#apple_silicon — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #apple_silicon, aggregated by home.social.
-
Двойная точность: в основном «найти и заменить», плюс два настоящих сюрприза
В этой части мы используем sgemm как шаблон и проверим, что действительно меняется при переходе к dgemm : сначала пройдём скучную часть с удвоенными ширинами, затем разберём прямоугольный тайл 16×32, после этого — отдельный бит возможностей FEAT_SME_F64F64 и динамическую регистрацию ядра. Следующая часть будет устроена иначе: там меняется не только ширина элемента, но и сама форма данных.
https://habr.com/ru/articles/1074022/
#SME2 #dgemm #двойная_точность #FEAT_SME_F64F64 #тайлы_ZA64 #FMOPA #динамическая_диспетчеризация #Apple_Silicon #BLIS
-
Двойная точность: в основном «найти и заменить», плюс два настоящих сюрприза
В этой части мы используем sgemm как шаблон и проверим, что действительно меняется при переходе к dgemm : сначала пройдём скучную часть с удвоенными ширинами, затем разберём прямоугольный тайл 16×32, после этого — отдельный бит возможностей FEAT_SME_F64F64 и динамическую регистрацию ядра. Следующая часть будет устроена иначе: там меняется не только ширина элемента, но и сама форма данных.
https://habr.com/ru/articles/1074022/
#SME2 #dgemm #двойная_точность #FEAT_SME_F64F64 #тайлы_ZA64 #FMOPA #динамическая_диспетчеризация #Apple_Silicon #BLIS
-
Двойная точность: в основном «найти и заменить», плюс два настоящих сюрприза
В этой части мы используем sgemm как шаблон и проверим, что действительно меняется при переходе к dgemm : сначала пройдём скучную часть с удвоенными ширинами, затем разберём прямоугольный тайл 16×32, после этого — отдельный бит возможностей FEAT_SME_F64F64 и динамическую регистрацию ядра. Следующая часть будет устроена иначе: там меняется не только ширина элемента, но и сама форма данных.
https://habr.com/ru/articles/1074022/
#SME2 #dgemm #двойная_точность #FEAT_SME_F64F64 #тайлы_ZA64 #FMOPA #динамическая_диспетчеризация #Apple_Silicon #BLIS
-
[Перевод] Qwen3.8-27B: лучший локальный LLM, который вы, вероятно, не сможете запустить
В этом месяце Alibaba выпустила две модели, и та, о которой все писали, оказалась не той, что мы ждали. Qwen3.8-Max — это API с 2,4 триллионами параметров, и пару недель назад я с большим энтузиазмом написал о ней обзор. Но релиз, которого я действительно ждал, вышел 14 августа: Qwen3.8-27B, Apache 2.0, веса на Hugging Face, модель достаточно компактна, чтобы работать на ноутбуке. Я должен кое в чем признаться. Я не провел полный тест этой модели. Я попробовал, на своем MacBook Air M4 получал около восьми токенов в секунду и потерял терпение где-то на втором запросе. По большей части этот пост посвящен именно моей неудаче, потому что я подозреваю, что у многих из вас вечер сложится так же, как у меня. Что представляет собой Qwen3.8-27B на самом деле 27,78 миллиарда параметров, плотная модель, включающая в себя визуальный энкодер, о котором никто не объявлял заранее. Принимает на вход текст, изображения и видео. Собственный контекст — 262 144 токена, с помощью YaRN можно увеличить его примерно до миллиона, если запускать модель на сервере. Архитектура — это по-настоящему интересная часть, и это не обычный трансформер. На протяжении 64 слоёв Qwen чередует 48 слоёв Gated DeltaNet (линейное внимание) с 16 полными слоями Gated Attention в соотношении 3:1. Только эти 16 слоёв с полным вниманием имеют KV-кэш. Таким образом, на каждый токен приходится около 64 КБ, что составляет примерно четверть от объёма памяти, необходимого для обычной 64-слойной модели с плотным кодированием. Если вы запомните только одно число из этого поста, пусть это будет именно оно. Всё, что касается того, поместится ли эта модель на вашем компьютере, зависит от объёма KV-кэша.
-
[Перевод] Qwen3.8-27B: лучший локальный LLM, который вы, вероятно, не сможете запустить
В этом месяце Alibaba выпустила две модели, и та, о которой все писали, оказалась не той, что мы ждали. Qwen3.8-Max — это API с 2,4 триллионами параметров, и пару недель назад я с большим энтузиазмом написал о ней обзор. Но релиз, которого я действительно ждал, вышел 14 августа: Qwen3.8-27B, Apache 2.0, веса на Hugging Face, модель достаточно компактна, чтобы работать на ноутбуке. Я должен кое в чем признаться. Я не провел полный тест этой модели. Я попробовал, на своем MacBook Air M4 получал около восьми токенов в секунду и потерял терпение где-то на втором запросе. По большей части этот пост посвящен именно моей неудаче, потому что я подозреваю, что у многих из вас вечер сложится так же, как у меня. Что представляет собой Qwen3.8-27B на самом деле 27,78 миллиарда параметров, плотная модель, включающая в себя визуальный энкодер, о котором никто не объявлял заранее. Принимает на вход текст, изображения и видео. Собственный контекст — 262 144 токена, с помощью YaRN можно увеличить его примерно до миллиона, если запускать модель на сервере. Архитектура — это по-настоящему интересная часть, и это не обычный трансформер. На протяжении 64 слоёв Qwen чередует 48 слоёв Gated DeltaNet (линейное внимание) с 16 полными слоями Gated Attention в соотношении 3:1. Только эти 16 слоёв с полным вниманием имеют KV-кэш. Таким образом, на каждый токен приходится около 64 КБ, что составляет примерно четверть от объёма памяти, необходимого для обычной 64-слойной модели с плотным кодированием. Если вы запомните только одно число из этого поста, пусть это будет именно оно. Всё, что касается того, поместится ли эта модель на вашем компьютере, зависит от объёма KV-кэша.
