Видео ваз тюнинг ютуб: Báo cáo phân tích video YouTube, thống kê và gắn thẻ

alexxlab
Май 08 2023
Разное

Содержание

ТОП-10 автомобильных YouTube-каналов — Транспорт на vc.ru

Автор: Семен Великанов

53 840 просмотров

1. Дима Гордей

5,53 млн подписчиков

https://www.youtube.com/user/dima91gordey

Диман сжег на пустыре свою «Ламборгини» с номером «666» на камеру. Ну, почти. Облил ее чем-то из багажника. Я уж было поверил, что действительно сожжет, как обещала обложка выпуска. Но… сожжена в итоге была моделька. А настоящую «Ламборгини» помыли-протерли и поехали на ней дальше. Лайфстайл, ответы на вопросы и прямые эфиры, много всякого про BMW, тюнинг. Живой канал.

2. AcademeG

4,81 млн подписчиков

https://www.youtube.com/user/AcademeG

ЗИЛок, УАЗик, ЛАДА – вполне себе герои канала. Автор любит и разбирается в автомобилях, но «не поклоняется автомобилям», как он сообщает о себе. Про Bentley и Range Rover тоже есть, можно выдохнуть. Про Range Rover особенно много в разделе «Понторезка».

3. smotraTV

4,02 млн подписчиков

https://www.youtube.com/user/smotraTV

Эрик Давидыч, автор канала, один из пионеров русского ютуба вообще и его автомобильного сегмента в частности. А в последнее время и вертолетного – «Первые Российские Тесты Вертолётов» плейлист называется. Канал буквально пышет энергией и жизнелюбием его создателей. Много разного горячего видео. Но в целом довольно продуманный канал. Не столько об автомобилях, сколько о том, какая вокруг них идет жизнь.

4. ИЛЬДАР АВТО-ПОДБОР

3,78 млн подписчиков

https://www.youtube.com/user/quattro882

Мне повезло, открыв канал, я сразу попал на правильное видео – о том, как правильно разводить лохов при продаже авто. Теперь если соберусь покупать машину с рук – сразу сюда. Полезный канал о том, как выбрать себе автомобиль.

5. Гараж 54

3,36 млн подписчиков

https://www.youtube.com/channel/UCBByzLy3MGJT8UMVLYLScNg

Жосткое развлекалово. Жопотанк, Ледяной Гелендваген, НИВА 6х6, Паровой двигатель в автомобиле, Летающая ОКА, Волга-Франкенштейн – это всё, но далеко не все, названия плейлистов.

«Огнемёт из стеклоомывателя!!!» и «Зачем нужны амортизаторы» – это уже названия отдельных видео. Спектр интересов авторов канала ясен.

6. Лиса Рулит

1,3 млн подписчиков

https://www.youtube.com/user/lenalisa33

Очень серьезный канал. Я сначала купился на фото девушки-ведущей на заставке, но быстро понял, как обманчиво может быть первое впечатление. Наверное, это самый системный канал об авто в русском ютубе. Отдельные разделы, кажется, про все основные марки. Угон, восстановление убитых тачек, как недорого купить ушатанную понтовую тачку и т.д. и т.п. Поставил бы этот канал на первое место, но в этот раз решил ранжировать строго по количеству подписчиков. Прости, Лиса!

7. zaRRubin

1,05 млн подписчиков

https://www.youtube.com/user/ZaRrubin/featured

Для любителей гонок и экстремалов. Я такое не люблю. Хотя тест-драйвы прикольные.

8. ARTEM KAROKOZ

1,01 млн подписчиков

https://www.youtube.com/channel/UCR_wzGUhFSKhAoWaCtKJHTQ

«Здесь ты увидишь автообзоры и другую сторону моего юмористического творчества», – так описывает автор свой канал. И не лукавит. Автомобили здесь лишь повод для разговора. А сам разговор может быть о чем угодно. Хотя бы и о том, как из бомжа сделать звезду.

9. Яковлев Миша

849 тыс. подписчиков

https://www.youtube.com/c/%D0%AF%D0%BA%D0%BE%D0%B2%D0%BB%D0%B5%D0%B2%D0%9C%D0%B8%D1%88%D0%B0/featured

Для кулибиных. Ремонт, восстановление из руин, скрещивание разных авто. А как тебе такое, Илон Маск?

