Горячее
Лучшее
Свежее
Подписки
Сообщества
Блоги
Эксперты
Войти
Забыли пароль?
или продолжите с
Создать аккаунт
Я хочу получать рассылки с лучшими постами за неделю
или
Восстановление пароля
Восстановление пароля
Получить код в Telegram
Войти с Яндекс ID Войти через VK ID
Создавая аккаунт, я соглашаюсь с правилами Пикабу и даю согласие на обработку персональных данных.
ПромокодыРаботаКурсыРекламаИгрыПополнение Steam

Топ прошлой недели

  • Oskanov Oskanov 8 постов
  • alekseyJHL alekseyJHL 6 постов
  • XpyMy XpyMy 1 пост
Посмотреть весь топ

Лучшие посты недели

Рассылка Пикабу: отправляем самые рейтинговые материалы за 7 дней 🔥

Нажимая кнопку «Подписаться на рассылку», я соглашаюсь с Правилами Пикабу и даю согласие на обработку персональных данных.

Спасибо, что подписались!
Пожалуйста, проверьте почту 😊

Новости Пикабу Помощь Кодекс Пикабу Реклама О компании
Команда Пикабу Награды Контакты О проекте Зал славы
Промокоды Скидки Работа Курсы Блоги
Купоны Biggeek Купоны AliExpress Купоны М.Видео Купоны YandexTravel Купоны Lamoda
Мобильное приложение

Tester

С этим тегом используют

Тест Все
937 постов сначала свежее
5
Neurosonya
Neurosonya
10 дней назад
Полезные нейросети
Серия Полезность

Сервис для создания сайтов от WordPress. Моя видеоинструкция, как создать сайт с помощью нейросети от WordPress⁠⁠

В видео я показала, как использовать сервис на примере сайта для моей пекарни.

Сегодня я протестировала сервис для создания сайтов от WordPress - звучит уже интригующе, и от сервиса ожидаешь чего-то крутого. Впрочем, плюс-минус, так и есть.

Мне напомнил аналогичный сервис от Mozilla, только с интерфейсом попроще, но с существенным минусом: Если Soloist от Mozilla иногда генерирует отдельные блоки на английском языке, то сервис от WordPress - весь сайт на английском. Все придется править вручную. Так что тем, кто думает уйти с Tilda советую хорошенько подумать. Сервис скорее для тех, кому лень пилить номера блоков для Tilda в настраиваемых шаблонах, или для совсем новичков. Или для тех, кому нужно быстро сделать свой интернет-магазин - это тоже сервис может, но уже скорее с платной подпиской, зависит от количества товаров и страниц.

Здесь сервис очень быстро генерирует сайт, предложит выбрать дизайн, настроит сразу ссылки на кнопки, сделает красивые картинки, не надо самому париться, где приобретать домен, тут вам все сразу предложат. Еще сразу подстраивается под все экраны: ПК, планшет, смартфон

Подпишитесь на НейроProfit и узнайте, как можно использовать нейросети для бизнеса, учебы и работы, не теряя свое время.

А кто хочет больше эксклюзивных видеоинструкций, проверенных инструментов, советов с обратной связью, обучения промптингу - Добро пожаловать в мой Закрытый клуб

Показать полностью
[моё] Бесплатно Искусственный интеллект Приложение Сайт Нейронные сети Обзор Тестирование Чат-бот Дизайнер Маркетологи Фриланс Технологии Малый бизнес Дизайн Инструкция Руководство Полезное Предпринимательство Видео
4
3
YesAi
YesAi
11 дней назад

Как подключить нейросеть Sora Images для генерации изображения через API⁠⁠

API нейросети Sora Images открывает пользователям удобную возможность для генерации изображения непосредственно внутри любых своих проектов. Это может быть чат-бот для мессенджеров, таких как Telegram, стороннее приложение или интернет-сервис. Несмотря на то, что возможности нейросети Sora охватывают генерацию не только картинок, но и видеороликов, данная инструкция посвящена исключительно созданию изображений. Если же вы хотите узнать подробнее о генерации видео с помощью Sora, обратитесь к отдельному руководству по API.

Как подключить нейросеть Sora Images для генерации изображения через API Чат-бот, Искусственный интеллект, Нейронные сети, Гайд, Тестирование, Openai, Digital, Sora, API, Дизайнер, Программа, Длиннопост

Как подключить нейросеть Sora Images для генерации изображения через API

Если вы решили использовать возможности Sora Images посредством API Yes Ai, то вам необходимо предварительно получить специальный авторизационный токен. Подробную инструкцию по его получению вы найдете в нашем руководстве.

Прежде чем приступать к созданию собственного приложения с использованием нашего API, стоит протестировать весь доступный функционал Sora Images через телеграм-бота @yes_ai_bot. Также советуем тщательно ознакомиться с возможностями самой нейросети — этому вопросу посвящена отдельная статья, с которой вы можете ознакомиться.

Ключевые положения:

  • Любые косвенные или прямые ссылки на контент, маркированный пометкой «18+» или иным образом относящийся к категории NSFW, недопустимы. Необходимо заранее проверять запросы на наличие запрещенных слов и выражений, прежде чем направлять их к нашему API.

  • Нейросеть Sora Images обладает возможностью создавать изображения по текстовым описаниям (промтам), заданным на разных языках, включая русский язык.

  • Система позволяет задать от одного до десяти изображений в качестве визуальных референсов-ориентиров, которые будут учитываться при создании нового контента.

  • При использовании API с добавлением хотя бы одной картинки-референса пользователю необходимо в обязательном порядке указать промт — описание конкретных действий или изменений, которые нужно применить к отображённым на исходном материале объектам.

  • Sora генерирует изображения в трёх доступных пропорциях сторон картинки: 1:1, 2:3 и 3:2.

  • После каждого обращения API выдаёт результирующие изображения в количестве от одного до четырёх. В большинстве сценариев пользователи получат именно 4 готовых изображения; меньшее их число встречается значительно реже.

Обратите внимание! В настоящее время для работы с API Sora Images действуют определенные ограничения по количеству одновременно выполняемых задач. Эти ограничения зависят от того, какой пакет услуг подключен к вашему аккаунту:

  • Пакет Demo позволяет поставить в очередь не более 1 задачи одновременно.

  • Пакет Micro ограничен 2 задачами в очереди.

  • Пакет Start предусматривает очередь до 3 задач.

  • Пакет Standard допускает не более 5 задач одновременно в очереди.

  • Пакет VIP предоставляет максимальное значение — до 10 задач в очереди.

Если при использовании API Sora Images у вас возникнут дополнительные вопросы или вам потребуется расширение установленных лимитов, пожалуйста, обращайтесь в нашу службу технической поддержки по адресу: @yes_ai_support.


Как формулировать задания через промты (без использования референсов)

Пример составления запроса для создания изображений в сервисе Sora Images без референс-материалов

curl -X POST https://api.yesai.su/v2/sora/generations

-H "Authorization: Bearer <token>"

-H "Content-Type: application/json"

-d '{

"prompt": "текст вашего промпта на любом языке",

"style":"2,3",

"dimesions":"2:3"

}'

Описание параметров:

Параметр style = '', '0', '1' или '2,3,4' (необязательный): Задает стилистическое оформление. По умолчанию используется значение "0", то есть стиль не применяется. Доступны следующие варианты выбора:

0 – без заданного стиля

1 – случайный выбор стиля

2,3,4 и т.п. — выбор конкретного тематического стиля:

2 – Midjourney

3 – Стимпанк (Steampunk)

4 – Киберпанк (Cyberpunk)

5 – Аниме (Anime)

6 – Логотип (Logo)

7 – Фото (Photo)

8 – Изображение (Image)

9 – Кино (Cinema)

10 – Иллюстрация (Illustration)

11 – Ужасы (Horror)

12 – Детализированный (Detailed)

13 – Космос (Space)

14 – Готика (Gothic)

15 – Сюрреализм (Surrealism)