-
[Перевод] Qwen3.8-27B: лучший локальный LLM, который вы, вероятно, не сможете запустить
В этом месяце Alibaba выпустила две модели, и та, о которой все писали, оказалась не той, что мы ждали. Qwen3.8-Max — это API с 2,4 триллионами параметров, и пару недель назад я с большим энтузиазмом написал о ней обзор. Но релиз, которого я действительно ждал, вышел 14 августа: Qwen3.8-27B, Apache 2.0, веса на Hugging Face, модель достаточно компактна, чтобы работать на ноутбуке. Я должен кое в чем признаться. Я не провел полный тест этой модели. Я попробовал, на своем MacBook Air M4 получал около восьми токенов в секунду и потерял терпение где-то на втором запросе. По большей части этот пост посвящен именно моей неудаче, потому что я подозреваю, что у многих из вас вечер сложится так же, как у меня. Что представляет собой Qwen3.8-27B на самом деле 27,78 миллиарда параметров, плотная модель, включающая в себя визуальный энкодер, о котором никто не объявлял заранее. Принимает на вход текст, изображения и видео. Собственный контекст — 262 144 токена, с помощью YaRN можно увеличить его примерно до миллиона, если запускать модель на сервере. Архитектура — это по-настоящему интересная часть, и это не обычный трансформер. На протяжении 64 слоёв Qwen чередует 48 слоёв Gated DeltaNet (линейное внимание) с 16 полными слоями Gated Attention в соотношении 3:1. Только эти 16 слоёв с полным вниманием имеют KV-кэш. Таким образом, на каждый токен приходится около 64 КБ, что составляет примерно четверть от объёма памяти, необходимого для обычной 64-слойной модели с плотным кодированием. Если вы запомните только одно число из этого поста, пусть это будет именно оно. Всё, что касается того, поместится ли эта модель на вашем компьютере, зависит от объёма KV-кэша.
-
Микроядро SME2 sgemm: 1024 умножения-сложения за проход
В этой части мы возьмём первый из пропусков BLIS — микроядро sgemm ; сначала зафиксируем форму аккумулятора 32×32 в четырёх тайлах ZA, затем разберём горячий цикл по K, потом эпилог с alpha , beta и ловушкой NaN, а в конце посмотрим, какие числа производительности даёт именно это ядро. Следующая часть оставит структуру почти той же, но заменит геометрию тайла и условия существования ядра.
https://habr.com/ru/articles/1071462/
#BLIS #GEMM #SME2 #Apple_Silicon #микроядро #кэшблокинг #упаковка_данных #высокопроизводительные_вычисления #линейная_алгебра #BLAS
-
Микроядро SME2 sgemm: 1024 умножения-сложения за проход
В этой части мы возьмём первый из пропусков BLIS — микроядро sgemm ; сначала зафиксируем форму аккумулятора 32×32 в четырёх тайлах ZA, затем разберём горячий цикл по K, потом эпилог с alpha , beta и ловушкой NaN, а в конце посмотрим, какие числа производительности даёт именно это ядро. Следующая часть оставит структуру почти той же, но заменит геометрию тайла и условия существования ядра.
https://habr.com/ru/articles/1071462/
#BLIS #GEMM #SME2 #Apple_Silicon #микроядро #кэшблокинг #упаковка_данных #высокопроизводительные_вычисления #линейная_алгебра #BLAS
-
Микроядро SME2 sgemm: 1024 умножения-сложения за проход
В этой части мы возьмём первый из пропусков BLIS — микроядро sgemm ; сначала зафиксируем форму аккумулятора 32×32 в четырёх тайлах ZA, затем разберём горячий цикл по K, потом эпилог с alpha , beta и ловушкой NaN, а в конце посмотрим, какие числа производительности даёт именно это ядро. Следующая часть оставит структуру почти той же, но заменит геометрию тайла и условия существования ядра.