10. Avto-Blogger.ru

701 тыс. подписчиков

https://www.youtube.com/user/BloggerAvto

Эксплуатация. 92 или 95 – какой бензин лучше лить. Пять ошибок при покупке летней резины. Плохо чистят дворники. Не сдавайте старые аккумуляторы в магазин. Как водить и обслуживать машину с коробкой-автоматом. Про «автомат» особая фишка канала.

Монстр прямиком из ада: в Сети показали самый брутальный тюнинг ВАЗ-2107 в мире. Аж мурашки по коже

Проверьте свои пенсии: какие надбавки положены каждому пенсионеру Целый год без абонплаты: Vodafone ошарашил абонентов невиданной щедростью, а потом ее стоимостью В Раде придумали как «избавиться» от выплат пенсионерам: теперь это забота их родственников Касается жителей всех областей: украинцам начнут выдавать ежемесячные доплаты

23:44 28. 08

Уникальный экземпляр

Автомобили серии «Жигули» и «Самара» давно уже признаются в Украине «боевой классикой», поэтому владельцы часто не забрасывают свои автомобили, а наоборот, ухаживают за ними и тюнингуют. Тюнинг может быть как обычной установкой «лавочки» на багажник, так и серьезной перекройкой кузова, как, например, на этом экземпляре.

Речь идет о тюнингованном ВАЗ-2107. Автомобиль переделали так сильно, что изначальную «Семерку» в нем можно и не разглядеть. Опубликовали данный автомобиль на информационном портале «Стена».

Салон ВАЗ-2107. Фото: Youtube

Youtube

Кузов советского автомобиля претерпел серьезные изменения. Классические «семерочные» фары заменили четыре щелки, решетка радиатора существенно выдалась вперед. Колесные арки седана теперь серьезно выдаются вперед, передняя губа сильно занижена обвесом. Зад автомобиля наоборот задрали, из-за чего сзади «Семерка-монстр» напоминает американский маслкар.

Тюнингованный ВАЗ-2107. Фото: Стена.

Заканчивают образ, конечно, широкие диски и спойлер на багажнике. Неизвестно, менялся ли автомобиль по технической части, однако выпуклость на капоте с воздухозаборником намекает на то, что под капотом установлен более объемный и мощный двигатель.

Тюнингованный ВАЗ-2107. Фото: Стена.

Ранее информационный портал «Стена» сообщал о том, что многие советские автомобили популярны и по сей день. Например, за городом нередко водители используют именно такие модели. В этот раз в сети появилось видео любителей, которые сделали интересный эксперимент из «Нивы».

Также мы рассказывали о том, что в начале 79-х годов прошлого столетия был инженеры разработали автомобиль ЗАЗ – это был вариант перспективного переднеприводого семейства. Работа над машинами новой компоновки на «ЗАЗе» началась еще в конце 60-х годах.

Подписывайтесь на наш канал в Telegram.

Читайте Ukrainianwall.com в:

Google News Telegram Опубликовано:

Теги: ВАЗ , тюнинг

Читать дальше

Последние новости

Оккупанты готовят «жест доброй воли»: в ВСУ сообщили главные подробности

ВЛК без очередей и врачей-крахоборов: в Кабмине объявили о запуске новой системы

Переход на летнее время: в Укрзализныце рассказали о новом расписании поездов — куда смотреть в билете

Мощный пожар на россии: в ростове горит стратегическое предприятие. Видео

Тельцы — соберитесь, день непростой, Львы — вас одолеет желание, Водолеи — пересчитайте деньги: гороскоп на 26 марта 2023 года

Дожди с переходом в снег: синоптики предупредили об ухудшении погоды в воскресенье, 26 марта

Высказал все прямо в глаза: Стас Боклан откровенно заявил Елене Кравец, что хочет с ней сделать

Репарации для украинцев — каждому по миллиону долларов на руки: появились подробности о законе

Всем безработным приготовиться: Кабмин принял судьбоносное решение

Пенсий больше не будет: у ПФУ закончились деньги — важное сообщение

Все ли деньги вы получаете: какие доплаты положены пенсионерам с инвалидностью І, ІІ, ІІІ группы