16 – Реализм (Realism)

17 – Фэнтези (Fantasy)

18 – Научная фантастика (Sci-Fi)

19 – Арт-фэнтези (FantasyArt)

20 – Комиксы (ComicBook)

21 – Пиксель-арт (PixelArt)

22 – 3D графика

23 – Линейный рисунок (LineArt)

24 – Оригами (Origami)

25 – Изометрия (Isometric)

26 – Неонпанк (NeonPunk)

27 – Аниме-премиум (PrimeAnime)

28 – Акварель (Watercolor)

29 – Поп-арт (Pop art)

30 – Каваии (Kawaii)

31 – Минимализм (Minimalism)

32 – Ретро футуризм (RetroFutur)

33 – Антиутопия (Dystopian)

34 – Реклама (Advertising)

35 – Ренессанс (Renaissance)

36 – Биомеханика (Biomechanical)

37 – Футуризм (Futuristic)

38 – Арт-деко (Art deco)

39 – Кубизм (Cubism)

40 – Мода (Fashion)

41 – RPG

42 – Диско (Disco)

43 – Архитектура (Architecture)

44 – Роскошь (Luxury)

45 – Кибернетика (Cybernetic)

46 – Ретро-кибер (RetroCyber)

47 – Биокибер (BioCyber)

48 – Сказочный (FairyTale)

49 – Пин-ап (Pin-up)

50 – Сияние (Shining)

51 – Сдвиг цветов (Color shift)

Параметр prompt = '' (обязательный): описывает задание, сформулированное пользователем. Язык описания может быть любым.

Параметр dimensions = '2:3' (необязательный): устанавливает пропорции получаемого изображения. По умолчанию установлено соотношение сторон 1:1 (квадрат). Возможные варианты:

  • 1:1 – квадратное изображение

  • 2:3 – вертикальное изображение

  • 3:2 – горизонтальное изображение

Обратите внимание: по умолчанию нейросеть Sora Images часто генерирует изображения с приглушенными оттенками и недостаточной яркостью. Чтобы устранить такую особенность алгоритма, наши специалисты разработали специальный стиль обработки с названием "Shining", которому присвоен индекс "50". Настоятельно рекомендуем использовать этот стиль по умолчанию при выполнении заданий.

При этом важно сохранить удобство и свободу для пользователей, предоставляя возможность вручную отключать данный стиль в настройках. Опытные пользователи, знакомые с особенностями формирования запросов, смогут таким образом использовать оригинальную версию нейросети и избегать появления изображений с тусклой палитрой без дополнительной корректировки.

Пример успешного ответа при постановке задачи:
['success' => true, 'message' => 'OK', 'results' => ['generation_data' => [ ... ]]], 200


Как подать задание с помощью референсов

Разбираем на примере, как создавать изображения в Sora Images с использованием референсов

curl -X POST https://api.yesai.su/v2/sora/generations

-H "Authorization: Bearer <token>"

-H "Content-Type: application/json"

-d '{

"prompt": "текст вашего промпта на любом языке",

"style":"2,3",

"dimesions":"2:3"

"references_urls":["https://yoururl.com/image1.jpeg","https://yoururl.com/image2.jpeg"]

}'

Параметры:

references_urls = [] (необязательно, массив ссылок на референсные изображения, минимум 1, максимум 10)

В это поле нужно вставлять от 1 до 10 прямых ссылок, ведущих на изображения в форматах jpg, jpeg или png, которые служат референсами для создания изображений нейросетью. Ко всем заданиям также обязательно следует добавлять подробные текстовые описания-промты, поясняющие, какое именно изображение требуется сгенерировать.

Перечень типичных ошибок:

['success' => false, 'message' => 'MODEL_ID_IS_EMPTY'], 400
['success' => false, 'message' => 'MODEL_ID_NOT_VALID'], 400
['success' => false, 'message' => 'ID_IS_EMPTY'], 400
['success' => false, 'message' => 'ID_NOT_VALID'], 400
['success' => false, 'message' => 'TYPE_IS_EMPTY'], 400
['success' => false, 'message' => 'TYPE_NOT_VALID'], 400
['success' => false, 'message' => 'STYLE_IS_EMPTY'], 400
['success' => false, 'message' => 'STYLE_NOT_VALID'], 400
['success' => false, 'message' => 'PROMPT_IS_EMPTY'], 400
['success' => false, 'message' => 'PROMPT_NOT_VALID'], 400
['success' => false, 'message' => 'REFERENCES_URLS_IS_EMPTY'], 400
['success' => false, 'message' => 'REFERENCES_URLS_NOT_VALID'], 400
['success' => false, 'message' => 'DIMENSIONS_IS_EMPTY'], 400
['success' => false, 'message' => 'DIMENSIONS_NOT_VALID'], 400
['success' => false, 'message' => 'UNAUTHORIZED'], 401
['success' => false, 'message' => 'ID_NOT_FOUND'], 404
['success' => false, 'message' => 'USER_HAS_BEEN_BANNED'], 409
['success' => false, 'message' => 'USER_HAS_BEEN_DELETED'], 409
['success' => false, 'message' => 'NOT_ENOUGH_RPOINTS'], 409
['success' => false, 'message' => 'PROMPT_NSFW_WORDS'], 409
['success' => false, 'message' => 'PROMPT_EN_NSFW_WORDS'], 409
['success' => false, 'message' => 'STYLE_LIMIT_EXCEEDED'], 409
['success' => false, 'message' => 'TASK_LIMIT_EXCEEDED'], 409
['success' => false, 'message' => 'TASK_IS_NOT_COMPLETED'], 409
['success' => false, 'message' => 'TOO_MANY_REQUESTS'], 429
['success' => false, 'message' => 'INTERNAL_SERVER_ERROR'], 500


Как получить готовые изображения через Sora Images API?

Когда вы отправляете запрос на генерацию через API Sora Images, сервис возвращает вам индивидуальный идентификатор задания. Именно этот ID используется далее для получения готовых результатов, которыми выступают ссылки на скачивание изображений. Обычно их количество составляет от одной до четырёх ссылок на одно задание.

Специалисты сервиса советуют первый раз проверять готовность генерации не ранее, чем через полминуты после отправки запроса. Ранее этого срока изображения просто не успеют сгенерироваться. Последующие проверки лучше всего проводить с интервалом от 10 до 15 секунд. Это оптимальный промежуток, позволяющий сервису завершить генерацию без лишней нагрузки и обеспечить комфортный пользовательский опыт.

GET https://api.yesai.su/v2/sora/generations/{id}/batch
headers: { Content-Type: application/json, Authorization: Bearer }

Образец запроса, который позволяет проверить статус выполнения задачи с использованием родительского идентификатора (ID).

curl -X GET https://api.yesai.su/v2/sora/generations/{id}/batch

-H "Authorization: Bearer <token>"

-H "Content-Type: application/json"

Параметры:
{id} = 12345 (обязательно, id задания)

Успех:
['success' => true, 'message' => 'OK', 'results' => ['generations_data' => [ ... ]]], 200

Список возможных ошибок:
['success' => false, 'message' => 'ID_IS_EMPTY'], 400
['success' => false, 'message' => 'ID_NOT_VALID'], 400
['success' => false, 'message' => 'UNAUTHORIZED'], 401
['success' => false, 'message' => 'ID_NOT_FOUND'], 404
['success' => false, 'message' => 'USER_HAS_BEEN_BANNED'], 409
['success' => false, 'message' => 'USER_HAS_BEEN_DELETED'], 409
['success' => false, 'message' => 'TOO_MANY_REQUESTS'], 429
['success' => false, 'message' => 'INTERNAL_SERVER_ERROR'], 500

Перечень возможных статусов задания представлен ниже:

  • "status": 0 ("status_description":"in queue"): задание ожидает своей очереди на выполнение. Требуемое действие – ожидание.

  • "status": 1 ("status_description":"in progress"): в данный момент идет работа над заданием. Нужно некоторое время подождать, пока работа не будет завершена.