https://habr.com/ru/articles/1071462/
#BLIS #GEMM #SME2 #Apple_Silicon #микроядро #кэшблокинг #упаковка_данных #высокопроизводительные_вычисления #линейная_алгебра #BLAS
-
ディープラーニングを利用したフレーム補間技術RIFEとアップスケーリング技術MetalFX Spatialを利用し高負荷なMacゲームをより滑らか＆鮮明にプレイできるようにするアプリ「Adrenaline」がリリース＆8月31日まで無料配布中。
https://applech2.com/archives/20260817-adrenaline-mac-game-frame-scale-generater.html#applech2 #Game #AI #Apple_Silicon #Game_porting_toolkit #GPU #MacAppStore #Metal #News #リリース
-
ディープラーニングを利用したフレーム補間技術RIFEとアップスケーリング技術MetalFX Spatialを利用し高負荷なMacゲームをより滑らか＆鮮明にプレイできるようにするアプリ「Adrenaline」がリリース＆8月31日まで無料配布中。
https://applech2.com/archives/20260817-adrenaline-mac-game-frame-scale-generater.html#applech2 #Game #AI #Apple_Silicon #Game_porting_toolkit #GPU #MacAppStore #Metal #News #リリース
-
OBS Studio、Qtのアップデートによりライブ配信アプリ「OBS Studio v32.2.x」がmacOS 12 Montereyで動作しなかったとしてシステム要件を変更。
https://applech2.com/archives/20260817-obs-studio-v32-2-blocked-macos-12-monterey.html#applech2 #OBS_Studio #Apple_Silicon #github #Intel #OBS #OSS #Rosetta2 #アップデート #アプリ
-
OBS Studio、Qtのアップデートによりライブ配信アプリ「OBS Studio v32.2.x」がmacOS 12 Montereyで動作しなかったとしてシステム要件を変更。
https://applech2.com/archives/20260817-obs-studio-v32-2-blocked-macos-12-monterey.html#applech2 #OBS_Studio #Apple_Silicon #github #Intel #OBS #OSS #Rosetta2 #アップデート #アプリ
-
Всё, что вы хотели знать о локальном ИИ, но стеснялись спросить
Если вы когда-нибудь смотрели на HF и не понимали, что такое DFlash, квантизация и почему одна и та же модель лежит в десяти репозиториях от десяти разных людей — или давно собирались поднять LLM у себя, но всё не находили повода — выход Muse Glimmer 30B буквально лучший момент начать. Буквально со своего MacBook Air. Ага, да вот уже сейчас прямо. Погрузиться в мир локальных моделей
https://habr.com/ru/articles/1069422/
#llm #локальные_модели #квантизация #llamacpp #apple_silicon #gguf #инференс #moe #meta
-
Всё, что вы хотели знать о локальном ИИ, но стеснялись спросить
Если вы когда-нибудь смотрели на HF и не понимали, что такое DFlash, квантизация и почему одна и та же модель лежит в десяти репозиториях от десяти разных людей — или давно собирались поднять LLM у себя, но всё не находили повода — выход Muse Glimmer 30B буквально лучший момент начать. Буквально со своего MacBook Air. Ага, да вот уже сейчас прямо. Погрузиться в мир локальных моделей
https://habr.com/ru/articles/1069422/
#llm #локальные_модели #квантизация #llamacpp #apple_silicon #gguf #инференс #moe #meta
-
Всё, что вы хотели знать о локальном ИИ, но стеснялись спросить
Если вы когда-нибудь смотрели на HF и не понимали, что такое DFlash, квантизация и почему одна и та же модель лежит в десяти репозиториях от десяти разных людей — или давно собирались поднять LLM у себя, но всё не находили повода — выход Muse Glimmer 30B буквально лучший момент начать. Буквально со своего MacBook Air. Ага, да вот уже сейчас прямо. Погрузиться в мир локальных моделей
https://habr.com/ru/articles/1069422/
#llm #локальные_модели #квантизация #llamacpp #apple_silicon #gguf #инференс #moe #meta
-
BLIS: недостающую среднюю ступеньку построили тридцать лет назад
В этой части мы начнём с тупика, в который приводит голый цикл FMOPA ; затем покажем, какую часть GEMM BLIS уже построил за нас; после этого разберём пять циклов BLIS и место микроядра внутри них. Финал главы должен сделать дальнейший план конкретным: что именно нужно добавить для Apple SME, а что уже относится к готовой «мебели» фреймворка.
https://habr.com/ru/articles/1069058/
#BLIS #GEMM #SME2 #Apple_Silicon #микроядро #кэшблокинг #упаковка_данных #высокопроизводительные_вычисления #линейная_алгебра #BLAS
-
BLIS: недостающую среднюю ступеньку построили тридцать лет назад
В этой части мы начнём с тупика, в который приводит голый цикл FMOPA ; затем покажем, какую часть GEMM BLIS уже построил за нас; после этого разберём пять циклов BLIS и место микроядра внутри них. Финал главы должен сделать дальнейший план конкретным: что именно нужно добавить для Apple SME, а что уже относится к готовой «мебели» фреймворка.
https://habr.com/ru/articles/1069058/
#BLIS #GEMM #SME2 #Apple_Silicon #микроядро #кэшблокинг #упаковка_данных #высокопроизводительные_вычисления #линейная_алгебра #BLAS
-
BLIS: недостающую среднюю ступеньку построили тридцать лет назад
В этой части мы начнём с тупика, в который приводит голый цикл FMOPA ; затем покажем, какую часть GEMM BLIS уже построил за нас; после этого разберём пять циклов BLIS и место микроядра внутри них. Финал главы должен сделать дальнейший план конкретным: что именно нужно добавить для Apple SME, а что уже относится к готовой «мебели» фреймворка.