Вместо крашанок — золотые яйца: украинцев предупредили какие цены будут до Пасхи

Демобилизация «по собственному желанию»: в Раде готов закон — солдаты смогут вернуться домой с войны

Нужна «Дія» или BankID: Киевстар предложил перейти абонентам на более выгодные тарифы — как это сделать

Навалит больше 20 сантиметров снега: на Украину надвигается сильнейший циклон — синоптики назвали дату

OpenAI Whisper + GPT-3 Fine Tuning: Обобщение видео на YouTube Как подчеркивается в сообщении в блоге OpenAI, Whisper

. .. приближается к надежности и точности человеческого уровня при распознавании английской речи.

Более конкретно:

Whisper — это система автоматического распознавания речи (ASR), обученная на 680 000 часов многоязычных и многозадачных контролируемых данных, собранных из Интернета.

В отличие от GPT-3, OpenAI также открыл исходный код всей модели с открытым исходным кодом, который вы можете найти на GitHub здесь.

В этой статье мы не будем вдаваться в подробности того, как работает Whisper, поскольку это описано в их сообщении в блоге, вместо этого мы собираемся создать простой проект, объединяющий Whisper и GPT-3, чтобы понять его возможности.

В частности, мы собираемся использовать Whisper и GPT-3 для ввода URL-адреса YouTube и вывода сводки. Я видел эту идею в другом месте, и это определенно не , что революционный, но заслуга в этом принадлежит Эндрю Уилконсону:

Кто-то должен построить сводник подкастов на базе GPT3.

«Подведите итоги последнего выпуска HubermanLab»

И выложите ключевые моменты и выводы.

— Эндрю Уилкинсон (@awilkinson) 25 декабря 2022 г.

Помимо сводки видео на YouTube, я видел ряд других вариантов использования Whisper и GPT-3, таких как преобразование видео с YouTube в посты в блогах, возможность семантического поиска по всем каналам и так далее.

Прежде чем мы доберемся до этого, вот шаги, которые нам нужно предпринять для создания нашего MVP:

  1. Расшифровать видео YouTube с помощью Whisper
  2. Подготовить транскрипцию для тонкой настройки GPT-3
  3. Вычислить расшифровку и встроить запросы
  4. Получение похожих встроенных транскриптов и запросов
  5. Добавление соответствующих разделов транскриптов в подсказку запроса
  6. Ответ на запрос с соответствующим контекстом транскрипта
  7. Обобщение видео с подсказкой

Для этого проекта я подытожу 60-минутное интервью с Илоном Маском.

Кроме того, если вы хотите узнать, как использовать Embeddings & Completions API для создания простых веб-приложений с помощью Streamlit, ознакомьтесь с нашими видеоуроками ниже:

  • Академия MLQ: создание пользовательского бота вопросов и ответов с GPT-3 и Embeddings
  • Академия MLQ: PDF в помощник по вопросам и ответам с использованием Embeddings и GPT-3
  • Академия MLQ: Создание видеопомощника YouTube с помощью Whisper и GPT-3
  • Академия MLQ: создание помощника по звонкам с поддержкой GPT-3
  • Академия MLQ: создание приложения с поддержкой GPT-3 с помощью Streamlit

используйте часть кода из этого видео на YouTube об использовании Whisper для распознавания речи.

Во-первых, для этого проекта нам нужно установить пакеты OpenAI, Whisper, Transformers и pytube. Далее мы импортируем Whisper и класс YouTube из pytube:

 импортный шепот
from pytube import YouTube

Глядя на карточку модели Whisper, мы видим несколько разных размеров моделей, которые мы можем использовать.