  • "status": 2 ("status_description":"completed"): задание выполнено успешно. Исходя из этого статуса, вы можете приступать к обработке доступных результатов. По мере их готовности будут появляться новые дочерние задания (примерный временной интервал добавления таких заданий составляет от 3 до 10 секунд).

  • "status": 3 ("status_description":"rejected with error"): задание отклонено из-за возникшей ошибки. В таком случае обязательно ознакомьтесь с подробным комментарием, поясняющим причину, в полях "comment_ru" и "comment_en".

  • "status": 4 ("status_description":"rejected due to timeout"): срок выполнения задания вышел, и оно было автоматически отклонено системой. Рекомендуется повторно отправить задание.


Как разобрать JSON-данные, полученные через API от Sora Images при пакетной генерации (batch) изображений

Рассмотрим конкретный пример ответа API, который возвращается при запросе статуса задания по идентификатору родительского задания.

{
"success": true,// данные успешно получены
"message": "OK",
"results": {
"generations_data": {
"info": {
"count": 4, // количество изображений в задании
"max_id": 457,
"limit_offset": 0,
"limit_count": 20,
"sort_field": "id",
"sort_order": 1,
"id_offset": 2147483647
},
"data": [
{
"id": 454, // id первого задания в пачке (это ID родительского задания)
"user_id": 1234567890, // id пользователя, подавшего задание
"tariff_id": 30, // id тарифа пользователя, подавшего задание, 30 - VIP
"model_id": 1,
"type": 53,
"styles": [], // массив стилей, использованных для генерации изображений
"settings": {
"model_alias": "sora_images",
"sora_dimensions": "1:1",
"sora_references_urls": [
"https://api.yesai.su/tests/face1.jpeg",
"https://api.yesai.su/tests/face2.jpeg"
]
},
"child_ids": [ // список дочерних заданий, от 1 до 3 штук
455,
456,
457
],
"parent_id": 0,
"result_url": "https://yesai.su/files/sora/generations/1234567890_174741769...", ссылка на скачивание первой картинки из пачки заданий
"result_type": "image",
"result_data": {
"image_width": 1024,
"image_height": 1024,
"image_mime_type": "image/png"
},
"comment_ru": "", // комментарий к заданию на русском языке, будет заполнен только при ошибке генерации со статуосм 3
"comment_en": "", // комментарий к заданию на английском языке, будет заполнен только при ошибке генерации со статуосм 3
"accounting": {
"total_cost": 0.7,
"spent_points": 0,
"spent_rpoints": 0.7, // стоимость генерации этого изображения из пачки в монетах, все генерации в Sora Images оцениваются в монетах
"spent_repost_points": 0,
"spent_balance": 0,
"spent_rbalance": 0,
"remaining_points": 1832.87225,
"remaining_rpoints": 9809.445587639999, // остаток монет на балансе заказчика в помент выполнения задания
"remaining_repost_points": 0,
"remaining_balance": 0,
"remaining_rbalance": 22106.49481
},
"language": "",
"prompt": "текст вашего промта", // текст промта, по которому сгенерировано это изображение
"prompt_en": "",
"prompt_language": "",
"status": 2, // статус задания, 2 - успешное выполнение генерации
"status_description": "completed", // текстовое описание статусы задания
"start_at": 1747417691, // время начала выполнения задания в формате Unixtime
"finish_at": 1747417696, // время завершения выполнения задания в формате Unixtime
"created_at": 1747417518, // время подачи задания в формате Unixtime
"updated_at": 1747417792,
"deleted_at": 0
},
{
// здесь будет находиться блок с данными о второй генерации в пачке. Блоки JSON идентичны тем, которые были описаны выше.
},
{
// здесь будет находиться блок с данными о третьей генерации в пачке. Блоки JSON идентичны тем, которые были описаны выше.
},
{
// здесь будет находиться блок с данными о четвертой генерации в пачке. Блоки JSON идентичны тем, которые были описаны выше.
}
]
}
}
}

Если при обращении к API сервиса Sora Images вы получили JSON-ответ, содержащий только одну ссылку в разделе "result_url", это означает, что остальные изображения еще находятся в процессе генерации. Для получения оставшихся ссылок следует выполнять повторные запросы каждые 10–15 секунд. При этом мы рекомендуем ограничиться 7 попытками. Если через 50–70 секунд после первой ссылки новые изображения не появились, значит, нейросеть не смогла создать дополнительные картинки. Аналогично иногда нейросеть может выдать вместо стандартных 4 изображений только 2 или 3.

В случае невозможности выполнения генерации, поле статуса запроса ("status") будет содержать цифру 3, свидетельствующую об ошибке. Тогда важно сообщить клиенту разъяснение причин ошибки, которое представлено в описании блоков "comment_ru" (на русском языке) и "comment_en" (на английском языке). Такой подход позволяет предупредить повторные ошибки, заранее информируя пользователей о потенциальных проблемах.

Наиболее распространенной причиной отказа в генерации является нарушение правил использования сервиса Sora Images. Особенно строго запрещена генерация NSFW-контента ("Not Safe For Work" — неподобающий контент). Для предотвращения блокировки API обязательно уведомите клиентов о запрете отправки подобных запросов. Игнорирование этих рекомендаций может привести к ограничению доступа к API-платформе.


Как происходит обработка заданий на генерацию изображений в Sora Images, отправленных через API Yes Ai?

После того как вы через API отправили запрос на создание изображений в нейросети Sora Images, успешно выполненное задание предоставит вам индивидуальные ссылки. По этим ссылкам вам станут доступны изображения форматов PNG либо JPG. Однако обратите внимание, что данные файлы хранятся на сервере всего 60 минут. Поэтому, не откладывая, сразу скачайте полученные картинки на собственный сервер.

Если у вас возникнут любые дополнительные вопросы, служба технической поддержки оперативно поможет решить их в мессенджере Telegram: @yes_ai_support.

Оригинал инструкции по подключению нейросети Sora Images для генерации изображения через API - ПЕРЕЙТИ

Показать полностью 1
[моё] Чат-бот Искусственный интеллект Нейронные сети Гайд Тестирование Openai Digital Sora API Дизайнер Программа Длиннопост
0
1
Neurosonya
Neurosonya
12 дней назад
Искусственный интеллект
Серия Промпты

Промпт для Оценки производительности сотрудника. Продолжение⁠⁠

Промпт для Оценки производительности сотрудника. Продолжение Развитие, Искусственный интеллект, Будущее, Промпт, Бесплатно, Технологии, PROMT, Полезное, Нейронные сети, Тренд, Чат-бот, ChatGPT, Продуктивность, Трудовые отношения, Сотрудники, Отдел кадров, Работа, Работа HR, Оценка, Тестирование, Длиннопост

https://t.me/NeuralProfit/1666

Продолжение поста Промпт для Оценки производительности сотрудника - начало здесь.

4. Разработать разумные цели для команды

Как эксперт по оценке производительности, разработай цели SMART для команды, работающей в [области]. Эти цели должны быть Конкретными, Измеримыми, Достижимыми, Релевантными и Ограниченными по времени. Убедись, что каждая цель соответствует конкретным потребностям и функциям команды в их области. Цели должны быть четкими и лаконичными, предоставляя дорожную карту для успеха и повышения производительности. Они также должны включать метрики для измерения прогресса и временные рамки для достижения этих целей. Цели должны соответствовать общим целям организации и быть реалистичными, учитывая ресурсы и возможности команды. Кроме того, включи стратегии для мониторинга и периодического обзора этих целей, чтобы гарантировать, что они остаются актуальными и достижимыми.