https://habr.com/ru/articles/1069058/
#BLIS #GEMM #SME2 #Apple_Silicon #микроядро #кэшблокинг #упаковка_данных #высокопроизводительные_вычисления #линейная_алгебра #BLAS
-
Adobe、Adobe PremiereやAfter Effectsなどのビデオ・オーディオアプリの次期メジャーアップデートとなるv27.0でIntel Macのサポートを終了。
https://applech2.com/archives/20260804-adobe-premiere-v27-ends-intel-mac-support.html#applech2 #Adobe #Apple #Apple_Silicon #Intel #Mac #アップデート #サポート #終了
-
Adobe、Adobe PremiereやAfter Effectsなどのビデオ・オーディオアプリの次期メジャーアップデートとなるv27.0でIntel Macのサポートを終了。
https://applech2.com/archives/20260804-adobe-premiere-v27-ends-intel-mac-support.html#applech2 #Adobe #Apple #Apple_Silicon #Intel #Mac #アップデート #サポート #終了
-
Adobe、Adobe PremiereやAfter Effectsなどのビデオ・オーディオアプリの次期メジャーアップデートとなるv27.0でIntel Macのサポートを終了。
https://applech2.com/archives/20260804-adobe-premiere-v27-ends-intel-mac-support.html#applech2 #Adobe #Apple #Apple_Silicon #Intel #Mac #アップデート #サポート #終了
-
Adobe、Adobe PremiereやAfter Effectsなどのビデオ・オーディオアプリの次期メジャーアップデートとなるv27.0でIntel Macのサポートを終了。
https://applech2.com/archives/20260804-adobe-premiere-v27-ends-intel-mac-support.html#applech2 #Adobe #Apple #Apple_Silicon #Intel #Mac #アップデート #サポート #終了
-
Локальные LLM на iPhone: память, Core ML, MLX и ограничения
Всем привет! Меня зовут Никита Нагорнов , я iOS-разработчик в компании «Исходный Код». В этой статье разберем, как запускать локальные LLM на iPhone . Поговорим про: 1. Архитектуру Apple Silicon и Unified Memory — почему не можем использовать всю доступную память; 2. Память, квантование и KV Cache — где приложения начинают падать и как это отловить; 3. Core ML и MLX — чем отличаются, где какой быстрее и почему нельзя всё запускать на нейронном процессоре; 4. Температуру и троттлинг — что происходит с телефоном на длинной сессии; 5. Гибридный пайплайн — как взять сильные стороны обоих фреймворков и получить стабильную генерацию.
https://habr.com/ru/articles/1064924/
#iOS #Swift #Core_ML #MLX #LLM #Apple_Silicon #ondevice_AI #машинное_обучение
-
Локальные LLM на iPhone: память, Core ML, MLX и ограничения
Всем привет! Меня зовут Никита Нагорнов , я iOS-разработчик в компании «Исходный Код». В этой статье разберем, как запускать локальные LLM на iPhone . Поговорим про: 1. Архитектуру Apple Silicon и Unified Memory — почему не можем использовать всю доступную память; 2. Память, квантование и KV Cache — где приложения начинают падать и как это отловить; 3. Core ML и MLX — чем отличаются, где какой быстрее и почему нельзя всё запускать на нейронном процессоре; 4. Температуру и троттлинг — что происходит с телефоном на длинной сессии; 5. Гибридный пайплайн — как взять сильные стороны обоих фреймворков и получить стабильную генерацию.
https://habr.com/ru/articles/1064924/
#iOS #Swift #Core_ML #MLX #LLM #Apple_Silicon #ondevice_AI #машинное_обучение
-
Локальные LLM на iPhone: память, Core ML, MLX и ограничения
Всем привет! Меня зовут Никита Нагорнов , я iOS-разработчик в компании «Исходный Код». В этой статье разберем, как запускать локальные LLM на iPhone . Поговорим про: 1. Архитектуру Apple Silicon и Unified Memory — почему не можем использовать всю доступную память; 2. Память, квантование и KV Cache — где приложения начинают падать и как это отловить; 3. Core ML и MLX — чем отличаются, где какой быстрее и почему нельзя всё запускать на нейронном процессоре; 4. Температуру и троттлинг — что происходит с телефоном на длинной сессии; 5. Гибридный пайплайн — как взять сильные стороны обоих фреймворков и получить стабильную генерацию.
https://habr.com/ru/articles/1064924/
#iOS #Swift #Core_ML #MLX #LLM #Apple_Silicon #ondevice_AI #машинное_обучение
-
Пять неправильных токенов и 245 картинок: как Krea 2 заработала на Swift и MLX
На обложке — команда, которой не было. В реальности Twisterminigen создавался за одним столом: я, Mac mini M4 с 32 ГБ объединённой памяти и Codex. Получилось нативное приложение для Krea 2 Turbo на Swift и MLX: без Python внутри и без облачного inference, но с очередью, LoRA, Regional Prompts, Presets и воспроизводимыми рецептами генерации. Самый опасный баг при этом не падал и не рисовал шум. Пять токенов из 512 получали неправильные RoPE-позиции, старый тест проходил, а картинки выглядели нормально. После исправления тот же prompt и seed изменили 99,32% пикселей. В статье — как набор из 31,18 ГиБ весов заработал на 32-гигабайтном Mac, почему одинаковый seed не является паспортом персонажа и где заканчивается красивая картинка и начинается проверяемый продукт.