Для этого проекта мы будем использовать только базовую модель, которую мы загружаем следующим образом:

 model = шепот.load_model('base')

Далее нам нужно создать экземпляр объекта YouTube и передать видео URL-адрес для получения метаданных и информации о потоке:

 youtube_video_url = "https://www.youtube.com/watch?v=P7wUNMyK3Gs"
youtube_video = YouTube(youtube_video_url)

С помощью нашего объекта pytube YouTube мы можем увидеть полный каталог видео, например:

 dir(youtube_video)

Чтобы получить транскрипцию, мы хотим отфильтровать фактическое видео и просто получить аудиопоток:

 потоки = youtube_video.streams.filter(only_audio=True)
streams

Так как для этого проекта нам не нужно аудио самого высокого качества, мы просто будем использовать первый доступный аудиопоток

 stream = streams.first()

Теперь, когда у нас есть аудиопоток, мы будем работать, давайте загрузим его в Colab в формате MP4:

 stream. download(filename='musk_interview.mp4')

Теперь, чтобы получить транскрипцию с помощью Whisper, все, что нам нужно сделать, это вызвать model.transcribe() , например:

 output = model. расшифровать("/content/musk_interview.mp4")
вывод

Оставайтесь в курсе с AI

Мы — независимая группа инженеров по машинному обучению, количественных аналитиков и энтузиастов квантовых вычислений. Подпишитесь на нашу рассылку и не пропустите наши статьи, последние новости и т. д.

Отлично! Проверьте свой почтовый ящик и нажмите на ссылку.

Извините, что-то пошло не так. Пожалуйста, попробуйте еще раз.

2. Подготовить стенограмму для точной настройки GPT-3

Теперь, когда у нас есть транскрипция видео, нам нужно подготовить ее для точной настройки GPT-3, что позволит использовать для вычисления встраивания стенограммы и запроса видео с использованием естественного язык.

Для предварительной обработки данных я разбил текст на . split() , добавил следующие столбцы: заголовок , заголовок , контент , токены и сохранил файл в формате CSV.

Далее мы прочитаем предварительно обработанный CSV следующим образом:

 df = pd.read_csv('/content/elon_interview.csv')
df = df.set_index(["название", "заголовок"])
print(f"{len(df)} строк в данных.")
df.sample(10)

3. Вычисление вложений расшифровки и запроса

Далее нам нужно написать несколько функций, которые вычисляют вложения как расшифровки, так и пользовательского запроса. Как подчеркивает OpenAI:

Вложения — это числовые представления понятий, преобразованные в числовые последовательности, которые упрощают для компьютеров понимание взаимосвязей между этими понятиями.

Для этого мы используем следующие функции из этой записной книжки Openai:

  • GET_EMBEDDING
  • GET_DOC_EMBEDDING
  • GET_QUERY_EMBEDDING
  • GET_QUERY_EMBEDDING
  • HOWEDDEDIRIDING_EMBEDIDIDIDIND
    • 3333333333. :

     example_entry = список(context_embeddings.items())[0]
print(f"{example_entry[0]} : {example_entry[1][:5]}... ({len(example_entry[1])} записей)")

    4. Получить похожие расшифровки и вложения запросов

    Теперь, когда мы разделили нашу расшифровку на разделы и закодировали их во вложения, теперь нам нужно получить вложения расшифровки, аналогичные вложениям запроса.

    В частности, мы хотим, чтобы наш точно настроенный GPT-3 давал ответы на наши запросы на основе соответствующих разделов стенограммы.

    Мы также не хотим, чтобы он «галлюцинировал» (то есть давал неправильный ответ), вместо этого мы хотим, чтобы он просто отвечал на основе предоставленной стенограммы и ничего больше.

    Как подчеркивается в документах по точной настройке OpenAI:

    Базовые модели GPT-3 хорошо справляются с ответами на вопросы, когда ответ содержится в абзаце, однако, если ответ не содержится, базовые модели, как правило, стараются изо всех сил. все равно отвечать, что часто приводит к путаным ответам.

    При этом теперь мы будем использовать следующие функции из вышеупомянутого блокнота OpenAI:

    • vector_similarity : вычислить сходство между векторами
    • order_document_sections_by_query_similarity : найти вложения запроса и сравнить их со всеми вложениями транскриптов, чтобы найти наиболее релевантные разделы.

    Здесь мы видим, что мы получили соответствующие разделы стенограммы для запроса «Что Илон сказал о Твиттере?»:

     order_document_sections_by_query_similarity («Что Элон сказал о Твиттере?», context_embeddings)[:5]

    5. Создайте подсказку с соответствующими разделами расшифровки

    Далее нам нужно создать подсказку, которая использует эти соответствующие разделы расшифровки.