5. Для сравнения отзывов сотрудников

Выступи в качестве эксперта по оценке производительности. Проведи сравнительный анализ отзывов сотрудников в различных отделах организации. Задача включает сбор, анализ и сравнение данных отзывов от сотрудников для выявления закономерностей, сильных сторон и областей для улучшения. Создай всеобъемлющий отчет, в котором будут выделены основные выводы, предоставлены действенные идеи и рекомендованы стратегии для повышения удовлетворенности и производительности сотрудников. Убедись, что анализ объективен, основан на данных и соответствует передовым практикам в управлении производительностью сотрудников. Окончательный отчет должен быть четким, кратким и полезным для лиц, принимающих решения, при разработке эффективных планов вовлечения и развития сотрудников.

6. Выявление пробелов в навыках в обзоре

Как эксперт по оценке производительности, твоя задача — проанализировать отзыв сотрудника, чтобы выявить пробелы в его навыках. Для этого необходимо тщательно проанализировать содержание отзыва, сосредоточившись на таких областях, как профессиональные компетенции, достижения и области, требующие улучшения. Вам нужно будет указать конкретные навыки или области знаний, в которых сотрудник испытывает недостаток или может их улучшить. Цель состоит в том, чтобы предоставить четкий и действенный список недостатков в навыках, а также рекомендации по программам обучения или развития, которые могут помочь сотруднику улучшить эти навыки.

Подпишитесь на НейроProfit и узнайте, как можно использовать нейросети для бизнеса, учебы и работы, не теряя свое время.

7. Предложить программы обучения какому-либо навыку

Выступи в роли эксперта по оценке производительности. Разработайте предложение по комплексной программе обучения сотрудников для повышения их [навыка]. Программа должна отвечать конкретным потребностям сотрудников, соответствовать целям организации и быть выполнимой с точки зрения ресурсов и времени. Она должна включать в себя сочетание таких методов обучения, как семинары, онлайн-курсы и практические занятия. Убедитесь, что программа имеет четкие цели, сроки и методы оценки прогресса и эффективности. Кроме того, предложите способы постоянного развития и закрепления навыков после обучения.

8. Наметить возможные пути карьерного роста

Твоя задача, как эксперта по оценке производительности, описать возможные карьерные пути для [роль]. Это должно включать в себя всесторонний обзор потенциальных должностей и обязанностей на различных этапах карьеры, от начального уровня до руководящих должностей. Оцени необходимые навыки, квалификацию и опыт, требуемые для продвижения в этой области. Кроме того, предоставь информацию о тенденциях отрасли и будущих перспективах в сфере управления производительностью и о том, как они могут повлиять на возможности карьерного роста и роста.

Изображение сделано в Midjourney. Научиться можно у меня здесь:

Показать полностью 1
[моё] Развитие Искусственный интеллект Будущее Промпт Бесплатно Технологии PROMT Полезное Нейронные сети Тренд Чат-бот ChatGPT Продуктивность Трудовые отношения Сотрудники Отдел кадров Работа Работа HR Оценка Тестирование Длиннопост
0
kznalp
kznalp
12 дней назад
Postgres DBA
Серия СУБД PostgreSQL

Сегодня будет интересный эксперимент по нагрузочному тестированию СУБД PostgreSQL⁠⁠

Как обычно , для развлечения задал вопрос нейросетям :
Как размер тестовой базы данных pgbench влияет на производительность СУБД при проведении нагрузочного тестирования с использованием pgbench в качестве инструмента создания нагрузки ?

Ответ YandexGPT:

При проведении нагрузочного тестирования с использованием pgbench размер тестовой базы данных играет ключевую роль в определении производительности СУБД. Вот основные аспекты, которые следует учитывать:

Инициализация тестовой базы:

Инструмент pgbench позволяет инициализировать тестовую базу с определенным масштабом, используя параметр --scale=количество. Например, --scale=4000 задает базу размером 4000 записей.

Влияние размера базы на производительность:

Больше данных — ниже производительность: Увеличение размера базы данных может привести к снижению производительности, так как большее количество данных требует больше времени на обработку транзакций.

Кэширование: Если база данных помещается в кэш СУБД, операции могут выполняться быстрее за счет уменьшения времени доступа к диску. Однако при превышении объема кэша производительность может значительно упасть.

Внешние ключи и соединения:

При инициализации базы можно использовать параметр --foreign-keys для включения внешних ключей, что усложняет схему данных и может повлиять на время выполнения запросов.

Параметры нагрузки:

Нагрузочное тестирование с pgbench обычно включает циклы нагрузок с переменным числом клиентов (например, 1, 10, 20, 50, 100) в течение заданного времени (например, 600 секунд с параметром -T 600).

Результаты тестирования логируются в отдельные файлы, что позволяет строить графики зависимости показателей (например, транзакций в секунду или средней задержки) от числа клиентов.

Дополнительные метрики:

Помимо основных показателей, таких как TPS (транзакций в секунду), полезно отслеживать среднюю задержку (Latency average), которая показывает время выполнения транзакций.

Автоматизация с pg_perfbench:

Для точного фиксирования всех деталей окружения и результатов тестирования рекомендуется использовать инструмент pg_perfbench. Он автоматизирует сбор системной информации и генерацию отчетов, что упрощает сопоставление и анализ результатов различных тестов.

Таким образом, размер тестовой базы данных существенно влияет на производительность СУБД при нагрузочном тестировании с использованием pgbench. Увеличивая размер базы, можно наблюдать снижение производительности из-за роста времени обработки данных. Важно учитывать все параметры конфигурации и детали окружения для точного анализа и воспроизводимости тестов.


Ответ ChatPPG:

Размер тестовой базы данных может существенно влиять на результаты тестирования с использованием pgbench. Вот несколько ключевых моментов, которые стоит учесть:

1. **Коэффициент масштаба (-s)**:
- Параметр -s (или --scale) позволяет умножить количество строк в таблицах на заданный коэффициент. Например, с ключом -s 100 в таблицу pgbench_accounts будет записано 10 000 000 строк.
- Более крупные базы данных могут потребовать больше времени на выполнение операций вставки, обновления и выборки, что может повлиять на общую производительность и количество транзакций в секунду (TPS).

2. Размер таблиц и индексов:
- Большие таблицы и индексы могут увеличивать время выполнения запросов из-за увеличения времени поиска и обновления данных.
- В больших базах данных могут возникать дополнительные задержки из-за увеличения объема данных, которые нужно обрабатывать.

3. Память и кэширование:
- В больших базах данных может быть меньше данных, которые умещаются в памяти, что приводит к увеличению количества операций ввода-вывода (I/O) и замедлению производительности.
- Кэширование данных в памяти может быть менее эффективным, что также может сказаться на результатах тестирования.

4. Примеры результатов тестирования:
- В документации [pg_stat_statements](https://postgrespro.com/docs/postgresql/15/pgstatstatements#...) приведены примеры результатов тестирования с использованием pgbench. Например, при выполнении 300 транзакций с 10 клиентами можно увидеть, что время выполнения запросов может значительно различаться в зависимости от размера базы данных и количества операций.

Пример команды для инициализации базы данных с коэффициентом масштаба 10:
pgbench -i -s 10 bench


Пример команды для запуска тестирования с 10 клиентами и 300 транзакциями:
pgbench -c 10 -t 300 bench


Таким образом, увеличение размера тестовой базы данных может привести к снижению производительности и количества транзакций в секунду, что важно учитывать при настройке и интерпретации результатов тестирования с использованием pgbench.


Как обычно , в рассуждениях нейросети есть 2 принципиально слабых момента:
1-У нейросети нет результатов экспериментов и никаких фактов , только статистическая обработка текстов документации.
2-Нейросеть , в принципе не способна логически рассуждать , и не знает , что рост размера тестовой базы данных приводит к снижению количества тяжелых блокировок при выполнении update.


P.S. А вот ответ DeepSeek удивил, полнотой ответа и упоминанием влияния конкурентного обновления .