https://habr.com/ru/articles/1064434/
#krea_2 #mlx #swift #swiftui #apple_silicon #macos #codex #rope #локальный_inference #генерация_изображений
-
Пять неправильных токенов и 245 картинок: как Krea 2 заработала на Swift и MLX
На обложке — команда, которой не было. В реальности Twisterminigen создавался за одним столом: я, Mac mini M4 с 32 ГБ объединённой памяти и Codex. Получилось нативное приложение для Krea 2 Turbo на Swift и MLX: без Python внутри и без облачного inference, но с очередью, LoRA, Regional Prompts, Presets и воспроизводимыми рецептами генерации. Самый опасный баг при этом не падал и не рисовал шум. Пять токенов из 512 получали неправильные RoPE-позиции, старый тест проходил, а картинки выглядели нормально. После исправления тот же prompt и seed изменили 99,32% пикселей. В статье — как набор из 31,18 ГиБ весов заработал на 32-гигабайтном Mac, почему одинаковый seed не является паспортом персонажа и где заканчивается красивая картинка и начинается проверяемый продукт.
https://habr.com/ru/articles/1064434/
#krea_2 #mlx #swift #swiftui #apple_silicon #macos #codex #rope #локальный_inference #генерация_изображений
-
Пять неправильных токенов и 245 картинок: как Krea 2 заработала на Swift и MLX
На обложке — команда, которой не было. В реальности Twisterminigen создавался за одним столом: я, Mac mini M4 с 32 ГБ объединённой памяти и Codex. Получилось нативное приложение для Krea 2 Turbo на Swift и MLX: без Python внутри и без облачного inference, но с очередью, LoRA, Regional Prompts, Presets и воспроизводимыми рецептами генерации. Самый опасный баг при этом не падал и не рисовал шум. Пять токенов из 512 получали неправильные RoPE-позиции, старый тест проходил, а картинки выглядели нормально. После исправления тот же prompt и seed изменили 99,32% пикселей. В статье — как набор из 31,18 ГиБ весов заработал на 32-гигабайтном Mac, почему одинаковый seed не является паспортом персонажа и где заканчивается красивая картинка и начинается проверяемый продукт.
https://habr.com/ru/articles/1064434/
#krea_2 #mlx #swift #swiftui #apple_silicon #macos #codex #rope #локальный_inference #генерация_изображений
-
a[mask] = f(a[mask]) на NEON. compress вместо blend
Блендинг считает функцию для всех элементов и сохраняет только нужные. Для дешевых функций это оптимально, но на pow проигрывает в несколько раз. Можно сжать подходящие элементы, посчитать только их и разжать обратно. Разбираемся, где граница, и делаем адаптивный алгоритм.
https://habr.com/ru/articles/1063732/
#arm_neon #simd #apple_silicon #c++ #интринсики #оптимизация #aarch64
-
a[mask] = f(a[mask]) на NEON. compress вместо blend
Блендинг считает функцию для всех элементов и сохраняет только нужные. Для дешевых функций это оптимально, но на pow проигрывает в несколько раз. Можно сжать подходящие элементы, посчитать только их и разжать обратно. Разбираемся, где граница, и делаем адаптивный алгоритм.
https://habr.com/ru/articles/1063732/
#arm_neon #simd #apple_silicon #c++ #интринсики #оптимизация #aarch64
-
a[mask] = f(a[mask]) на NEON. compress вместо blend
Блендинг считает функцию для всех элементов и сохраняет только нужные. Для дешевых функций это оптимально, но на pow проигрывает в несколько раз. Можно сжать подходящие элементы, посчитать только их и разжать обратно. Разбираемся, где граница, и делаем адаптивный алгоритм.
https://habr.com/ru/articles/1063732/
#arm_neon #simd #apple_silicon #c++ #интринсики #оптимизация #aarch64
-
56 минут созвона → текст за 5 минут на M4 без OBS и облака
У меня от трёх до пяти созвонов в день, почти все в браузере: Meet, Яндекс Телемост, ktalk, реже всего Zoom. Детали встреч мне нужны в тексте, иначе договорённости расползаются. Писал я звонки через OBS с захватом экрана, и на самих звонках началось веселье: звук временами жёстко квакал, всё чуть-чуть подвисало. Причину до конца не выяснял, моё предположение - процессор зажирался захватом и перебивал сам разговор; ktalk и браузер тут ни при чём. А экран, как потом дошло, мне вообще был не нужен. Дальше вторая серия. Расшифровку я гонял своими Python-скриптами: конвертация → транскрибация → диаризация (разметка, кто когда говорил). На встрече с пятью участниками диаризация расставляла голоса крайне плохо, половину фраз всё равно восстанавливал по памяти. Пошёл искать вариант, чтобы запись не мешала звонку, результат был приличный и всё крутилось локально: не хотелось ни отдавать записи в облако, ни платить подписку за минуты. Нашёл платный Audio Hijack , он подкупил лёгкостью и простотой настройки. Потом узнал, что на M-чипе быстрее всего у меня отрабатывает mlx-whisper на MLX : веса large-v3-turbo с Hugging Face, инференс на GPU Mac. Это архитектура Whisper, но рантайм — пакет mlx-whisper и бинарь mlx_whisper , не pip install openai-whisper и не репозиторий openai/whisper . Так собрался стек: Hijack пишет один mp3, mlx_whisper делает VTT, pyannote раскладывает по SPEAKER_XX. На 56-минутном звонке транскрипция заняла около пяти минут. Платный только Hijack — разовая лицензия, без подписки (цену смотрите на сайте Rogue Amoeba). Скрипты выложил в mac-call-transcribe под MIT. Ниже сборка, замеры с двух реальных звонков и грабли; повторяется на любом Mac с M-чипом.
