Мы тут уже больше года с @rayslava ходим на уроки японского. Вы это уже, конечно, знаете если слушали наш подкаст и читали нас.

Первые пару месяцев я вёл конспекты в тетрадочке, но в итоге перестал потому что:

• не успеваю записывать и одновременно воспринимать полноценно то, что на экране
• потом искать по тетрадочке с её разрастанием становится мягко говоря неудобно - была несколько раз ситуация когда я хотел найти нужное слово или форму, но на её поиск требовалось больше времени чем поиск в интернете или обращение к LLM

А недавно я всё-таки решил вернуться к конспектам, но уже по-новому.

Теперь у меня есть скриптик, который делает слудующее:

• получает от меня имя файла с записью занятия (которую я делаю в OBS)
• с ffmpeg вынимает аудио
• с ffmpeg делает скриншоты картинки раз в 15 секунд
• скармливает аудио занятия whisper.cpp:main-vulkan (предварительно скачав с HuggingFace нужную модельку если её нет)
• упаковывает субтитры, аудио и скриншоты в тарбол
• я отдаю тарбол ChatGPT с заранее написанным промптом и получаю на выходе:
  • Markdown (Obsidian)
  • EPUB (e-Ink читалка)
  • PDF (десктоп)

Несмотря на дикие лулзы, которые творит Whisper на смешанной речи записанной из удалённого урока, работает на удивление годно и уже помогало мне готовиться к урокам и при выполнении домашнего задания.

P.S. В появлении этого поста вините @rayslava

#LLM #ML #AI #study #Japanese #log #workflow #automation #thoughts #pic #whisper #FFMPEG #ChatGPT #STT #ASR #pipeline #language

Что перестаёт работать в тестировании, когда приходит LLM

13 лет я тестировала софт, где у бага был адрес: шаг 1, шаг 2, ожидаемый результат, фактический. Нажал — получил. Нажал ещё раз — получил то же самое. А пару лет назад я начала тестировать продукты на LLM. И почти всё, на чём держится классический QA, перестало работать. Не «усложнилось» — перестало работать как метод. Ниже — где именно ломается, по пунктам. Если вы тестировщик и заходите в AI, это ваша новая реальность.

https://habr.com/ru/articles/1049482/

#llm #qa #qa_lead #aiагенты #stt #tts #chatbot #evals #llm_testing

Speech-to-text has come a long way since I first used it in 2011.

I am using a model called Parakeet V3 shipped as part of the desktop app called Handy.

https://handy.computer/

It is the fastest and most accurate dictation tool I've ever used.

Wrote a whole page of documentation using it today.

(Still had to do find/replace to convert groups of words into one PascalCase word.)

#STT #Dictation

Updated the readme on : Whipser Small Kabyle :)

https://huggingface.co/boffire/whisper-small-kabyle

#Kabyle #STT

AI Speech Technologies

This page is a collection of notes and links related to AI speech technologies, including Text-to-Speech (TTS), Speech-to-Text (STT), voice synthesis, voice cloning, and other rela(...)

#ai #cloning #speech #stt #synthesis #tts #voice #whisper

https://taoofmac.com/space/ai/speech?utm_content=atom&utm_source=mastodon&utm_medium=social

AI Speech Technologies

This page is a collection of notes and links related to AI speech technologies, including Text-to-Speech (TTS), Speech-to-Text (STT), voice synthesis, voice cloning, and other rela(...)

#ai #cloning #speech #stt #synthesis #tts #voice #whisper

https://taoofmac.com/space/ai/speech?utm_content=atom&utm_source=mastodon&utm_medium=social

Schwerpunkt 1
Lokales Speech to Text in Linux Mint einrichten: Auf Knopfdruck (beliebiger Shortkey) das Diktat starten & beenden, in jeder beliebigen Anwendung. Keine Cloud, kein mithörender Datenkrake, nur 4-6 GB im RAM.

Schwerpunkt 2
Wie mir KI (GPT) geholfen hat, das alles hinzubekommen, inkl. kompletter Projektdokumentation.

https://blog.derbrumme.de/lokales-speech-to-text-in-linux-mint-einrichten/

#Linux #OpenSource #SpeechToText #STT #Vosk #Privacy #SelfHosting #KI #AI #NerdDictation