Luomo Toolbox W Systemie Windows

Pobierz napisy w formacie SRT
Pobierz napisy w formacie VTT
Fundacja Instytut Rozwoju Regionalnego prezentuje Tyflo Podcast.
14 dzień sierpnia 2026 roku. To w kalendarzu, godzina 19 na zegarze.
Już minęła, my zaczynamy ostatnie w tym tygodniu spotkanie na żywo na antenie Tyflo Radia.
Dziś aplikacja, o której już było, ale w nowej odsłonie.
W odsłonie na nowy system operacyjny Luomo Toolbox.
System Windows i współtwórca tej aplikacji, Arkadiusz Świętnicki, przy mikrofonie. Cześć Arkadiusz.
Dobry wieczór, witam. Omawialiśmy Toolboxa już na iOS-ie?
Tak, na iOS-ie, czyli mobilną wersję, a dzisiaj pecetowa wersja.
Tak jest, to od razu dopytam, na iOS-ie omawialiśmy, ale Luomo Toolbox na Androida też jest, czy nie?
Jest, jest, jest. Rozwija się równolegle z iOS-em.
Wersja na Windowsa to trochę osobny byt, nieco starszy, znacznie starszy od wersji mobilnej.
Dlatego nawet w plikach będziecie widzieli ocrrecognition.exe, bo ten program tak zaczynał swoje życie.
No, ale mamy kilka ważnych nowości. Po pierwsze, program jest po polsku.
Po drugie, można kupować punkty bez użycia iPhona.
Po trzecie, strona jest po angielsku i można z niej pobrać program.
Nasze wysiłki lokalizacyjne, że tak powiem, dobiegły końca, myślę.
To zanim się rozkręcisz i zanim będziesz opowiadać co i jak, to jeszcze tylko dodam, że jesteśmy na żywo,
więc nasze namiary telefoniczne są do Waszej dyspozycji. Telefoniczne i nie tylko zresztą.
663883600 to jest telefon, ale jest jeszcze Facebook, jest YouTube, jest nasza aplikacja TyfloCentrum
Na Windowsa, iOS-a i Androida.
I jest też kontakt.tyflopodcast.net, jeżeli macie ochotę się z nami skontaktować w ten sposób.
No to tyle mojego arku, a teraz oddaję Ci głos.
No więc dla tych, którzy może nie słuchali audycji, którą zrobiliśmy z Dorotą Bilecką jakiś czas temu.
Czym jest Luomo Toolbox?
Jest to skrzynka z narzędziami różnego rodzaju.
Głównym zadaniem programu, jak już wspominałem, było rozpoznawanie treści.
Ale jest też sporo innych narzędzi, jest czat AI, jest możliwość generowania muzyki, jest możliwość transkrybowania audio, jest możliwość generowania opisów wideo.
W wersji pecetowej mamy też OCR na żywo, czyli możemy sobie rozpoznawać na przykład napisy w filmie, czy nie wiem, w grach jakichś, tekst na żywo.
Mamy tłumaczenie w czasie rzeczywistym, tego co mówi screen reader, co jest ciekawe, bo Luomo ma dużo ciekawych silników tłumaczenia.
W tym też może korzystać z GPT do tłumaczenia.
Mamy edytor schowka, jakby ktoś nie korzystał z ZDSR-a albo chciałby być niezależny od jakiegokolwiek czytnika ekranu, w sensie menedżer schowka.
Mamy notatki w chmurze, więc jest to wielofunkcyjne narzędzie, które służy do różnych rzeczy.
I program co do zasady jest freemium, czyli każdy może go za darmo ściągnąć i przetestować.
Ale ma też płatne funkcje, które są schowane za paywallem.
I paywall działa na zasadzie punktów, czyli kupujemy w sobie punkty.
Jest to 15 zł za 1000 punktów i mamy te punkty przez miesiąc i możemy z nich sobie korzystać do robienia różnych rzeczy.
Czyli właśnie na przykład rozmów z AI przelicznik jest korzystniejszy niż po API,
dlatego że my mamy taki trik, stosujemy, że my sobie cache’ujemy punkty i tokeny,
więc możemy dzięki temu korzystniejszy przelicznik mieć niż byście chcieli.
i na przykład sobie kupić API od OpenAI czy od Anthropica.
No ale mimo wszystko utrzymanie tego programu kosztuje stąd ta subskrypcyjna forma zakupu.
Bo wszystkie funkcje, które są schowane za paywallem, to są funkcje, które wymagają od nas jakichś zewnętrznych zasobów.
Czy to serwera, czy to właśnie komunikacji z jakimiś zewnętrznymi dostawcami usług i tak dalej, i tak dalej.
No na przykład takie funkcje jak w wersji mobilnej, rozpoznawanie świateł, rozpoznawanie sygnalizacji świetlnej są zupełnie za darmo i funkcje offline są zupełnie za darmo.
Tak samo to działa w wersji na komputer. Na przykład menedżer schowka jest zupełnie za darmo i parę innych rzeczy.
Teraz może o tym skąd pobrać program. Program pobieramy ze strony www.lmdbk.com
www.lmdbk.com/tool.html
Czy to oznacza, że na tej stronie też znajdziemy jakieś inne narzędzia?
Czy to jest dedykowana strona tylko Luomo Toolboxowi?
To jest blog drugiego autora i tam są inne jego programy.
Ale nie kupowaliśmy domeny innej, bo znowu dług techniczny, że tak powiem,
Mamy z czasów, gdy ta aplikacja była tylko na Windowsa i zmiana by była dosyć uciążliwa.
Skoro to już mamy za sobą, myślę, że możemy zacząć powoli pokazywać program.
Ja mam ZDSR-a uruchomionego, ale to nie ma znaczenia, bo program działa na równi z ZDSR-em, jak i z NVDA, jak i z…
z JAWS-em nie działa, bo próbowaliśmy, żeby działał, ale w JAWS-ie jest taki problem, że mamy ten silnik skryptowy. Ten język skryptowy JAWS-a w ogóle ma jakąś nazwę? Czy on po prostu się nazywa językiem skryptowym JAWS-a?
JAWS Scripting Language chyba po prostu. I tyle.
Ale w każdym razie nie możemy się tak głęboko skomunikować z JAWS-em, żeby zrobić tłumaczenie na żywo. A tak naprawdę do tego jest potrzebna komunikacja ze screen readerem,
Jak ktoś ma pomysł jak to zrobić, a właśnie w tym momencie wpadłem na pomysł jak to zrobić, w dzisiejszych czasach w świecie agentów i tak dalej to nie jest duży problem.
Zrobić sterownik do syntezatora po prostu, który będzie preprocesował tekst z Luomo. No nieważne.
No ale pewnie dałoby się to teraz zrobić, jak tak o tym myślę.