https://habr.com/ru/articles/1062068/
#whisper #mlx #pyannote #speaker_diarization #расшифровка_звонков #python #apple_silicon #транскрибация_звонков
-
56 минут созвона → текст за 5 минут на M4 без OBS и облака
У меня от трёх до пяти созвонов в день, почти все в браузере: Meet, Яндекс Телемост, ktalk, реже всего Zoom. Детали встреч мне нужны в тексте, иначе договорённости расползаются. Писал я звонки через OBS с захватом экрана, и на самих звонках началось веселье: звук временами жёстко квакал, всё чуть-чуть подвисало. Причину до конца не выяснял, моё предположение - процессор зажирался захватом и перебивал сам разговор; ktalk и браузер тут ни при чём. А экран, как потом дошло, мне вообще был не нужен. Дальше вторая серия. Расшифровку я гонял своими Python-скриптами: конвертация → транскрибация → диаризация (разметка, кто когда говорил). На встрече с пятью участниками диаризация расставляла голоса крайне плохо, половину фраз всё равно восстанавливал по памяти. Пошёл искать вариант, чтобы запись не мешала звонку, результат был приличный и всё крутилось локально: не хотелось ни отдавать записи в облако, ни платить подписку за минуты. Нашёл платный Audio Hijack , он подкупил лёгкостью и простотой настройки. Потом узнал, что на M-чипе быстрее всего у меня отрабатывает mlx-whisper на MLX : веса large-v3-turbo с Hugging Face, инференс на GPU Mac. Это архитектура Whisper, но рантайм — пакет mlx-whisper и бинарь mlx_whisper , не pip install openai-whisper и не репозиторий openai/whisper . Так собрался стек: Hijack пишет один mp3, mlx_whisper делает VTT, pyannote раскладывает по SPEAKER_XX. На 56-минутном звонке транскрипция заняла около пяти минут. Платный только Hijack — разовая лицензия, без подписки (цену смотрите на сайте Rogue Amoeba). Скрипты выложил в mac-call-transcribe под MIT. Ниже сборка, замеры с двух реальных звонков и грабли; повторяется на любом Mac с M-чипом.
https://habr.com/ru/articles/1062068/
#whisper #mlx #pyannote #speaker_diarization #расшифровка_звонков #python #apple_silicon #транскрибация_звонков
-
56 минут созвона → текст за 5 минут на M4 без OBS и облака
У меня от трёх до пяти созвонов в день, почти все в браузере: Meet, Яндекс Телемост, ktalk, реже всего Zoom. Детали встреч мне нужны в тексте, иначе договорённости расползаются. Писал я звонки через OBS с захватом экрана, и на самих звонках началось веселье: звук временами жёстко квакал, всё чуть-чуть подвисало. Причину до конца не выяснял, моё предположение - процессор зажирался захватом и перебивал сам разговор; ktalk и браузер тут ни при чём. А экран, как потом дошло, мне вообще был не нужен. Дальше вторая серия. Расшифровку я гонял своими Python-скриптами: конвертация → транскрибация → диаризация (разметка, кто когда говорил). На встрече с пятью участниками диаризация расставляла голоса крайне плохо, половину фраз всё равно восстанавливал по памяти. Пошёл искать вариант, чтобы запись не мешала звонку, результат был приличный и всё крутилось локально: не хотелось ни отдавать записи в облако, ни платить подписку за минуты. Нашёл платный Audio Hijack , он подкупил лёгкостью и простотой настройки. Потом узнал, что на M-чипе быстрее всего у меня отрабатывает mlx-whisper на MLX : веса large-v3-turbo с Hugging Face, инференс на GPU Mac. Это архитектура Whisper, но рантайм — пакет mlx-whisper и бинарь mlx_whisper , не pip install openai-whisper и не репозиторий openai/whisper . Так собрался стек: Hijack пишет один mp3, mlx_whisper делает VTT, pyannote раскладывает по SPEAKER_XX. На 56-минутном звонке транскрипция заняла около пяти минут. Платный только Hijack — разовая лицензия, без подписки (цену смотрите на сайте Rogue Amoeba). Скрипты выложил в mac-call-transcribe под MIT. Ниже сборка, замеры с двух реальных звонков и грабли; повторяется на любом Mac с M-чипом.