    Для этого воспользуемся функцией contruct_prompt из записной книжки:

     prompt = build_prompt(
    «Что Илон сказал о Твиттере?»,
    context_embeddings,
    дф
)
print("===\n", приглашение)

    Выше мы видим, что нашли разделы расшифровки, которые содержат информацию, относящуюся к нашему запросу, и добавили ее в наше приглашение. .. теперь нам просто нужно на самом деле ответить на вопрос.

    6. Ответьте на запрос с соответствующим контекстом расшифровки

    Теперь, когда мы создали запрос с соответствующим контекстом расшифровки, нам просто нужно фактически ответить на него с помощью OpenAI Completions API.

    Так как мы хотим, чтобы она давала точные ответы, основываясь только на транскрипте, мы собираемся установить параметр Temperature равным 0, как предлагает документация:

    Более высокие значения температуры означают, что модель будет подвергаться большему риску. Попробуйте 0,9 для более креативных приложений и 0 (выборка argmax) для приложений с четко определенным ответом.

    Чтобы ответить на вопрос с контекстом из стенограммы, мы воспользуемся функцией answer_query_with_context из записной книжки:

     answer_query_with_context("Что Илон сказал о Твиттере?", df, context_embeddings)
    Элон сказал, что у Twitter были серьезные проблемы с доходами и затратами до начала переговоров о приобретении, и что он собирался выполнить план, чтобы сделать Twitter лучшей системой и привлечь больше постоянных пользователей к подписке за 8 долларов в месяц.

    Отлично! Теперь у нас есть доработанная версия GPT-3, которая может отвечать на вопросы об интервью.

    7. Подведение итогов интервью с подсказкой

    Теперь у нас есть все необходимое, чтобы использовать естественный язык для подведения итогов интервью.

    Теперь нам просто нужно провести оперативную инженерную обработку, чтобы выделить наиболее важные темы интервью, а затем подвести итоги и предоставить цитаты по этим темам.

    Для этого конкретного интервью я попросил GPT-3 обобщить и привести цитаты по следующим темам:

    • Твиттер
    • Тесла
    • Автономное вождение
    • Звездолет и Луна
    • Становление многопланетным видом
    Критический прорыв, необходимый для того, чтобы сделать жизнь многопланетной, а человечество — полностью космической и несущей цивилизацию быстродействующая многоразовая ракета, глобальная ракета. — Илон Маск

    Вы можете найти полный текст интервью ниже:

    Интервью с Илоном Маском: OpenAI Whisper + GPT-3 Fine Tuning

    Эта статья представляет собой краткое изложение интервью Илона Маска на конференции Рона Барона. Для создания этой сводки мы использовали тонкую настройку OpenAI Whisper и GPT-3.

    MLQ.aiMLQ

    Резюме: Обобщение видео на YouTube с помощью OpenAI Whisper и тонкой настройки GPT-3

    В этой статье мы увидели, как мы можем объединить OpenAI Whisper и тонкую настройку GPT-3, чтобы ответить на вопросы и обобщить видео на YouTube.

    В частности, мы использовали Whisper для расшифровки интервью Илона Маска,  

    • Использовали Whisper для расшифровки интервью Илона Маска
    • Настроили GPT-3 для точных ответов на вопросы об интервью
    • Использовали оперативную инженерию для подведения итогов интервью даже больше всего процесса, такого как автоматическая предварительная обработка данных, это хорошо работает для MVP идеи.

      Если вы хотите узнать больше о тонкой настройке GPT-3, вы можете ознакомиться с другими нашими статьями ниже:

      • Тонкая настройка GPT-3: Использование вложений для семантического поиска, классификации и регрессии
      • Тонкая настройка GPT-3: Создание помощника по исследованиям в области криптографии
      • Тонкая настройка GPT-3: Создание помощника по исследованию IPO
      • Fine -Настройка GPT-3: Создание помощника по звонкам по доходам
      • Тонкая настройка GPT-3: Создание пользовательского бота для вопросов и ответов


      Ресурсы
      • OpenAI Whisper — Распознавание речи ФРС
      • Ответы на вопросы с использованием вложений

      Пять мета-рангов Modern Warfare 2, которые вы должны использовать

      Стивен Кропли 14 марта 2023 г. 5:06

      По мере того, как меняется сезон, меняется и мета рангового снаряжения Modern Warfare 2. С запретом ISO Hemlock и TAQ-V новое оружие поднялось на вершину списка метабилдов.