No ale w każdym razie, pobieramy program, instalujemy go, uruchamiamy.
On nas się zapyta, czy zgadzamy się na jego warunki użytkowania.
To jest wymagane przez chińskie prawo.
Tworzymy sobie konto. Możemy stworzyć je za pomocą polskiego numeru telefonu.
I mamy już główny interfejs. Program jest zbudowany
z myślą o korzystaniu z niego za pomocą
skrótów klawiaturowych, dlatego nie ma jakiegoś bardzo rozbudowanego
interfejsu graficznego. Jak ktoś korzystał z takich programów jak
Głównie klienty Twittera są znane z tego typu interfejsów.
Czyli to jest ten tak zwany niewidzialny interfejs?
Poniekąd tak. Na przykład wyniki OCR-a są tak prezentowane.
Aczkolwiek niedawno zrobiliśmy możliwość po prostu pokazania Luomo w okienku.
I program jest zbudowany na menu kontekstowych, czyli po prostu jak menu naszego screen readera.
Taka była idea, żeby on był bardzo zbliżony wyglądem do tego, co mamy w naszym czytniku ekranu.
Więc jak chcemy uruchomić główne menu programu, to naciskamy skrót Windows Alt P domyślnie.
I lądujemy na pierwszej opcji, jaką jest Centrum Użytkownika.
Ja nie mam żadnego tłumacza włączonego, program jest po polsku.
Mowa na tekst Y. Konwersja audio-wideowa od menu.
To wideo na audio S. Audio na wideo Y.
Masowe OCR i podział PDF-P.
Masowe OCR i podział PDF.
To jest fajne, bo możemy załadować sobie na przykład całą galerię zdjęć i je opisać.
Okno tłumaczenia F. Ustawienia tłumaczenia C.
Słownik ideograficznego brajla chińskiego H.
No to się nam akurat nie przyda za bardzo, ale jest też…
Ja się na przykład uczę ideograficznego brajla i mnie to się przydaje bardzo.
Tak, tłumaczenie jest jeszcze tu maszynowe.
Menedżer drogowskazów, czyli funkcja znana z ZDSR-a,
czyli możemy sobie robić na ekranie zakładki po prostu i do nich przechodzić.
Tak wygląda menu. Jak widać jest ono zbudowane po prostu na zasadzie menu kontekstowego.
Tak jak mamy w NVDA, tak jak mamy w JAWS-ie, tak jak mamy w ZDSR-ze.
Żeby każdy mógł się połapać. No i jedziemy sobie po kolei.
Na centrum użytkownika.
Centrum użytkownika.
O centrum użytkownik 535 milionów.
To jest mój numer telefonu.
Jak sobie tam na tym Enter, to się nic nie stanie.
Punkt 7 użytkownik 503.7867.6829
Tutaj mamy liczbę punktów.
I w odpowiedzi na bardzo częsty zarzut,
który się pojawiał względem Toolboxa,
że wy to zabieracie tych punktów
I nie wiadomo ile, nie wiadomo za co. Proszę bardzo, dajmy sobie Enter.
Informacje o używaniu rozpoznawania tekstu wysokiej precyzji,
punkty minut dwa saldo siedem tysięcy osiemset siedemdziesiąt siedem kropka
sześć osiem czas osiem czternaście dwa tysiące dwadzieścia
sześć osiem cztery trzydzieści sześć p m jeden dwadzieścia trzy.
Rozpoznawania tekstu wysokiej precyzji, rozpoznawania tekstu, rozpozna…
wysok, wysok, rozpoznawania tekstu wysokiej precyzji.
Ostatni, następny, astroza, dwa dwadzieścia jeden, dwadzieścia trzy.
Mamy dziennik tych punktów.
Poznawania tekstu wysokiej prebsie. Ostatnia strona.
Dwa dziewczat, dwa dziewczat, dwa dziewczat, trzy.
Chinese litera, litera, Chinese, Chinese.
Pierwszy pop, Chinese, Chinese, Chinese, litera, Chinese.
Jeszcze z czasów, kiedy program nie był po polsku.
Są dzienniki. Membership points are as wet.
Malitwor trzydzieści. Chinese litera. Centrum użytk.
Kup punkty trzy z dziewięć.
Tutaj mamy kup punkty. Jak sobie tutaj wejdziemy?
Kup punkt tysiąc, tysiąc punktów.
Ważne sto pięćdziesiąt dwa dni.
Dwa odcinek sześćdziesiąt dziewięcius. Jeden z trzy.
No, 152 dni, bo przez tyle mam konto jeszcze ważne.
A o co chodzi, bo wspomniałeś tu, Arku, że przez tyle dni masz ważne konto.
Czyli o co chodzi z ważnością konta?
To potem je trzeba jakoś, nie wiem, przedłużać i za to też się coś płaci?
I jak to jest?
Tak, za to też się płaci.
To nie jest tak, że płacisz albo za to, albo za punkty.
Chodzi o to, że tutaj jest błąd niestety w wyświetlaniu.
Bo jak kupujesz sobie punkty, to te punkty dają ci dodatkowo…
Razem z tymi punktami dostajesz ważność konta.
Czyli jak kupisz tysiąc punktów, to masz miesiąc ważności dodatkowej.
Jak kupisz pięć tysięcy, to masz pół roku.
A jak kupisz dziesięć tysięcy, to masz rok.
Tylko tutaj on pokazuje ile jeszcze mam teraz ważnego konta.
Przez ile jeszcze jest ważne konto.
Okej, ale żebym to dobrze zrozumiał i nasi słuchacze też.
Czyli jeżeli nie masz ważnego konta, to w aplikacji nie zrobisz nic?
Czy ona będzie jakoś mocno ograniczona wtedy?
Wszystkie funkcje AI nie będą działały.
Bo dlaczego w ogóle, tak jak mówiłem, dlaczego jest ten system punktów?
No my płacimy za to. Każdy request, który ty robisz, który ja robię,
Każdy użytkownik robi, kosztuje nas w tych kredytach API, no i dlatego są te punkty.
Więc funkcje AI nie będą działały, ten API OCR nie będzie działał, który też sobie stoi na serwerze.
No jasna sprawa.
Wszystkie funkcje lokalne będą działały.
I tutaj mogę wybrać sobie metodę płatności. Jak widać wszystko jest na listboksach robione, więc strzałeczkami chodzimy.
Żadnych tabów, żadnych takich rzeczy.
No i mogę tu zapłacić. Teraz tego nie będę robił, bo nie mam jak się zalogować do PayPala.
Mogę skopiować URL, jak będę np. chciał na innym urządzeniu zapłacić.
No i np. jak już zapłacę, to mogę to kliknąć.
Nie da się tego sobie powiedzieć, że się zapłaciło i dobra jest.
