разработка

Данный пост создан исключительно с целью продемонстрировать, что реактор может иметь встроенный баянометр приемлемой функциональности без существенных затрат на его реализацию и сервера. Он ни в коем случае не пытается бросить тень на существующий баянометр от ExtraDj - вполне возможно его баянометр в сто раз круче (я не знаю).

Я совсем недавно начал создавать посты на реакторе, но уже успел ощутить всю проблематику поиска повторяющегося контента на этом ресурсе. И задумался о том, как много времени реактор мог бы сэкономить постерам, имей он встроенный баянометр. Сколько человек не смогли преодолеть сложности размещения контента на реакторе и сколько перестали это делать из-за большого количества времени, которое на это требуется (сужу исключительно по себе). 

А недавно ещё и получил разрешение от Вождя. Что ж, доступа к коду сайта и базе у меня нет. Выкачивать весь его контент, чтобы собрать отдельный баянометр я особо желанием не горю. Но могу, по крайней мере, разобраться в ситуации и продемонстрировать Proof of concept.

Я дотнетчик по большей части, поэтому технологии используются соответствующие. Вряд ли технологии, которые используются реактором, имеют какие-то существенные ограничения чтобы справиться с этой задачей.

Итак. Перцептивный хэш - похоже, то, что нам нужно. Проблема распространенная, поэтому сразу же нашлась библиотека, которая этот хэш считает - по крайней мере эту рутину писать не придётся. Как будто мы ещё ничего не сделали, а решение уже готово. Протестируем.

Первый кадр из видео. Разрешение 720х1280 против 320х568.

AverageHash и PerceptualHash - абсолютно одинаковые цифры. А это значит, что если вы сохраните этот хэш в БД рядом с картинкой, вы легко сможете достать по нему запись о картинке. Похоже баянометр в простейшем виде уже готов.

Извлечение данных. Т.к. некоторые реакторчане ссылались на проблему поиска в большом количестве данных, нужно протестировать и это. Приблизительно 7000000 картинок есть на реакторе. Возьмём MS Sql server. Создадим таблицу с 7000000 записей со случайными цифрами в качестве хэша. Чтобы всё было по-честному:

Изменим одно из значение на реальный хэш с картинки выше. И посмотрим сколько надо времени чтобы её найти.

По-моему проблем тут нет.

Дальше. Что если картинка немного отличается от оригинала. Например нам надо сравнить первый кадр видео с гифкой. Гифка, будет иметь кучу артефактов и, возможно, другой начальный кадр. Как тут:

Либо яркость на картинке выкручена на максимум, как тут:

Хэши не совпадают. Всё пропало? Не совсем. Обратите внимание на подсчёт "похожести" хэшей внизу картинок. Всё что нам нужно сделать, чтобы начать находить не только идентичные картинки, но ещё и похожие - это перенести логику подсчёта похожести в запрос к БД. Получим.

Теперь по затратам времени и ресурсов. На этот Proof of concept ушло несколько часов - большая часть на подготовку и написание поста. Добавить его на любой свой сайт я могу за несколько часов. Нагрузку на сервер вы можете видеть в статистике запроса к БД. По-моему скромному мнению - она никакая. А если учесть, что эти запросы будут редкими - только при создании новых постов, то ими вообще можно пренебречь. Железу, на котором запущен sql сервер более пяти лет. Более того, пять лет назад это был бюджетный домашний комп.

До релиза осталось 7 дней.

После восстановления в клочья разрушенной происходившими событиями хоть какого-то подобия стабильной жизни, после ряда событий связанных с переездами, с ссорами, здоровьем и в клочья разорванной психикой...
Мы снова тут.
До релиза осталось 7 дней.

GlaDOS ChatGPT

Давно была идея сделать GlaDOS + ChatGPT + Голосовая модель. Решил на волне хайпа ChatGPT немного накодить.

Описание:

GlaDOS ChatGPT с голосовой моделью Ellen McClain

Репозиторий:

https://github.com/multiverse-95/glados-tts

В репозитории есть все инструкции.

На всякий случай продублирую тут.

Установка:

1. Установите node.js - https://nodejs.org/en

2. Установите python - https://www.python.org/downloads/

3. Установите espeak - https://github.com/espeak-ng/espeak-ng/releases

4. Скачайте архив glados_chatGpt_v0.1.zip - https://drive.google.com/file/d/1icdFWhFjF_0Ny4ecWWsVEI8QVOgzDre5/view?usp=sharing

5. Разархивируйте папку glados_chatGpt из архива

6. Перейдите в папку glados_chatGpt

7. Запустите файл run.bat

8. Откроется браузер с чатом http://localhost:4173/

9. Проверьте консоль с логами, должны записываться сообщения

Демо:

Видео инструкция по установке:

Офисные битвы за повышение зарплаты⁠⁠

Нейросеть проводит код ревью

ИИ ChatGTP самостоятельно написал полностью компилируемое приложение под ОС Android

Пользователь платформы Habr @maxkachinkin  использовал ИИ ChatGPT для написания приложения под ОС Android. Приложение было написано "с нуля", оно полностью компилируемо. Так же стоит добавить, что ИИ проинструктировал пользователя как использовать IDE для компиляции и дал пример исходного кода на другом языке программирования.

Выводы разработчика.

Я считаю, что можно уверенно говорить, что ChatGPT написал Андроид приложение! Оно компилируется, запускается и даже работает. Если вы ждали чуда, написание кода без ошибок, разделение на слои, архитектуру и прочее по списку - увы, пока еще AI не на таком уровне. Бот пихает всё в MainActivity, норовит писать на Java, предлагает использовать AsyncTask и далее по списку. Но за это я на него не в обиде. Думаю, что дело не за горами.

Давайте проверим, выполнили ли мы все условия:

 ■ Лично я не пишу ни строчки кода — ☑️;

 ■ Все что я делаю, это копи-паст того, что мне скажет чат-бот — ☑️;

 ■ Я выполняю различные настройки по указанию чат-бота — ☑️;

 ■ Если появляются любые ошибки или баги, я спрашиваю у чат-бота и исправляю так, как он ответит — ☑️, но с поправкой, что 2 раза я сам сильно подсказал боту. Поэтому здесь может быть половинчатая галочка.

Лично я был приятно поражен и удивлен результатом. Бот рассказал, как написать приложение, дал все нужные куски кода, помнит про контекст в течение разговора, реагирует за ответные замечания и вообще очень вежливый.

После этого, другой пользователь сайта с ником @TimReset успешно использовал бота для решения более сложной задачи.

Ранее проект Riffusion сообщил о том, что разработал нейросетевую модель для создания музыки.

Дерзкая пятница

ТЗ хорошее и заказчик интересный