https://habr.com/ru/articles/1062068/
#whisper #mlx #pyannote #speaker_diarization #расшифровка_звонков #python #apple_silicon #транскрибация_звонков
-
リモートのMacやLinux、クラウドインスタンスのステータスを監視できるようになったMac用システムモニタアプリ「SiliconScope v4.0」がリリース。
https://applech2.com/archives/20260723-siliconscope-v4-support-remote-mac-and-linux-monitoring.html#applech2 #仕事効率化 #AI #Apple_Silicon #github #iStat_Menus #LLM #OSS #Stats #レビュー
-
リモートのMacやLinux、クラウドインスタンスのステータスを監視できるようになったMac用システムモニタアプリ「SiliconScope v4.0」がリリース。
https://applech2.com/archives/20260723-siliconscope-v4-support-remote-mac-and-linux-monitoring.html#applech2 #仕事効率化 #AI #Apple_Silicon #github #iStat_Menus #LLM #OSS #Stats #レビュー
-
О разработке прототипа эмулятора WIE: запуск Windows PE64 бинарников на Apple Silicon
WIE — это исследовательский эмулятор пользовательского режима (userspace) для запуска 64-битных Windows-приложений (PE64) на архитектуре macOS Apple Silicon. Проект написан на Rust 1.97, а в качестве бэкенда компиляции используется Cranelift для трансляции x86-64 инструкций на лету в нативный ARM64.
-
О разработке прототипа эмулятора WIE: запуск Windows PE64 бинарников на Apple Silicon
WIE — это исследовательский эмулятор пользовательского режима (userspace) для запуска 64-битных Windows-приложений (PE64) на архитектуре macOS Apple Silicon. Проект написан на Rust 1.97, а в качестве бэкенда компиляции используется Cranelift для трансляции x86-64 инструкций на лету в нативный ARM64.
-
О разработке прототипа эмулятора WIE: запуск Windows PE64 бинарников на Apple Silicon
WIE — это исследовательский эмулятор пользовательского режима (userspace) для запуска 64-битных Windows-приложений (PE64) на архитектуре macOS Apple Silicon. Проект написан на Rust 1.97, а в качестве бэкенда компиляции используется Cranelift для трансляции x86-64 инструкций на лету в нативный ARM64.
-
OBS Project、macOS 28でRosetta 2が廃止されるのに伴いApple Silicon MacでIntel版OBSを利用している場合Apple Silicon版へ強制更新する措置を追加した「OBS Studio v32.2」を公開。
https://applech2.com/archives/20260722-obs-studio-32-2-now-available.html#applech2 #OBS_Studio #Apple_Silicon #github #Intel #OBS #OSS #Rosetta2 #アップデート #アプリ
-
OBS Project、macOS 28でRosetta 2が廃止されるのに伴いApple Silicon MacでIntel版OBSを利用している場合Apple Silicon版へ強制更新する措置を追加した「OBS Studio v32.2」を公開。
https://applech2.com/archives/20260722-obs-studio-32-2-now-available.html#applech2 #OBS_Studio #Apple_Silicon #github #Intel #OBS #OSS #Rosetta2 #アップデート #アプリ
-
Шесть часов на один рендер: как я собрал нативную студию Ideogram 4 на Swift и MLX
Я запустил Ideogram 4 локально на Mac, а затем собрал для него нативное приложение на Swift и MLX — без отдельного Python-процесса во время рендера. Сразу честно: «6 часов против 11 минут» — не ускорение одной картинки в 35 раз, а два разных режима: максимальный Quality 2048×2048 на 48 шагах и повседневный Turbo 1152×768 на 12. Это продолжение серии о Typhoonminigen. В статье — архитектура приложения, реальные замеры, удачные решения, ограничения и ошибки, которые пришлось исправлять по пути.
https://habr.com/ru/articles/1060678/
#искусственный_интеллект #Cyclonminigen #Ideogram_4 #MLX #Swift #Apple_Silicon #macOS #генерация_изображений #локальный_ИИ #open_source
-
Шесть часов на один рендер: как я собрал нативную студию Ideogram 4 на Swift и MLX
Я запустил Ideogram 4 локально на Mac, а затем собрал для него нативное приложение на Swift и MLX — без отдельного Python-процесса во время рендера. Сразу честно: «6 часов против 11 минут» — не ускорение одной картинки в 35 раз, а два разных режима: максимальный Quality 2048×2048 на 48 шагах и повседневный Turbo 1152×768 на 12. Это продолжение серии о Typhoonminigen. В статье — архитектура приложения, реальные замеры, удачные решения, ограничения и ошибки, которые пришлось исправлять по пути.
https://habr.com/ru/articles/1060678/
#искусственный_интеллект #Cyclonminigen #Ideogram_4 #MLX #Swift #Apple_Silicon #macOS #генерация_изображений #локальный_ИИ #open_source
-
Шесть часов на один рендер: как я собрал нативную студию Ideogram 4 на Swift и MLX
Я запустил Ideogram 4 локально на Mac, а затем собрал для него нативное приложение на Swift и MLX — без отдельного Python-процесса во время рендера. Сразу честно: «6 часов против 11 минут» — не ускорение одной картинки в 35 раз, а два разных режима: максимальный Quality 2048×2048 на 48 шагах и повседневный Turbo 1152×768 на 12. Это продолжение серии о Typhoonminigen. В статье — архитектура приложения, реальные замеры, удачные решения, ограничения и ошибки, которые пришлось исправлять по пути.