Nie wierzy nam na słowo aplikacja, krótko mówiąc.
No nie, musi być paragonik od PayPala.
O, właśnie, tutaj pod tabem mamy…
Zniżki, 10 tysięcy punktów, 20% zniżki.
Tutaj jest cała ta tabelka rozpisana.
Okres ważności doładowanych punktów jest taki sam jak okres ważności członkostwa.
W razie gdyby ktoś nie dostał punktów, to są metody kontaktu.
Za każdym razem, gdy obraz jest rozpoznawany, programista musi zapłacić dostawcy rozpoznawania.
No i to jest to objaśnione po prostu, tak? Dlaczego… dokumentacja.
Ja się stąd wycofam.
To po prostu przechodzi do kup punkty, tylko jest link też pod tym…
Tutaj reflink. Zapraszaj znajomych i zbieraj punkty.
Jeszcze tu wejdę.
No dobra.
Nie wpisujcie tego kodu, bo to jest i tak
Chociaż nie, możecie go wpisywać, bo wy też dostaniecie 10% więcej punktów, jak kupicie.
Tutaj to jest wszystko. Można sobie poczytać te zasady, jakby ktoś chciał.
Porozmawiaj z botem.
Luomo, asystent bez nazw, wyprowadzania, pole tekstowe, enter, wysyła, kontrolę, enter, nowy wiersz.
Rozmowa, pole, kombi, sugestion, sfora, pli, inteligentne, rozpoznawanie, obrazu, ip, sieci, skalti.
I teraz…
Rozprowadzania, pole, tekstowe, enter, wysyła, kontrolę, enter, nowy wiersz.
To mogę sobie po prostu pisać.
Wiadomość, lista, Chinese, liter, zachowaj, ciągłość, konwersacji, l, pole, wyboru, zaznaczone, alt, l.
Zachowaj ciągłość konwersacji, to jest opcja, która służy do tego, że model będzie pamiętał, co my mu wysyłaliśmy.
Czyli możemy z nim rozmawiać, tak jak, nie wiem, z czatem GPT na przykład.
Jeżeli ta opcja jest odznaczona, to po prostu zadamy mu pytanie,
otrzymamy odpowiedź i się żegnamy.
Model Polecombi GPT 5.64 standardowy.
Tutaj mamy modele.
Tarmowy biwot. Tarmowy biwoting. Fre bielem flaszting.
Tarmowy Agnes 2.5 flaszting. Tarmowy Agnes 2.5 flaszting.
Bielem 5.2 standardowy bez punktów. Bielem 5.2 bez punktów.
To ma 1.8 online bez punktów. To ma 1.8 onlineting bez punktów. To ma 2.0 online bez punktów. To ma 2.0 onlineting bcv4-standardowy bez punktów. bcv4-ting bez punktów. bcv4-standardowy.
No myślę, że jak ktoś na przykład lubi sobie porównywać różne modele AI, to ma tutaj czym się bawić.
Jest co porównywać, tak.
bcv4-pro-standardowy. bcv4-pro-ting.
Doble gmini 2.5 zaś bez punktów. Gmini 3 zaś wyszukiwania. Gmini 3.5 zaś wyszukiwania.
Doble gmini 3.1 pro wyszukiwania w MDPT 4.1. PIPT 5 mini. PIPT 5.6 suma standardowy.
PIPT 5.6 suma regumowania wewnętrzne. PIPT 5.6 tera standardowy. PIPT 5.6 tera regumowania wewnętrzne.
PIPT 5.6 sol standardowy. PIPT 5.6 sol regumowania wewnętrzne. W M3.5 online.
No i tak dalej.
O, tutaj jest nawet porada.
A czy gdzieś jest to opisane, ile dany model konsumuje tych punktów?
Jest w pomocy to opisane programu, bo tutaj nie wiedzieliśmy, gdzie to wcisnąć na tej liście.
No tak, bo tych modeli jest dużo i w sumie ta punktacja byłaby taka…
Gdyby ona była w tym miejscu, to byłoby to problematyczne, żeby to odpowiednio wczytać.
Wybieram sobie program.
Ja sobie stworzę nową konwersację.
I na przykład napiszę mu nie wiem co…
Napisz program Hello World w x86 Assembler.
Na przykład Enter.
I czekamy.
To jak czekamy, to odbierzemy w międzyczasie telefon, bo mamy słuchacza na nim.
Ktoś z nami?
Cześć Michale i dziś Arku.
Cześć Mateuszu.
Fajnie, że pojawiła się taka audycja Luomo Toolbox wreszcie na Windows.
I z tego co ty opisujesz, to program jest bardzo przydatny.
No i mam kilka pytań związanych z tym programem.
Czy w ogóle ten program posiada rozpoznawanie kodów captcha na przykład?
Bo przyznam się szczerze, że te kody kołowe, że tam przesuń obrazek do koła,
czy tam wybierz obrazki, które nie są rowerami,
przyznam się szczerze, że ZDSR obiektywnie sobie z tym jakoś…
Albo może ja się mylę i po prostu coś źle robię, bo mnie nie rozpoznaje na przykład kodów, nie?
To mi się przychodzi prywatnie, to ci powiem jak to robić, bo to nie jest o ZDSR-ze teraz audycja, ale da się to robić.
Nie, nie, nie, to nie jest o tym, ja to wiem.
Bo na przykład na stronie Sejmu sobie nie radzi z tym obrazkami, ale to nieważne, to mało tego, mało ważne jest.
Druga rzecz, czy można w ogóle, bo mówisz, że punkty kosztują powiedzmy na tam 15 złotych, no ja rozumiem, że tam się płaci, bo ja wiadomo, każdy musi płacić z czegoś żyć, ale czy można płacić w ogóle w złotówkach za te punkty? Jakoś nie wiem, Przelewy24 czy coś takiego, nie wiem, powstrzymali i płacisz.
Wiesz co, możesz Apple Payem jak masz iPhone’a, to możesz z wersji na iOS, a z wersji na Windowsa tylko PayPalem.
I wtedy jesteś zdany na paypalowy przelicznik.
Ale w PayPalu płacisz, generalnie możesz płacić też złotówkami.
Może Ci pobierać w złotówkach, tylko musisz to sobie skonfigurować,
jak ma Ci to przeliczać. Czy ma być przelicznik paypalowski,
on wtedy pobiera Ci z konta, właśnie z karty Twojej złotówki,
a jeżeli nie, no to tak, to wtedy po prostu pobiera Ci walutę
i przelicza Ci bank.
No tak, no tak, no tak, no szkoda.
Ale czy można, na przykład, nie wiem, płacić?
Ale to nie, to się też tak nie da, że iOS-em zapłacisz i z Windowsa korzystasz.