Размер тестовой базы данных в pgbench существенно влияет на производительность СУБД PostgreSQL во время нагрузочного тестирования. Вот основные аспекты этого влияния:

### 1. **Кеширование данных в памяти**
- **Маленькая база**: Если данные полностью помещаются в кеш (например, в `shared_buffers` или оперативной памяти), операции чтения выполняются быстрее, так как минимизируются обращения к диску. Это увеличивает TPS (транзакций в секунду) и снижает задержки.
- **Большая база**: При превышении объема данных над доступной памятью возникают промахи кеша, что приводит к частым чтениям с диска. Это замедляет выполнение запросов, особенно для операций `SELECT`.

### 2. **Конфликты доступа (Contention)**
- **Маленькая база**: Выше вероятность конфликтов при параллельных обновлениях (например, в таблицах `accounts`). Это увеличивает время ожидания блокировок и снижает пропускную способность.
- **Большая база**: Данные распределены по большему числу строк, что снижает конкуренцию за одни и те же записи. Это особенно важно для тестов с высокой долей операций `UPDATE`.

### 3. **Планирование запросов**
- На маленьких базах статистика, собираемая PostgreSQL, может быть недостаточно репрезентативной, что приводит к неоптимальным планам выполнения запросов (например, выбор полного сканирования вместо использования индекса).
- На больших базах оптимизатор чаще выбирает эффективные планы, так как статистика точнее отражает распределение данных.

### 4. **Нагрузка на подсистему ввода-вывода (I/O)**
- При больших размерах базы возрастает нагрузка на диск из-за:
- Чтения данных, не помещающихся в кеш.
- Записи WAL (Write-Ahead Log) и выполнения checkpoint’ов, которые требуют больше времени.
- Это может стать узким местом для write-heavy нагрузок.

### 5. **Эффективность индексов**
- Большие индексы (например, в таблице `accounts`) требуют больше ресурсов для обновления и поиска. Если они не помещаются в память, производительность снижается.

### 6. **Фоновые процессы**
- **Checkpoint**: На больших базах checkpoint’ы выполняются дольше, что может вызывать всплески нагрузки на диск.
- **Autovacuum**: Чаще срабатывает на больших базах, конкурируя с рабочими транзакциями за ресурсы.

### Примеры сценариев
- **Read-only тесты**:
- Маленькая база: Высокий TPS из-за кеширования.
- Большая база: Снижение TPS, если данные не помещаются в память.
- **Write-heavy тесты**:
- Маленькая база: Риск contention и частые блокировки.
- Большая база: Меньше конфликтов, но выше нагрузка на WAL и диск.

### Рекомендации
- Выбирайте размер базы, сопоставимый с реальными данными, чтобы тесты отражали эксплуатационные условия.
- Для тестирования предельной производительности в идеальных условиях используйте базу, которая помещается в память.
- Чтобы оценить работу с диском, задайте размер базы, превышающий доступную память.
- Увеличивайте масштабный фактор (`-s`) постепенно, анализируя, как меняется производительность.

### Заключение
Оптимальный размер тестовой базы зависит от целей тестирования. Для оценки максимальной производительности подходит маленькая база, а для имитации реальной нагрузки — база, сопоставимая с продакшеном по объему и структуре.

Показать полностью
[моё] Postgresql Нейронные сети Тестирование Длиннопост
0
2
Ratingus
Ratingus
12 дней назад

Генерация тестов и квизов с нейросетью — создание заданий в автоматическом режиме⁠⁠

Создавайте тесты, квизы и учебные задания с помощью нейросетей — быстро, точно и без лишней работы. Узнайте, как автоматическая генерация вопросов помогает преподавателям, студентам и разработчикам обучающих платформ.

Генерация тестов и квизов с нейросетью — создание заданий в автоматическом режиме Чат-бот, ChatGPT, Искусственный интеллект, Тестирование, Длиннопост

Создание тестов, викторин и заданий — трудоёмкий процесс, особенно когда нужно охватить большой объём тем или сделать материал разнообразным и интересным. В условиях нехватки времени всё чаще на помощь приходят нейросети. Среди таких инструментов стоит отметить ruGPT.io — бесплатный онлайн-сервис, который позволяет автоматически генерировать качественные тестовые задания, адаптированные под любые нужды: от школьного образования до корпоративного обучения.


ruGPT.io

Генерация тестов и квизов с нейросетью — создание заданий в автоматическом режиме Чат-бот, ChatGPT, Искусственный интеллект, Тестирование, Длиннопост

ruGPT — это универсальная платформа-агрегатор, объединяющая современные нейросети для работы с текстом, кодом, изображениями и информацией. Сервис идеально подойдёт для бизнеса, образования и творчества, предоставляя в одном месте доступ к мощным ИИ-инструментам. В числе текстовых моделей — GPT-4o, Claude 3.5 и 3.7, DeepSeek, Grok и другие. Для генерации изображений доступны нейросети DALL·E 3 и Flux, что позволяет создавать оригинальные визуальные материалы по описанию. ruGPT — это интеллектуальный инструмент нового поколения для решения широкого круга задач.

✅Преимущества:

  • Без необходимости VPN — работает по всему миру без ограничений.

  • Бесплатный режим — тексты и изображения можно создавать без оплаты (в рамках лимитов).

  • Телеграм-бот — ИИ-помощник прямо в вашем мессенджере.

  • Мгновенный отклик — результаты появляются за считанные секунды.

  • Интуитивный интерфейс — не требует навыков или подготовки.

  • Гибкие тарифные планы — от бесплатной версии до расширенных функций.

  • Поддержка на русском — полностью адаптирован и отвечает на русском языке.

🌟Возможности:

  • Создание и редактирование текстов — написание статей, рерайт, корректура, улучшение оригинальности и стиля.

  • Генерация визуального контента — изображения по описанию с помощью DALL·E 3 и Flux: от иллюстраций до концепт-арта.

  • Программирование и код — помощь в написании, анализе и обучении программированию.

  • Учебная помощь — генерация рефератов, эссе, курсовых, тестов и домашней работы.

  • Контент для соцсетей — тексты, заголовки, креативы и изображения для постов и сторис.

  • Анализ информации — обработка больших текстов, поиск логики и структурирование данных.

➡️Ссылка на нейросеть: https://rugpt.io/


📌 Почему автоматизация тестов и заданий больше не роскошь, а необходимость

Разработка учебных заданий требует внимания, времени и глубокого понимания темы. А если вы создаёте десятки тестов по разным модулям или предметам — нагрузка становится колоссальной. В таких условиях автоматизация перестаёт быть дополнением и превращается в ключевой элемент работы.

📍 Вот что влияет на спрос на генерацию заданий:

  • Онлайн-формат обучения стал нормой.
    Курсы, тренажёры, тестовые платформы — всё это требует постоянного потока свежих заданий.

  • Обновление учебных программ.
    Учебные стандарты и контент быстро устаревают — нужно адаптироваться под новые формулировки и концепции.

  • Рост индивидуализации.
    Требуется подбирать задания под конкретного ученика, уровень знаний, цели — это требует множества уникальных вариантов.

  • Ограниченность ресурсов.
    Не всегда есть возможность задействовать методистов, редакторов или авторов контента — особенно в малых проектах и стартапах.

В итоге всё сводится к одному: чем быстрее и гибче создаётся контент, тем конкурентоспособнее и эффективнее образовательный продукт.


🤖 Как нейросети создают задания: от текста до смысла

Чтобы понять, почему нейросеть подходит для генерации тестов, нужно взглянуть на принципы её работы. ИИ не просто берёт шаблон и меняет слова. Он формирует вопрос, опираясь на знания, структуру и логику заданной темы.

Что происходит под капотом?

  • Анализ темы.
    Модель «понимает» ключевые понятия и их взаимосвязи, формирует на их основе логически связанные утверждения.

  • Генерация вариативности.
    Даже при одной и той же теме можно получить десятки вариантов формулировок — это особенно важно для проверки на списывание и запоминание.

  • Подбор формата.
    Возможность создавать:

    • тесты с единственным или множественным выбором ответа;

    • задания на установление соответствий;

    • открытые вопросы и кейсы;

    • задания с пояснением правильного ответа.