https://habr.com/ru/articles/1060678/
#искусственный_интеллект #Cyclonminigen #Ideogram_4 #MLX #Swift #Apple_Silicon #macOS #генерация_изображений #локальный_ИИ #open_source
-
Apple、開発者向けに暗号化されたHFS+ ボリュームを非推奨とした「macOS 26.6 Tahoe」や「iOS/iPadOS 26.6」などのRC版を公開。
https://applech2.com/archives/20260721-macos-26-6-tahoe-and-ios-26-6-rc.html#applech2 #macOS_26_Tahoe #Apple #Apple_Silicon #iOS26_6 #iPadOS26_6 #macOS_26_6 #RC版 #Tahoe #アップデート
-
Apple、開発者向けに暗号化されたHFS+ ボリュームを非推奨とした「macOS 26.6 Tahoe」や「iOS/iPadOS 26.6」などのRC版を公開。
https://applech2.com/archives/20260721-macos-26-6-tahoe-and-ios-26-6-rc.html#applech2 #macOS_26_Tahoe #Apple #Apple_Silicon #iOS26_6 #iPadOS26_6 #macOS_26_6 #RC版 #Tahoe #アップデート
-
Apple、開発者向けに暗号化されたHFS+ ボリュームを非推奨とした「macOS 26.6 Tahoe」や「iOS/iPadOS 26.6」などのRC版を公開。
https://applech2.com/archives/20260721-macos-26-6-tahoe-and-ios-26-6-rc.html#applech2 #macOS_26_Tahoe #Apple #Apple_Silicon #iOS26_6 #iPadOS26_6 #macOS_26_6 #RC版 #Tahoe #アップデート
-
Apple、開発者向けに暗号化されたHFS+ ボリュームを非推奨とした「macOS 26.6 Tahoe」や「iOS/iPadOS 26.6」などのRC版を公開。
https://applech2.com/archives/20260721-macos-26-6-tahoe-and-ios-26-6-rc.html#applech2 #macOS_26_Tahoe #Apple #Apple_Silicon #iOS26_6 #iPadOS26_6 #macOS_26_6 #RC版 #Tahoe #アップデート
-
Mac App Storeでモンスター育成オープンワールド・サバイバルクラフトゲーム「Palworld/パルワールド」の販売が再開。
https://applech2.com/archives/20260712-palworld-returns-to-mac-app-store.html -
Mac App Storeでモンスター育成オープンワールド・サバイバルクラフトゲーム「Palworld/パルワールド」の販売が再開。
https://applech2.com/archives/20260712-palworld-returns-to-mac-app-store.html -
Mac App Storeでモンスター育成オープンワールド・サバイバルクラフトゲーム「Palworld/パルワールド」の販売が再開。
https://applech2.com/archives/20260712-palworld-returns-to-mac-app-store.html -
Mac App Storeでモンスター育成オープンワールド・サバイバルクラフトゲーム「Palworld/パルワールド」の販売が再開。
https://applech2.com/archives/20260712-palworld-returns-to-mac-app-store.html -
Macでゲームアプリのパフォーマンスを確認＆測定できる「Metal Performance HUD」をカスタマイズする方法。
https://applech2.com/archives/20260707-metal-performance-hud-customize.html#applech2 #Game #Apple_Silicon #Game_porting_toolkit #GPU #Metal #Metal3 #News #WWDC26
-
Macでゲームアプリのパフォーマンスを確認＆測定できる「Metal Performance HUD」をカスタマイズする方法。
https://applech2.com/archives/20260707-metal-performance-hud-customize.html#applech2 #Game #Apple_Silicon #Game_porting_toolkit #GPU #Metal #Metal3 #News #WWDC26
-
«Четыре шага — и точка» Я сам придумал главное ограничение своего приложения
Пару недель назад я рассказывал здесь, как три ночи чинил рендер, который не был сломан . С тех пор в главном ничего не изменилось: я по-прежнему энтузиаст, а не разработчик; код печатает машина, а что и зачем печатать, решаю я. Правда, машин в этот раз было две: код писала Claude Opus 4.8 в режиме ultracode с рассуждением, выкрученным на максимум (xhigh), а вторая — Fable 5 — атаковала приложение. Об этом ближе к концу. Изменилось всё остальное. Typhoonminigen — бесплатное open-source (MIT) нативное macOS-приложение для локальной генерации FLUX.2 Klein на Apple Silicon, без Python, без ComfyUI, без облака — доросло до версии 2.0: 57 новых функций, 150+ исправлений. Про них и статья. Но начать придётся не с функций, а с признания: самый живучий баг приложения сидел не в коде. Он сидел во мне.
https://habr.com/ru/articles/1055878/
#FLUX2 #Klein #MLX #Apple_Silicon #генерация_изображений #LoRA #обучение_LoRA #Swift #macOS #локальный_ИИ