      К счастью для нас, гуру Call of Duty Hero выпустил видео, в котором рассказывается о пяти лучших ранговых снаряжениях Modern Warfare 2, которые можно использовать.

      Скриншот Стивена Кропли/ONE Esports

      Снаряжение TAQ-56

      Первым в списке стоит TAQ-56, который Hero называет «AR для использования в рейтинговой игре Modern Warfare 2». Так что, если вы хотите качать штурмовую винтовку, TAQ-56 должен быть в верхней части вашего списка.

      0 FTAC Castle Comp
      СЛОТ ПРИСОЕДИНЕНИЕ ТЮНИНГ (ВЕРТИКАЛЬНЫЙ, ГОРИЗОНТАЛЬНЫЙ)
      +0.41, +0.18
      Underbarrel Edge-47 Grip +0.18, +0.14
      Rear Grip Demo Cleanshot Grip -0. 51, -0.10
      Ammo 5.56 High Velocity +0.39, +4.06
      Stock TV LPX-434 -2.06, +1.16
      Screenshot by Steven Cropley/ONE Esports

      Vaznev-9K loadout

      Следующим в списке идет чрезвычайно мощный пистолет-пулемет Вазнев-9К. Герой описывает эту сборку как «идеальный пистолет-пулемет, с которым можно идти вперед и побеждать в перестрелках».

      SLOT ATTACHMENT TUNING (VERTICAL, HORIZONTAL)
      Muzzle AVR-T90 Comp +0.46, +0.30
      Underbarrel FSS Sharkfin 90 +0,36, +0,36
      Rear Grip True-Tac Grip -0.35, -0.17
      Stock Otrezat Stock -2.32, +1.70
      Screenshot by Steven Cropley/ONE Esports

      Kastov 762 loadout

      Kastov 762 занимает третье место в списке лучших снаряжений Modern Warfare 2. По словам Героя, этот бьет сильнее, чем TAQ-56, но его немного сложнее контролировать, и эта сборка направлена ​​​​на исправление.

      SLOT ATTACHMENT TUNING (VERTICAL, HORIZONTAL)
      Muzzle SA Leveler 55 +0.36, +0.25
      Underbarrel Edge-47 Grip +0.62, +0.19
      Rear Grip True-Tac Grip -0.61, -0.22
      Ammo 7.62 High Velocity +0.32, +6.97
      Стоки KSTV -RPK Factory -1,81, +1,32
      Scenshot By Steven Cropley/One Esports

      Lachman 90clive 90clive

      3 Lachman 90clive 90clip 90ckman. Для этого один Герой рекомендует использовать только три приспособления, чтобы вы могли поддерживать свою скорость с оружием, которое в противном случае упало бы.

      СЛОТ ПРИЛОЖЕНИЕ НАСТРОЙКА (ВЕРТИКАЛЬНАЯ, ГОРИЗОНТАЛЬНАЯ)
      Muzzle XTEN Razor Comp +0.18, +0.18
      Underbarrel FSS Sharkfin 90 +0.28, +0.18
      Rear Grip Lachmann TCG-10 — 0.29, -0.41
      Скриншот Steven Cropley/ONE Esports

      Загрузка M13B

      Последний игрок в списке немного удивителен. Герой утверждает, что M13B попадает в список после недавнего усиления, которое позволяет ей хорошо конкурировать с другими лучшими штурмовыми винтовками как в списке лучших снаряжений Modern Warfare 2, так и вне их.

      SLOT ATTACHMENT TUNING (VERTICAL, HORIZONTAL)
      Muzzle FJX Fulcrum Pro +0.

      Рубрики

      Leave a Comment

      Ваш адрес email не будет опубликован. Обязательные поля помечены *

      2025 © Все права защищены.