Że na przykład…
Da się tak, bo jeszcze zanim na wersji windowsowej się dało PayPalem płacić,
to ludzie tak płacili, że płacili iOS-em i korzystali sobie z Windowsa.
Bo konto masz współdzielone.
Mówiłeś, Arku, że powiedzmy siedem tysięcy punktów przedłuża ważność konta.
No tak, w zależności, tam dziesięć tysięcy na rok i tak dalej.
A co się stanie na przykład, że ja już nie będę chciał przykładowo korzystać z tego programu?
Czy będę musiał tworzyć ten nowy konto?
Czy ten identyfikator konta, np. mój adres e-mail, jakbym go chciał stworzyć na nowo, gdybym już nie korzystał, zostaje utracony i muszę kolejny adres e-mail stworzyć?
Kiedy ktoś to nabił nam rachunek na kilkanaście tysięcy dolarów, no to wtedy jest błąd.
Ale tak z reguły to nie…
A co się na przykład stanie, jeżeli konto moje straci ważność, ale no ja tam regulaminu, zachowywałem się grzecznie, kupowałem wam te punkty itd.
To po prostu możesz odnowić sobie. Po prostu odnawiasz.
I tam jest taki przycisk odnów?
Tak, odnów, konto premium, kup konto premium, coś takiego.
Tam masz odnów jak masz ważne, a masz kup jak masz nieważne.
O, to fajne narzędzie. Bardzo ja bym musiał na nie spojrzeć.
No to tylko szkoda, że Wy nie obsługujecie, no bo wiadomo, Chiny.
Ale ciekawe, czy jakiś serwis by obsługiwał, to by jeszcze więcej użytkowników tu kupowało.
Przelewy24 albo taki serwis, którym nie jesteśmy np. zdani na PayPala, nie?
I że możemy normalnie kupić w tym.
No i jest Apple Pay ewentualnie jeszcze. Google niestety sobie nas nie życzy u siebie.
Dlatego aplikacja nie jest w sklepie Play.
A ciekawe czy można, bo tak wiadomo, że nie jest to o tym audycja, ale Apple Pay.
Czy można np. płacić z usługi Przelewy24, powiedzmy, Apple Pay?
Nie, chyba Apple Pay to jest po prostu usługa.
Aha. I rozumiem, że… a próbowaliście… to chyba się nie da tak, bo to chińskie prawo,
z Blikiem się dogadywać na przykład.
Nie, no nie próbowaliśmy, bo to są jeszcze takie inne kwestie prawne bardziej, ale to myślę, że nie chcemy ludzi zanudzić jakimiś prawnymi kwestiami.
Tym bardziej, że aplikacja jest raczej tak globalna niż lokalna i nie sądzę, czy oprócz polskiego interfejsu i faktu, że jeden ze współtwórców tego narzędzia jest z Polski,
Generalnie jej grupą docelową są przede wszystkim Polacy. Nie sądzę.
Ja rozumiem, czemu ktoś mógłby chcieć mieć…
Ale przede wszystkim, nawet gdyby się nam udało, to wtedy każdy by chciał.
Ktoś tam chce jakiegoś VKP-a w Rosji na przykład.
I wtedy byśmy mieli tysiąc integracji, o które musielibyśmy dbać.
To też jest tego typu kwestia. A nas jest dwójka.
Ja wiem, ja wiem, no szkoda. A czekaj, coś chciałem jeszcze zapytać, a to czy np. posiada to narzędzie do opisu wideo audiodeskrypcję, że ono np. audiodeskrybuje, co jest na filmie wideo, czy nie?
Możesz sobie zrobić plikasartę, to spokojnie Mateuszu, będziemy o tym mówić, wiesz? Dopiero zaczęliśmy, więc dojdziemy do tego modułu audiodeskrypcji.
Czekaj, a to konwertowanie muzyki, to o co chodzi?
A, że możesz na instrumencie sobie grać, tak?
Nie, nie, nie. To jest jak Suno.
To też będziemy mówić.
Aha, aha, aha.
Dotrzemy do tego.
A powiedz mi, to narzędzie do tego, do konwersji muzyki,
to ono na przykład, nie wiem, można pobierać tę muzykę?
Można. Można pobierać. Będziemy o tym mówić, wiesz?
Nie, to nie jest do tego. W sensie można słuchać tych piosenek, które inni ludzie zrobili.
Ty po prostu robisz sobie jakiś Faster Whisper i te napisy są tworzone. Jak to jest?
Możesz sobie wszystko powybierać. Tak jak mówię, będziemy mówić o tym w dalszej części.
Aha, dobrze. To ja w takim razie nie przedłużam. A i powiedzcie coś o captchach, jeżeli wam się uda.
Jakieś znaleźć obrazki kołowe, tak? Jakieś typu rower do koła albo wybierz coś, co nie jest rowerem, bo to takie durnoty są.
Na szczęście ostatnio nie widziałem takich rzeczy.
Ale jak coś się natknę, to…
Ale wiesz o czym mówię? Na przykład wybierz samochody, na których nie znajdują się rowery.
O tak, wierzmy w je.
Są różne, różne. Są i z tym jest problem.
Tam on sobie z suwakami dobrze radzi, ale to powoli.
Wszystko…
Dobra, dobra.
Dzięki, dzięki Ci i pozdrawiam Cię serdecznie. Do usłyszenia, na razie. Trzymaj się.
Ja również pozdrawiam. Teraz już jest okej?
Teraz już jest okej.
Trochę zmieniłem ustawienie i nie chcę, żeby było słychać jak oddycham.
Jest okej, jest okej.
No to Fejbul nam napisał program, bardzo skomplikowany.
Włączono tu, wyłączono tu.
Mamy taki interfejs.
W listboksie.
No, chyba się zgadza.
Nieważne. Zasłuchałem się.
Teraz możemy sobie dać Enter na tej wiadomości na przykład.
I sobie ją czytać.
Możemy sobie tę wiadomość zapisać w notatce w chmurze.
No i możemy sobie ją przekopiować na przykład, jakbyśmy chcieli.
Mogę też nacisnąć kontekstowy.
Wygeneruj ponownie kontrolę. Zobacz proces rozumowania.
Na przykład zobacz proces rozumowania.
Puste, puste.
Ale tutaj nie było żadnego rozumowania. On po prostu sobie to zrobił inferencję.
Tutaj możemy wybrać mu jakiś obrazek, który on by nam rozpoznał, ale o tym za chwilę.
Rozmowa polega na pisprowaniu.
Tutaj jeszcze możemy sobie alt zrobić.
Ustawienia pod menu. Prompt systemowy S.
Temperatura domyślna.
Liczba ciągłego czatu bez limitu.
Półgość ciągłego czatu bez limitu.
Ostrzegaj, gdy czat ciągły przekroczy 5000 znaków.