  • Стилизация под аудиторию.
    Тот же вопрос может быть адаптирован:

    • для ученика 8 класса;

    • для студента вуза;

    • для стажёра в компании.

ИИ анализирует тему, структуру теста, тип вопросов — и предлагает формулировки, которые «звучат естественно», как если бы их составлял преподаватель.


✅ Преимущества нейросетевого подхода к генерации тестов

Когда речь заходит об автоматизации, главное — не просто быстро, а качественно и удобно. В этом контексте нейросети дают очевидные плюсы, которые уже сегодня используют преподаватели и создатели курсов.

Основные преимущества:

  • Скорость.
    Получить 10–20 заданий по теме можно за секунды. Без долгого поиска, редактирования и вычитывания.

  • Гибкость.
    Возможность адаптировать задания по:

    • сложности;

    • целевой аудитории;

    • теме;

    • типу вопроса.

  • Разнообразие.
    Исключается повторяемость формулировок, что важно при регулярной проверке знаний и антисписывании.

  • Оригинальность.
    Генерация не опирается на базы готовых тестов, поэтому вы получаете уникальный материал, а не пересказ учебника.

  • Возможность масштабирования.
    Идеально подходит для платформ, где нужно создать сотни и тысячи заданий без ручной доработки.

📍 Сервис ruGPT.io позволяет бесплатно и без ограничений создавать задания на русском языке. Благодаря интерфейсу и настройке параметров, платформа подходит как преподавателям, так и создателям обучающих приложений, стартапов и онлайн-школ.


📚 Сферы применения: где такие задания особенно полезны

Генерация тестов и заданий нейросетью — это не только про школы. Применение гораздо шире, и почти везде эффект один: ускорение, снижение затрат и рост качества контента.

📌 Где уже используют генерацию:

  • В школах и колледжах.
    Для домашних заданий, тренажёров, подготовки к ОГЭ/ЕГЭ и олимпиадам.

  • В университетах.
    При разработке рабочих программ, экзаменационных билетов и модульных проверок.

  • На онлайн-курсах.
    В тестовых модулях, в интерактивных блоках и в курсах с автоматической проверкой.

  • В корпоративном обучении.
    Для HR-тестов, onboarding-систем, оценки знаний сотрудников.

  • Для репетиторов и частных преподавателей.
    Чтобы оперативно подбирать задания на основе темы текущего занятия.

  • В мобильных обучающих приложениях.
    Где нужно масштабировать контент без больших затрат и адаптировать под алгоритмы.

Автоматизация генерации заданий помогает в любой системе, где важны скорость, индивидуализация и частое обновление контента.


🎯 Настройка и кастомизация: как получить нужные задания под свою тему

Один из ключевых плюсов нейросетей — возможность тонкой настройки генерации под конкретные задачи. Это особенно важно, когда нужен не просто «любой» тест, а материал, строго соответствующий целям обучения и уровню аудитории.

🛠️ Какие параметры можно задавать:

  • Тематика и ключевые понятия.
    Уточнение темы (например: «электромагнитные волны», «финансовая грамотность») помогает нейросети сфокусироваться и создать вопросы, соответствующие содержанию.

  • Уровень сложности.
    Нейросеть может адаптировать язык и структуру под:

    • начальный уровень (для школьников, новичков);

    • средний уровень (вузовская база, курсы);

    • продвинутый (экспертные формулировки, глубокие связи).

  • Формат вопроса.
    Можно выбрать, какие задания нужны:

    • с одним правильным ответом;

    • с множественным выбором;

    • на соответствие;

    • открытые (эссе, объяснение);

    • ситуационные кейсы.

  • Объём генерации.
    Задать количество вопросов, длину формулировки, наличие пояснений или правильных ответов.


🧐 Как проверить и доработать полученные задания

Несмотря на высокое качество генерации, человеческий контроль остаётся важным этапом. Особенно, если задания планируется использовать в официальных экзаменах или публикациях.

✔️ Что стоит проверить вручную:

  • Корректность формулировок.
    Убедитесь, что вопрос звучит логично и не содержит двусмысленностей.

  • Правильность ответов.
    Внимательно проверьте предложенные варианты, особенно если это предметы с точными науками или юридическими терминами.

  • Адекватность уровня.
    Если аудитория — школьники, а вопросы требуют вузовского уровня, стоит отредактировать.

  • Отсутствие повторов.
    Хотя нейросеть стремится к разнообразию, при больших объёмах могут быть схожие формулировки.

Рекомендуется проверять выборку из 10–15% заданий вручную. Если они корректны — остальной материал, скорее всего, тоже на уровне.

Также полезно «играть» с настройками генерации, чтобы находить оптимальный стиль и структуру именно под свою задачу.


🧩 Советы по эффективному использованию генератора тестов

Чтобы получать от нейросетевого генератора максимум, важно не просто вводить темы, а работать с ним как с инструментом, понимая его сильные стороны.

🧠 Полезные приёмы:

  1. Давайте конкретные указания.
    Чем точнее формулировка запроса — тем релевантнее результат.

  2. Используйте ключевые слова.
    Уточняйте термины, которые вы хотите видеть в вопросах:

    Пример: не просто «программирование», а «основы ООП в JavaScript»

  3. Генерируйте несколько вариантов.
    Повторная генерация даёт разные формулировки — можно выбрать лучшее.

  4. Сохраняйте удачные результаты.
    Создайте собственную базу вопросов, которую можно обновлять и дополнять.

  5. Создавайте шаблоны.
    Например:

    «Создай 5 вопросов по биологии 10 класса с выбором одного верного ответа и объяснением»

Использование этих подходов делает взаимодействие с нейросетью более продуктивным и предсказуемым.


🤝 Этические и методические аспекты использования ИИ в образовании

Интеграция ИИ в учебный процесс открывает множество возможностей, но также требует ответственного подхода.

💬 Важно помнить:

  • ИИ — это помощник, а не замена.
    Он помогает быстро создать основу, но её наполнение, методическое сопровождение и педагогический смысл — за человеком.

  • Нейросеть не должна подменять мышление.
    Ученики и преподаватели должны понимать, как работают механизмы заданий, а не просто копировать ответы.

  • Справедливость и индивидуальный подход.
    Автоматизация должна учитывать потребности учащихся с разным уровнем подготовки, не сводя всё к универсальному шаблону.

  • Прозрачность использования.
    Важно, чтобы студенты понимали, какие задания созданы ИИ, а какие — преподавателем. Это формирует доверие и честное отношение к обучению.

Когда ИИ используется с умом, он становится не просто инструментом автоматизации, а настоящим партнёром в образовании.


Заключение

Создание тестов и заданий больше не требует часов ручного труда. Благодаря нейросетям этот процесс становится быстрым, гибким и масштабируемым. Интеллектуальные системы не только ускоряют работу, но и помогают сделать контент разнообразным, уникальным и адаптированным под аудиторию. Главное — не забывать, что качество образования всегда начинается с цели, а технологии лишь помогают её достичь.

Показать полностью 2
Чат-бот ChatGPT Искусственный интеллект Тестирование Длиннопост
0
12
TechSavvyZone
TechSavvyZone
13 дней назад

Технологии : "Голосовой помощник" Распознавание речи⁠⁠

Технологии : "Голосовой помощник" Распознавание речи Технологии, IT, Компьютерное железо, Компьютер, Инженер, Искусственный интеллект, Голосовой помощник, Голосовое управление, Звук, Распознавание голоса, Тестирование, Программа, Длиннопост

За последнее десятилетие распознавание голоса сделало огромный рывок. Гаджеты без особого труда понимают самые сложные фразы и предложения независимо от акцента и артикуляции. Как это им удается?

Обработка звука

Попытки распознавания голосовых команд предпринимались еще с середины прошлого века. И уже тогда было ясно, что перед распознаванием запись голоса следует обработать. Одни люди говорят громче, другие — тише. Также в реальных условиях всегда есть посторонние шумы, не имеющие отношения к человеческой речи. И отдать запись на распознавание «как есть» — только запутать ситуацию и увеличить вероятность ошибок. В чем же состоит обработка звука?

