗 لینک گیتهاب پروژه رو توی کامنتها میذارم 👇🏻
دیشب که درگیر حملات و مشکل دسترسی به سایت بودیم یکی از دوستان اینجا سرویس سیدیان https://t.co/CScrjhYBJg رو معرفی کرد. من نمیشناختم، برام عجیب بود که با این کیفیت و قیمت چرا نشنیده بودیم و نمیشناختیم! خلاصه که به کمکشون تا اینجا زیرساخت گردو خیلی پایدارتر و بهینهتر شده.
یه ابزار امنیتی اوپنسورس و ایرانی که واقعاً ارزش دیدن داره 👇
Arad Code کدت رو مثل یه ریویوئر واقعی میخونه و فقط باگی رو گزارش میکنه که بتونه دقیقاً فایل و خطش رو نشون بده.
خداحافظ false positive =)))
🔥 مایکروسافت ابزاری متنباز منتشر کرده که فقط با یک بار دیدن کار شما، به ایجنت هوش مصنوعی یاد میده چطور همون کار رو انجام بده! 🤯
اسمش Skill Recorder هست و ۴.۳ هزار ⭐ در گیتهاب گرفته.
چطور کار میکنه؟ 👇
1️⃣ ضبط رو روشن میکنی و کار رو مثل همیشه انجام میدی؛ حتی میتونی همزمان توضیح بدی که داری چی کار میکنی 🎙️
2️⃣ ابزار کلیکها، جابهجایی بین برنامهها، صفحات وب و دستورات ترمینال رو روی سیستم خودت ثبت میکنه 💻
3️⃣ گیتهاب کوپایلت، ویدئو نیست که فقط نگاه کنه؛ مراحل کار رو به دستورالعملهای قابل ویرایش تبدیل میکنه 🧠
4️⃣ با یک کلیک، این دستورالعملها به یک Skill تبدیل میشن که ایجنت میتونه اجراش کنه؛ حتی میتونی اجرای خودکارشون رو زمانبندی کنی ⚡
💡 نکته جذاب: ایجنت میتونه از یک نمونه، الگوی انجام کار رو یاد بگیره!
مثلاً یک بار پر کردن و ارسال فرم رو ضبط میکنی؛ بعد ایجنت میتونه همین فرایند رو برای فرمهای مشابه انجام بده.
🖥️ قابل اجرا روی macOS، ویندوز ۱۱ و اوبونتو
⚠️ برای استفاده به حساب گیتهاب با دسترسی به Copilot نیاز داری.
این یعنی بهجای اینکه برای هر کار دستی، یک اتوماسیون از صفر بسازی، میتونی یک بار خودت انجامش بدی و به ایجنت یادش بدی!
لینک توی ریپلای اول :
#هوش_مصنوعی #AI #Agent #GitHub #Microsoft #Automation
🚨 شاید وقت خداحافظی با تدوین دستی ویدیو رسیده!
یکی یه ابزار رایگان برای تدوین ویدیو با Claude Code ساخته که واقعاً شگفتانگیزه!
کافیه ویدیوهای خام و فایلهات رو داخل یه پوشه بریزی. همین!
بقیه کارها رو خودش انجام میده:
✂️ برش و مرتبکردن کلیپها
🗣️ حذف کلمات و مکثهای اضافی
💬 اضافهکردن زیرنویس
🎨 اصلاح رنگ و اعمال فیلتر
✨ اجرای انیمیشنها
🎬 رندر و خروجی گرفتن از ویدیوی نهایی
نه تایملاین لازم داری، نه تدوین دستی و نه دردسرهای همیشگی!
جالبتر اینکه این پروژه حتی از ابزارهایی مثل Remotion هم فراتر میره؛ چون فقط بهت کمک نمیکنه ویدیو بسازی، بلکه بخش زیادی از فرایند تدوین رو هم بهجای خودت انجام میده.
اسم این پروژه متنباز Video Use هست و کدهاش رایگان روی GitHub در دسترسه. 👇
🔗 https://t.co/SuT2OS4xuF
‼️ BREAKING: The private keys of 8 certificates from Indian certificate authority eMudhra were compromised, Mozilla says. Firefox blocked them within 3 hours.
Each key should be a 116-digit number, but one was just 4.
Anyone can guess them and forge HTTPS certs for any website.
یه مهارت Claude به اسم Ponytail با ۱۶۴ هزار ستاره تو گیتهاب ترند شد 🟢
نسخه پنجمش اومده و agentها رو مثل senior dev باهوش میکنه:
• ۵۳٪ کد کمتر
• ۴۱٪ زمان کمتر
• ۲۶٪ هزینه کمتر
• ۴۵٪ توکن کمتر
لینک 👇
اگه دنبال vps هستی برای توسعه کار Ai ات،
من از https://t.co/w7uCdmYldN استفاده میکنم
پرداخت کریپتو داره
هیچ KYC ای نمیخواد
و ساعتی اجاره میده سروریس هاش رو...
حتی میتونی پلن کاستوم خودت رو ببندی
و دقیقا متناسب با نیازت پول بدی!
خیلی خوبه
خوراکه برا نیازِ امروز ما ایرانیا