Używaj odpowiednich strumień naznaczonych.
Stąd wynikało to pykanie.
Nie wiem, czy je było słychać,
bo akurat Mateusz zadzwonił, że on tak pykał.
O, teraz to Michał pyka.
Tak, teraz to ja pykam,
Uroki posiadania analogowego miksera. Tak, było słychać przez chwilę. Dokładnie.
No to właśnie stąd to wynika, że on generuje odpowiedź i od razu zwraca, nawet jak jeszcze nie jest gotowa.
Dzięki temu możemy zacząć jakąś rozmowę na komputerze i kontynuować na telefonie na przykład.
Pozpytaj, otwieraj wiadomości wszyscy, sposoby korzystania, samochódki, sposoby korzystania, prompt, systemowy, ten, liczba, czwór, dostos, się, używaj, otwór, otwór, pięćdziesiąt, standardowa, menedżer, modeli, lista, darmowy, biwoza, zaznaczone, jeden, siedemdziesiąt, trzy, trzy, wróć, ustawiem, lista, darmowy, biwoza, ilik, nic, nazajdu, rdp, będą, drog, cztery, krok, drog, cztery, krok, om, kimikad, trzy, głębokie, rozumowania, zaznaczone, czyn, zaznaczone, kim, zaznaczone.
Po prostu możemy wyłączać modele, których nie chcemy na przykład używać.
No i to się przydaje.
Swoją drogą to taka refleksja dla tych, którym się sztuczna inteligencja kojarzy z czatem GPT tylko.
Tu 60 modeli jest na liście.
No, to prawda.
Był taki pomysł, żeby lokalne modele dopiąć i wrócimy kiedyś do niego, żeby zrobić taki basen z modelami,
I że każdy może, wiesz, wystawić swoją, na przykład, lamę, jakby chciał.
I kiedyś wrócimy do tego pomysłu, myślę.
No i wiadomo, że jak ktoś, na przykład, korzysta z jakichś zaawansowanych funkcji,
typu… jak to się w czacie GPT nazywa?
Wiesz, to co pod ukośnikiem masz. Wtyczki.
No tak.
Czy tego typu rzeczy? No to nie, ale ja na przykład z AI bardzo rzadko korzystam i mi nie to wystarcza w zupełności.
Prosty, przejrzysty interfejs, który mogę wywołać jednym skrótem klawiszowym.
No wszystko, wszystko zależy do czego używamy tego AI, bo ja już na przykład z własnego gdzieś tam doświadczenia i obserwacji
I to widzę, że po prostu takie modele, czyste modele, bez jakiejś takiej obudowy naszą wiedzą, naszymi skryptami, naszymi różnymi możliwościami,
które gdzieś tam do nich sobie dobudujemy w trakcie używania, one, no, nie zdają się na wiele, tak w dłuższej perspektywie.
To jest fajne, żeby sobie o coś zapytać, żeby on skorzystał ewentualnie z tego swojego banku wiedzy,
Który na pewno już będzie nieaktualny, a potem możemy stwierdzić, a to AI to takie głupie.
No to prawda, to jest bardziej do prostych zastosowań.
Wiadomo, że to nie jest jakiś agent albo coś takiego.
No ale jest.
Tutaj możemy sobie jakąś muzykę… nie mam nic, co by było Creative Commons akurat na dysku.
Chociaż może…
Cztery mety instajernie, zaznaczone je metaplate modified pc, zaznaczone area na area, like 7 fix 2, model 8 z 7 na pc, szare w 5 są, szaret 5 z 4, area marek 5, model 9 z 5, model omset, cisza bez pinecz, wideo piec, szare są, 6 z 6, szare w piec są, 3 mp3, rest, mind, rest, 2 mp3, jadari, jaltanka, 2 z 3, arena, domek, magmusis 20, fix 1, 2, fix 1, ambu, arena, musz, dodań zadania, separacji, ścieżka, pliku, polecektowe, cef, siedlo, model, polecombi, pierwsza metoda separacji, wokalu i akompaniamentu, odpowiednia dla większości scenariuszy.
Druga metoda separacji wokalu i akompaniamentu.
Minimalne zniekształcenia bez wokali wspierających możliwe pozostałości głosu.
Trzecia metoda separacji wokalu i akompaniamentu.
Minimalne zniekształcenia bez wokali wspierających doskonale sprawdza się w przypadku niektórych utworów.
Specjalistyczna separacja wokalu i akompaniamentu z kanałów audio 5.1 i 7.1.
Oddziel tworcę plan od innych dźwięków.
Oddziel tworcę plan. Pierwsza metoda. Parametr polekomnidomyślny.
…
Parametr dodatkowy pole kombi wyodrębny
i akompanament bez wokali wspierających.
Wyodrębny i akompanament bez wokali wspierających.
Wyodrębny i akompanament z wokalami…
Wyślij S. Przycisk Alt S.
Ścieżka pliku pole tekstu. Wyślij S.
Informacja jest. Przycisk Alt Y.
Czas trwania audio wynosi 1 minut 37 sekund.
Złożyłem 25 punktów. Czy chcesz kontynuować?
No i czy chcemy kontynuować? Mogę sobie kliknąć, że chcę.
Przesyłanie.
13%.
A to jest wskaźnik wysyłki.
Tak. Tu się uploaduje. Ja mam tu problemy trochę z internetem, więc…
Przesyłanie. Czekaj, przycisk.
Ale my sobie możemy iść dalej.
Transpozycja muzyki, czyli możemy sobie zmienić na przykład oktawy.
Przejdź L, przycisk A, C, urządzenia wyjściowe, pole kombi, urządzenia domyślne, odtwarzaj S,
konwert ultra, szybki plik multimedialny, pole tekst, średnacja, wysokości, tonu, pole kombi,
oryginalna, minus 1,5 tonów, minus 2,5 tonów, minus 3,5, minumin, oryginalna tona,
tutaj to jest, to nie jest żadne AI, to jest po prostu, bardzo prosty transpozytor.
Konwertu, pauza, S, urząd wybija, muzyka, pole tekstowe, ty, wybij urządzenia wyjściowe,
odtwarzaj L, urząd wybija, muzyka, pole tekst, wybij urządzenia wyjściowe, pole kombi,
Urządze odtwarzaj S, klik multimediany,
przyglądajka, regulacji, prędkość, pole tekstowe,
jeden, jeden, pół tonów, dwa, trzy, pięć, sześć, pół tonów,
dwanaście, pół ton, siedem, klik multimediany, pole tekstowe,
konwertul, klik regulacji, prędkość, głośność,
format, pole, muzyka, pole, wybierz urządze odkonwertul,
odtwarzaj S, konwertowanie, dwadzieścia, dziewięć, czterdzieści,
I on sobie tutaj, bez zmiany prędkości, można zmieniać i prędkość, i głośność.