Оцифровка
Звук — это волны. С микрофона он идет в виде аналогового сигнала, а компьютеры с аналоговыми данными работать не умеют. Звук надо оцифровать. Для этого используются АЦП — аналого-цифровые преобразователи. На выходе АЦП звук преобразовывается в цифровой массив. При частоте дискретизации 44 кГц одна секунда звука превращается в 44000 чисел.

Фильтрация
Фильтрация заключается в отсеивании всех частот, не относящихся к человеческому голосу. Это довольно узкий диапазон, лежащий в пределах 75–500 Гц. Слышимый человеком диапазон звуков намного шире — 20–20000 Гц. В таком (или близком) диапазоне выдают сигнал большинство микрофонов. Так что фильтрация позволяет отсеять 97,5 % ненужной информации. Это намного ускоряет дальнейшую обработку сигнала.

Фильтрация может производиться и до оцифровки — с помощью аналоговых фильтров. Но цифровой метод надежнее.

Нормализация
Нормализация нужна, чтобы устранить влияние громкости звука на результат. Слабый сигнал усиливается. Сильный, наоборот, ослабляется. Итоговый сигнал имеет примерно одинаковую амплитуду для всех записей звука — как громких, так и тихих.

Распознавание методами математического анализа

До развития ИИ алгоритмы распознавания звука часто работали прямо со звуковым сигналом. Вот такого вида:

Технологии : "Голосовой помощник" Распознавание речи Технологии, IT, Компьютерное железо, Компьютер, Инженер, Искусственный интеллект, Голосовой помощник, Голосовое управление, Звук, Распознавание голоса, Тестирование, Программа, Длиннопост

Для распознавания текста использовались различные методы математического анализа. Например, в базе данных сохранялись эталонные записи команд, и каждая новая запись сравнивалась с ними с помощью корреляционного анализа. Это позволяло легко найти среди эталонов наиболее подходящий и выполнить соответствующую команду. Способ хорошо работал с отдельными командами, представляющими собой неизменное слово или фразу. А вот с распознаванием обычной речи все было хуже.

Распознавание с помощью нейросетей

Нейросети работают примерно так же, как и человеческий мозг. Они хорошо выявляют качественные признаки и не очень хорошо — количественные. Человек с первого взгляда отличит кошку от собаки, а вот кучку из 50 спичек от кучки из 49 — вряд ли даже с десятого. И вот здесь с распознаванием голоса на основе цифрового сигнала возникают сложности.

Вот три записи. Среди них — два слова «собака», произнесенные разными голосами и одно слово «забота».

Технологии : "Голосовой помощник" Распознавание речи Технологии, IT, Компьютерное железо, Компьютер, Инженер, Искусственный интеллект, Голосовой помощник, Голосовое управление, Звук, Распознавание голоса, Тестирование, Программа, Длиннопост

Задача выглядит несложной. Конечно же, второй и третий паттерны намного более похожи друг на друга, чем первый и второй или первый и третий. А значит — первый паттерн — «забота», а второй и третий — «собака»?

Нет. «Собака» — первый и третий. «Забота» — второй. Почему так? Потому что на записи мы в первую очередь обращаем внимание на амплитуды сигналов. Но это — всего лишь громкость. Смысловую нагрузку несет частота сигнала, а вот ее с первого взгляда на записи не видно. И со второго не видно. И вообще не видно до тех пор, пока вы не измерите расстояние между соседними пиками на графике.

Впрочем, решение этой задачи найдено давно — частотный анализ. Возьмем кусочек записи и посчитаем, с какой громкостью на нем звучит каждая частота. И изобразим это в виде графика.

Технологии : "Голосовой помощник" Распознавание речи Технологии, IT, Компьютерное железо, Компьютер, Инженер, Искусственный интеллект, Голосовой помощник, Голосовое управление, Звук, Распознавание голоса, Тестирование, Программа, Длиннопост

Но такой график — все еще сложная для восприятия штука. А раз она сложна нам, то и нейросетям она тоже не понравится. Поэтому громкость изобразим в виде цвета. Теперь каждая запись предстает в таком виде:

«Собака»

Технологии : "Голосовой помощник" Распознавание речи Технологии, IT, Компьютерное железо, Компьютер, Инженер, Искусственный интеллект, Голосовой помощник, Голосовое управление, Звук, Распознавание голоса, Тестирование, Программа, Длиннопост

«Собака»

Технологии : "Голосовой помощник" Распознавание речи Технологии, IT, Компьютерное железо, Компьютер, Инженер, Искусственный интеллект, Голосовой помощник, Голосовое управление, Звук, Распознавание голоса, Тестирование, Программа, Длиннопост

«Забота»

Технологии : "Голосовой помощник" Распознавание речи Технологии, IT, Компьютерное железо, Компьютер, Инженер, Искусственный интеллект, Голосовой помощник, Голосовое управление, Звук, Распознавание голоса, Тестирование, Программа, Длиннопост

Не правда ли, все стало проще? Нейросетям — тоже. С этими картинками уже вполне можно использовать те же алгоритмы, что позволяют нейросетям обнаруживать на фотографии лица или разбираться в дорожной обстановке.

Более того, такое представление записи позволяет искать не слова, а отдельные фонемы. Фонемы — это элементы, из которых состоит человеческая речь. В разных языках они разные, но их немного. В русском языке, например, их 42 (по некоторым исследованиям больше — 46–48).

Фонемы — это не то же, что и буквы. В разных словах одним и тем же буквам могут соответствовать разные фонемы. Но, распознав все фонемы, уже можно легко собрать из них слово.

Дальнейшая работа с распознанным текстом

Итак, благодаря нейросети мы смогли преобразовать запись голоса в осмысленный текст. Но ведь голосовой помощник на этом не останавливается. Он как-то понимает этот текст и осмысленно на него отвечает. Как это делается? Во-первых, текст токенизируется. Из него выделяются отдельные токены — смысловые единицы. Токенами могут быть слова, их сочетания и целые фразы — это зависит от модели нейросети и ее целей. В голосовых помощниках это обычно слова и пунктуационные знаки. Дальше токены текста проходят через эмбеддинг — каждому токену сопоставляется некий смысловой вектор в N-мерном пространстве. Например, один из простейших методов эмбеддинга предполагает использование двумерного массива:

Технологии : "Голосовой помощник" Распознавание речи Технологии, IT, Компьютерное железо, Компьютер, Инженер, Искусственный интеллект, Голосовой помощник, Голосовое управление, Звук, Распознавание голоса, Тестирование, Программа, Длиннопост

Так, после эмбеддинга токен «Корова» получит вектор [-,100,0,10,100]. Теперь, приняв набор токенов «Луг, Молоко», нейросеть предположит, что речь идет о корове.

Eще, сравнивая токен «Корова» с другими токенами своего словаря, нейросеть заметит сходство вектора только с одним вариантом — соответствующим токену «Птица». Мы понимаем, что это произошло потому, что птица — тоже животное, и она тоже может обитать на лугу. В данной простейшей модели нейросеть не знает таких терминов, как «животное» и «обитать». Но это не мешает прийти ей к тому же выводу, что и человек.

Очевидно, что эффективность нейросети очень сильно зависит от размеров словаря и от правильности заполнения соответствующей матрицы. Это делается с помощью методов машинного обучения на больших массивах реальных данных. Нейросеть просматривает различные тексты и заполняет словарь на основе встречающихся слов. Например, несколько раз встретив в одном предложении слова «Корова» и «Луг», она увеличит число, стоящее на пересечении соответствующих столбцов и строк.