Ta separacja się chyba gdzieś przerwała po drodze. Mogło, że tak być, bo mam internet obciążony.
To i tak jest instrumentalny utwór, więc on nic by nie wyciągnął z tego.
No i teraz trzymać się, jeśli chodzi o ustawienia.
Cepa muzyka i mu generuj muzykę. Przycisk.
Muzyka i generuj muzykę. Przycisk.
Mamy generuj muzykę.
Generuj muzykę.
O, na przykład generowania dźwięku, bo to jest takie ciekawe.
Tworzenie z tekstu na przykład.
Tytuł pole tekstowe.
Tytuł, sobie wpiszemy test 2.
Wprowadź tekst lub opisz muzykę, a następnie kliknij, aby wygenerować tekst pole tekstowe.
No i wprowadź tekst, na przykład dźwięk interfejsu potwierdzenia akcji w grze RPG na przykład.
Wartość to dwa minuty, a ostateczna opłata zostanie naliczona według rzeczywistej długości dźwięku.
Czy wygenerować? Uwaga. Przy niepowodzeniu punkty są zwracane.
Generuj muzykę. Gratulacje. OK. Przycisk przesłano pomyślnie.
Prwa generowanie. Muzyka i muzyka. Lista 1. Generowanie.
I teraz musimy poczekać.
Dźwięku 1.0. Czas 8, 15, 20, 26, 1, 45, 56, 1, 22.
A, bo to według czasu chińskiego chyba się generuje.
Tak, tak, tak. A to błąd odkryłem przy okazji.
Muszę zrobić, żebym strefy czasowe konwertował.
W Chinach już mamy sobotę.
Tak.
Rano.
Nie będzie.
Nie będzie jakoś bardzo trudny do naprawienia.
Jeden test ma czas trwania.
O.
Dwa.
Jeden test ma czas trwania.
Dwa sekundy.
Model generowania dźwięku.
No i mogę dać Enter.
O.
Takie coś.
No.
I teraz na przykład drugi mogę na mnie puścić.
A się musi zbuforować.
Żołnierze!
O nie, to coś innego się włączyło.
Nie. Dobra.
Jedna sztuka się wygenerowała.
No ale w każdym razie, mogę sobie dać kontekstowy.
Kontekst menu. Zobacz tekst Shift Enter.
Pobierz zapis od menu Kontrol S.
Audio Wav. Wszyscy. Audio Wav.
Kopiuj URL pod menu Kontrol C.
Audio Wav.
Udostępnij publicznie Kontrol X.
Dodaj do ulubionych Kontrol C. Wygeneruj ponownie Kontrol.
Zmień nazwę F2. Usuń Delete.
Usuń całowiał daną muzykę. Ctrl, delete. Wyczyść wszystko.
Znaczy wszystko… no bo to jest muzyka, no ale tutaj można słuchowiska generować i tak dalej. Różne rzeczy.
Generuj muzykę. Utwórz głos. Przycisk. Instrukcja. Przycisk. Utwórz głos. Przycisk.
O, utwórz głos.
Utwórz głos. Tytuł. Pole tekstowe. Opis opcjonalnie. Pole tekstowe. Klik audio. Pole tekstowe. Tylko do odczytu.
To mogę po prostu, nie wiem, zaśpiewać coś do mikrofonu i potem śpiewać tym głosem?
…się pozwolą śpiewu Poletombli początkujący.
Metoda weryfikacji Poletombli bez weryfikacji.
10 punktów na każdym razem.
Wyślij S. Szybci suma tytuł Poletombli.
Poletombli tylko do odczytu 1.
Utworzony głos ma bardzo krótki okres ważności.
Zwykle tylko kilka godzin. Po pomyślnym utworzeniu użyj to jak najszybciej.
Jeśli głos wydasz nie, musisz go ponownie utworzyć.
2. Przesłane audio powinno być
czystym, suchym, z wokalem, bez akompaniamentu.
Możesz naśpiewać piosenkę. Idealnie o długości
około 2-3 minut. Staraj się pokazać
Zarówno niski, jak i wysoki nakręt głosu. Podobieństwo głosu zależy od samego głosu. Niektóre głosy mają wysokie podobieństwo, inne niż się. Model jest stale aktualizowany i ulepszany.
Obecnie służy wyłącznie do rozrywki czy utworzony głos może być obecnie używany tylko do tworzenia zupełnie nowej muzyki, a można go używać do coverowania istniejących piosenek.
Cztery powiązki należy wybrać na podstawie.
No i tak dalej. Tu jest pomoc. Każdy może to przeczytać.
Instrukcja. Przycisk. Instrukcja. Pole tekstowe tylko do odczytu. Uwaga.
Prawa autorskie do muzyki wygenerowanej przesaj należą do Ciebie jako twórcy i mogą być wykorzystywane w celach komercyjnych.
Część jeden wprowadzenia do muzyki, a i czym jest muzyka. Instrukcje, urządzenia wyjściowe, pole kategoria, pole kombi, a muzyka jest kategorią.
A to myślę, że naprawdę może być fajne narzędzie dla tych, dla których Suno jest zbyt trudne.
Zastanawiam się tylko, czy na przykład porównywałeś możliwości Suno właśnie z tymi modelami? Co się sprawdza?
Nasze modele mają dużo lepszą jakość, jeśli chodzi o wokale. W sensie wokale są dużo bardziej naturalne.
Niektóre rodzaje muzyki, na przykład właśnie jakaś instrumentalna muzyka, dużo lepiej sobie radzą.
Suno sobie lepiej radzi z rapem na pewno i z techno. To mogę powiedzieć.
Aha.
Odkrywaj muzykę. Moje głosy.
Odkrywaj głosy. Moja ulubione głosy.
Moja ulubiona muzyka. Moje publiczne głosy.
Moja publiczna muzyka.
Mamy różne kategorie.
Odkrywaj głosy.
Na przykład.
…informacja, ok, przycisk, błąd, przesłania,
szyczyna, system, kropka, i o, kropka, i o,
eksepcjon, u, nable, to, brite, data, to, be, transport,
konnekcjon, aneks, isting, konnekcjon,
mas, forcibly, kloset, wyber, emote, host, system,
kropka, net, kropk, muzyka, ajuron, kategoria,
pole, kom, moje, włosy. Zdarza się.
Jak się serwer mi teraz położył, to będę miał
problem już do końca audycji. Może nie.
Moment.
O, miejmy nadzieję, że nie jest to zwiastun większych problemów.
Natomiast to ja w międzyczasie może zajrzę do naszego panelu kontaktowego,
bo tutaj mamy…
O, już jestem.
Tu mamy, to jeszcze od razu przeczytam, tylko o wiadomość od Sylwestra.
Witam serdecznie, Arka, dobrej prezentacji.
Luomo Toolboxa ja testowałem już w poniedziałek,
bo się dowiedziałem z ramówki i od razu zainstalowałem.
Wyszło mi średnio.
O, to byłbym wdzięczny za feedback.
Możliwe, że na e-mail na przykład
[email protected]
Co tam się nie podoba, co źle działało, to…
No, fajnie by było.
Arek będzie miał szansę naprawić.
Ciężko mi będzie to spisać teraz.
A, mamy te głosy.
Podgląd kontroles. Zdobaj to ulubiony kontrol. Śpieszewkę utwór podgląd kontroles.
No i sobie śpiewa jakaś pani.
No i moglibyśmy coś utworzyć, ale to zawsze trochę czasu będzie trwało.
Ile wygenerowanie takiej piosenki pełnowymiarowej, tak jak tutaj, mniej więcej trwa?
W zależności, czy używasz na przykład tych tagów, bo są te tagi różne, typu jakieś, żeby on oddychał, żeby on się zatrzymywał i tak dalej. W zależności, no…
Jak masz, po prostu napiszesz sobie ciurkiem tekst, no to jakieś 40 sekund, a jak używasz wiele tych tagów, to nawet kilka minut może generować.
Czy te modele, które wykorzystujecie, to są wasze, czy to są jakieś…
To są nasze.
To są wasze modele.
GŁOSY Z KONTENTU
GŁOSY Z KONTENTU
GŁOSY Z KONTENTU
GŁOSY Z KONTENTU
Także tyle mamy. 20 razy 138 piosenek.
Trochę jest ich…
GŁOSY Z KONTENTU
Podaj do lubion, wygeneruj ponowność, zobacz tekst w shiftenter.
Czany z literali, Czany, czany z literali,
Tera literalitera literali, use hopken to host hopken.
Duracion dwa minutes, tonę.
Profesjonal dubbing, pierce, ausentics, hopken language.
Hopken wanshou, adz muzyka.
O, ciekawe.
No i nie wiem, puszcza, na przykład, żeby zobaczyć.
No i reklamę sobie ktoś zrobił.
No więc to w ten sposób działa.
Tu jest opis wideo.
Obszar roboczy. Nazwa pliku. Edytowane pole kombinacyjne.
Chętno items.
Fikt nazna.
N2 z fikt 1.
To ma to coś w…
W kontekście musinami.
Otwarta tajemnka.
Tunelek ma wnioska.
Wnioska wnetrzny.
Marla wnio…
Dima w siedzie.
Mp3 z rest.
Masz dwa.
Są nazna.
Coś w…
Klienta.
Klient jest.
A dodane w meta.
Inpec.
Szafet.
A z wideo piętnaście.
Intro B kropk.
Intro N kropk.
Intro FR kropk.
Intro PL kropk.
KFLV 4-6, opis wideo i wprowadzania pole tekstowe, przedstaw szczegółowy, opis zawartości wideo, Enter, wysyła, Control, Enter, nowy wiersz.
Zero, znak.
Czy sobie to pisze, że w formacie SRT?
Wiadomość lista, co chciałby, zachowaj ciągłość konwersacji, L-pod, wiadomość lista, co chciałby, nie wie, co zawartości tego wideo, naznaczone z Maz-2.
Zachow model, pole, kombi, odleg, mini, film, maksymalnie 30-minutowy. Zobacz wideo, przycisk, wprowadzania, pole tekstowe, przedstaw.
No i Enter.
Konwertowania widę 3%, 11%, 20%, 28, 33%, 41%, 40, 54, 63%, 70, 76, 85, 93%,
opis wideo i wprowadzania poleceksowe przesłania w 1%.
Teraz upload.
Który niestety…
To chwilę potrwa.
No niestety, takie uroki.
No niech się wysyła, bo akurat to by fajnie było pokazać.
Przesyła się tu powoli.
No to niestety właśnie z takimi rzeczami to jest ciężko dużo.
No niech się przesyła.
Generowanie zdjęć.
Rozmiar model pole combi darmowy, biwo, bez edycji.
To ma o 5.0.
IPC i MAG-2.
WAN 2.7.
WAN 2.7 PRO.
WAN 2.0.
WAN 2.0 PRO.
TODLE NANO BANANA 2.
WAN 2.0 TODLE NANO BANANA 2.
Rozpocznij generowaniem od rozmiar pole combi 2K.
Obraz do modyfikacji lub jako odniesienia.
Lista dodań z menu kontekstowego.
Kontrol sałaby wklej w género elementów.
Mogę dodać np. jakieś obrazki, które chcę, np. żebym zedytował.
Opis zdjęcia, jakie chcesz wygenerować w pole tekstowe.
I ja np. jak zgłaszam błędy, to używam tego do cenzurowania jakichś danych na zrzutach ekranu.
To jest taki mój case.
Wygeneruję zdjęcie, nie wiem, śpiącego kota na przykład.
I Enter.
…
…
…
…
…
…
…
…
Tu jakiś chiński string się jeszcze wkradł.
To, co widzę, to rzeczywiście jest bardzo fajna opcja, że on za każdym razem i przy każdej tej operacji mówi ile tych punktów.
Tak, ale też od razu dostajesz informację jasną, ile tych punktów zejdzie.
Że nie jesteś zaskoczony, że coś się nagle wydarzyło i miałem, a nie mam.
No, co on może tam… o niektórych rzeczy nie jesteśmy w stanie przeliczyć, tak?
Nie pokazuję, a ten filmik się przesyła. Dobra, niech się przesyła.
Może pod koniec audycji pokażę ten opis.
No i on sobie generuje, ja będę miał dźwięk, jak on skończy generować.
No i mam zdjęcie. W wersji mobilnej da się wrzucić to zdjęcie do modelu, żeby on je od razu opisał, ale w wersji komputerowej jakoś nie zrobiliśmy tego. Nie wiem w sumie dlaczego.
Synteza mowy, język polityczny, lista dotek, kropka, pędzienie, zaznaczone, jeden z jeden.
No ale mogę zrobić.
Centrum, porzeparacja, atom, porozmawiaj, bot, logo, asystent, napisz, program, hello world,
wiadomość, lista, wprowadzania, pole tekstowe, enter, wysyła, kontrolę, enter, nowy wiersz, puste, puste,
wiadomość, lista, nero, zachowaj, ciągło, model, inteligentne, rozpoznawanie, obrazu, inteligentne,
rozpozna, jo, jo, jo, napisz, kropka, jo, jesteś, jo, jo, nero, nero,
No i Enter. I zobaczymy, co on napisze.
Musimy chwilę poczekać.
No to wiwo.
No to wiwo.
Nie, nie, nie mam takiej potrzeby.
Nie, nie, nie mam takiej potrzeby.