Теперь, когда каждому слову сопоставлен какой-то смысл, нейросеть может определить, что хотел от нее пользователь. Для этого запрос пропускается через семантический теггер, который определяет семантическую функцию каждого токена. Например, при запросе «Кто на лугу?» нейросеть по токенам «Кто» и «?» поймет, что ей задали вопрос. А «луг» она определит как основную информацию запроса и, сопоставив вектор соответствующего токена с остальными, выдаст ответ: «Корова».

Но чтобы поддерживать разговор, умения отвечать на вопросы мало. Нужно оставаться в контексте беседы, и голосовым помощникам это удается. Для этого используются рекуррентные нейронные сети. Такие сети содержат рекуррентные слои, кроме обычных выходов имеющие дополнительный выход для следующего просчета.

Технологии : "Голосовой помощник" Распознавание речи Технологии, IT, Компьютерное железо, Компьютер, Инженер, Искусственный интеллект, Голосовой помощник, Голосовое управление, Звук, Распознавание голоса, Тестирование, Программа, Длиннопост

Вывод

Голосовые помощники могут вести с нами полноценный разговор и выглядеть при этом вполне разумными собеседниками. Но это иллюзия. Нейросети способны выдавать грамотные, разумные и взвешенные ответы, совершенно не понимая сути вопроса. Весь секрет — в современных технологиях и в обширной базе знаний в виде книг и изображений, хранящихся в сети Интернет.

Обучение нейросети требует немалых вычислительных ресурсов, а под словари и базы данных нужны целые массивы накопителей. Поэтому большинство голосовых помощников «живет» на серверах в дата-центрах. Общение же с пользователями происходит через Интернет. Именно поэтому полный функционал умных колонок доступен только при их подключении к Интернету.

Показать полностью 8
Технологии IT Компьютерное железо Компьютер Инженер Искусственный интеллект Голосовой помощник Голосовое управление Звук Распознавание голоса Тестирование Программа Длиннопост
0
technary.net
technary.net
13 дней назад

Добавили еще один технический словарь⁠⁠

Добавили еще один технический словарь Инженер, Промышленность, Стартап, IT, Технологии, Словарь, Производство, Развитие, Тестирование

Здравствуйте!

Совсем скоро выйдет большое обновление приложения, и у нас накопилось много новостей, которыми мы обязательно с вами поделимся.

А пока можем рассказать только одно: мы добавили ещё один технический словарь — теперь с терминами по станочному оборудованию и столярному делу.

Вот некоторые определения из нового словаря, а также интересные факты:

Болванка — заготовка для токарного станка.

Интересный факт:

Слово «болванка» пришло в технику из разговорного языка — так называли деревянные заготовки для скульптурных работ. А в металлургии болванкой называют также массивные заготовки для последующей обработки прокаткой или ковкой.

Долото — инструмент для выдалбливания в древесине гнёзд, проушин и различных углублений прямоугольной формы. По сравнению со стамеской более массивно, имеет меньший угол заострения.

Интересный факт:

Долото использовалось ещё в Древнем Египте: археологи находят бронзовые долота в гробницах мастеров. Современные формы долота почти не изменились за тысячи лет — настолько удачной оказалась конструкция.

Луб — волокнистая внутренняя часть коры липы или других деревьев.

Интересный факт:

Из луба липы наши предки делали лапти, верёвки и даже ткань. Лубяные изделия отличались прочностью и лёгкостью, а также сохраняли форму даже при намокании.

Патрон кулачковый – принадлежность токарного станка, имеющего 3— 4 кулачка, которые при помощи ключа сдвигаются к центру и зажимают заготовку. Патрон навёртывается на резьбовой конец шпинделя передней бабки станка.

Интересный факт:

Первые токарные патроны с самоцентрирующимися кулачками были разработаны в XIX веке. Они стали прорывом в точной механике, ускорив обработку деталей в несколько раз и значительно повысив безопасность работы.

Полуфуганок — строгальный деревообрабатывающий инструмент с колодкой длиной до 500 мм. Предназначен для точного выстрагивания поверхности.

Интересный факт:

Мастера выбирают длину фуганка в зависимости от характера работы: полуфуганок идеален для средней точности, а длинный фуганок — для абсолютно ровной поверхности. Считается, что хороший плотник может определить качество выстроганной поверхности «на слух».

Резец — обычно стальной брусок прямоугольного, квадратного или круглого сечения, режущая часть которого имеет определенную геометрическую форму и углы. Состоит из головки (несущей режущую часть) и тела (державки).

Интересный факт:

Форма резца и угол заточки напрямую влияют не только на точность, но и на срок службы инструмента. В токарных школах ученики традиционно учатся неделями только правильно затачивать резцы, прежде чем допустят их к станку.

С уважение команда, Technary.net

Показать полностью
[моё] Инженер Промышленность Стартап IT Технологии Словарь Производство Развитие Тестирование
0
2
Neurosonya
Neurosonya
13 дней назад
Серия Полезность

Полезные помощники для изучения иностранных языков⁠⁠

Полезные помощники для изучения иностранных языков Приложение, Тестирование, Искусственный интеллект, Программа, Бесплатно, Образование, Английский язык, Иностранные языки, Репетитор, Технологии, Помощь, Тренд, Будущее, Школа, Универ, Учеба, Студенты, Школьники, Обучение, Учитель

https://t.me/NeuralProfit/1664

Сейчас форсится приложение для изучения английского ReWord, кстати, очень неплохое. Но оно не бесплатное, а условно-бесплатное, так как основная функция - учить слова,- ограничена.

Вы можете учить не более 5 слов в день. При этом повторение уже изученных слов доступно в неограниченном количестве. Приложение недорогое, платную версию можно купить навсегда всего за несколько сотен рублей.

Но вот вам приложения для изучения языка, которые не ограничивают количество слов, которые можно добавить бесплатно:

1) Anki

  • Ограничений на количество добавляемых слов в бесплатной версии нет. Вы можете создавать неограниченное количество карточек и серий карточек для изучения любых языков.

  • Приложение абсолютно бесплатно на Windows и Mac, Android и в веб-версии. На iOS приложение платное около $25. Эта покупка поддерживает разработку проекта.

  • Главное преимущество — гибкость и настройка под любые нужды, но интерфейс может показаться сложным новичкам.

2) Quizlet

  • Бесплатно позволяет создавать карточки и наборы слов

  • Режимы: «Карточки», «Сопоставление», ограниченный доступ к «Учить» и «Тест».

  • Поиск и использование чужих наборов.

  • Возможность синхронизации между устройствами.

  • Использование на всех платформах:  iOs, Android, веб-версия

Ограничения:

-- Нет доступа к полным режимам "Учить", "Тест" и "Письмо"

-- Нельзя загружать собственные изображения и аудио — только текст и базовое форматирование.

-- Нет офлайн-доступа (для оффлайн-режима нужна подписка).

Другие сервисы для иностранного языка я перечислила со своими обзорами в этом посте

Больше полезных нейросетей и поддержка в Закрытом клубе НейроУчеба

Показать полностью
[моё] Приложение Тестирование Искусственный интеллект Программа Бесплатно Образование Английский язык Иностранные языки Репетитор Технологии Помощь Тренд Будущее Школа Универ Учеба Студенты Школьники Обучение Учитель
0
Посты не найдены
О Нас
О Пикабу
Контакты
Реклама
Сообщить об ошибке
Сообщить о нарушении законодательства
Отзывы и предложения
Новости Пикабу
RSS
Информация
Помощь
Кодекс Пикабу
Награды
Команда Пикабу
Бан-лист
Конфиденциальность
Правила соцсети
О рекомендациях
Наши проекты
Блоги
Работа
Промокоды
Игры
Скидки
Курсы
Зал славы
Mobile
Мобильное приложение
Партнёры
Промокоды Biggeek
Промокоды Маркет Деливери
Промокоды Яндекс Путешествия
Промокоды М.Видео
Промокоды в Ленте Онлайн
Промокоды Тефаль
Промокоды Сбермаркет
Промокоды Спортмастер
Постила
Футбол сегодня
На информационном ресурсе Pikabu.ru применяются рекомендательные технологии