Nie, nie, nie mam takiej potrzeby.
Wiadomość, lista full obrazów, prowadzania, pole tekstowe, Enter, wysyła, kontr, nadmiwo, 8.
Jest też pomocny kontrol, edytur, kopiul, kopiul, dodaj, wsuń, zlewy, czyść, histość, szukaj, powyślij, ponownie, wygeneruj, ponownie, kontrol, z.
Wygeneruj ponownie, pole tekstowe, jesteś pomocny. Wygeneruj ponownie, jest inteligentny, jesteś pomocnym asystentem.
No to taki domyślny prompt jest.
O.
I wcięgamy.
W pięciu widzimy parapet okienny, pt4.je.
O!
No tak, bo na czymś ten kot musi spać w sumie.
No tak.
W zdjęciu widzimy parapet okienny, na którym znajduje się kilka obiektów kot.
Najbardziej centralnym i dominującym elementem zdjęcia jest rudobrązowy kot.
Leży zwinięty w kłębek w kąc, jego pysk jest przysunięty do ogona, a uszy są wyraźnie widoczne.
Kot ma miękką, puszystą sierść w kolorze równym z jaśniejszymi, a most kremowymi akcentami widocznymi na ogoniach wyspów koc lub pled.
Pod kotem znajduje się gruby, ciepły koc lub pled, który jest szaro-brązowy w krawę.
Koc leży bezpośrednio na parapecie i wydaje się służyć kotu jako posłania, rośliny doniczkowe.
Wokół kota rozmieszczonych jest kilka roślin doniczkowych.
Po lewej stronie, częściowo wysunięta poza kadr, znajduje się jasno-brązowa doniczka i jej zawartość nie jest widoczna.
Po prawej stronie, w tle, znajduje się miększa roślina od grubych owalnych liściach umieszczona u brązowej doniczce.
Jeszcze dalej po prawej, u głębi kadru widoczna jest kolejna roślina doniczkowa z jasnozielonymi liśćmi u głębszej doniczce.
Kolejna doniczka jest widoczna tuż za kotem, bliżej krawędzi zdjęcia.
To się trochę poprawiło, bo kiedyś jakbym napisał takiego prompta, to kot by spał w próżni.
Zmiana tekstu.
Nie potrzebuję jednego…
Teraz kolejny moduł.
A jest w Polsce!
Tj, jasne…
Trzymaj…
Tyflopodcast, pierwszy polski podcast dla niewidomych i niedowidzących.
Piszę bez polskich znaków, bo nie mam polskiej klawiatury w systemie.
Można tu sobie od razu podkład jakiś podłożyć.
Musi wygenerować to.
Był to Tyflopodcast, pierwszy polski podcast dla niewidomych i niedowidzących.
O, no i mamy. I mógłbym podłożyć teoretycznie muzykę.
No i teraz jest taki moduł.
Mowa na tekst.
Po prostu jak eksportuje dużo, to korzysta z Whispera na naszym serwerze postawionego.
Okej, a z którego modelu?
Z tego… Boże, nie pamiętam, któryś large tam jest, ale nie pamiętam, który.
Okej, nie, właśnie chodziło mi o to, jakiego rozmiaru jest ten model.
Był Parakeet jeszcze, ale z nim były problemy z chińskimi tekstami i musiał polecieć.
Ja już tutaj taki… ciężko mi jest pokazywać te transkrypcje i tak dalej, bo to by trwało po prostu bardzo dużo czasu.
O, to jest fajne.
Bo jak jest silnik niewybrany, to jest…
W dokumentach, czyli on jest w stanie na przykład rozpoznać to, że jest dwustronny,
że masz książkę, że masz… na jednej i na drugiej stronie, tego nie rozwalasz.
Niestety nie mam takiego PDF-a, co mógłbym go łatwo… żeby nic nie pokazać,
Czego nie powinienem? No ładujemy po prostu PDF i on od razu się rozpoznaje i możemy do pliku .txt zapisać albo wrzucić od razu do syntezy mowy.
A tu możemy tłumaczyć jakieś dokumenty.
W zbiorce tłumaczenia plików obsługuje tylko filmik BPL.
No ale to tylko BPL, bo on jest w stanie przetwarzać te doksy, ale w sumie GPT też by to potrafił. Trzeba to dopisać.
To było proste do zrobienia dosyć.
Wynik B, pole tekstowe ALT B. Tekst źródłowy A, pole tekstowe ALT A.
No ale tak możemy tłumaczyć, że…
Centrum posypa tramwóz, opis wigenerowa, symptomowa konwersja, masowokno, ustawienia, słowniki, menedżer, szowka, słowa, ustawienia, tłumaczenia B.
Tu możemy ustawiać sobie parę silników, w sensie parę języków, czyli jak np. Google Polski na Angielski.
I tłumacz schowek to schowka.
Słowniki ideograficzne do Braille’a chińskiego wprowadź treść do wyszukania poletekstowe.
Szukaj S. Szybki instrukcja. Pole tekstowe tylko do odczytu.
Obsługuje wyszukiwania po znaku chińskim i ideograficznym.
Pisz mnie Braille’a lub podział wejściowym.
Szlank pin. Wyniki zamierają objaśnienia znaku.
Opis graficzny. Słownik Tsinghua oraz Słoweniezi.
Obsługiwane są tylko po jedyncze znaki chińskie.
Obsługiwane jest tylko ideograficzne pismo Braille’a.
Pozycje kropek można oddzielać spacją lub przecinkiem.
Na przykład można wpisać 1, 2, 3 kropki.
1, 3, 5 kropek. Można też wpisać bezpośrednio.
1,2,3,1,3,5
Tutaj mamy materiały,
no to nie jest przetłumaczone,
bo to są podręczniki na naukę amerykańskiego.
Wpiszemy na przykład
1,2,3,1,3,5
Czarny z litera. Objaśnienia znaku poletekstowe.
Czarny z litera. Jaku? Czarny z litera. Litera, czarny z litera.
Włączono układ klarnat. Wyłączon. Czarny z litera. Fal. Jaku? Fal.
Mamy objaśnienie.
Czarny z litera. Litera. Litera. Litera. Czarny z czarny z litera. Litera.
Polski. Kod. Miejscowy. Szlank. Pin. Poletekstowe. L. O. L. O.
Opis kształtu znaku poletekstowe. Czarny z litera. Litera. Litera. Litera.
Jakie klucze semantyczne są używane do budowania tego znaku?
Jakby ktoś się uczył chińskiego, to ma bardzo przydatne narzędzie do tego.
Słowniki, wyobraz, menedżer, schowka.
Menedżer, schowka.
Przez chwilek, lista, czanis, litera, litera, mas, error. Czanis, litera, error.
OK, przycisk, no, projekt, informacjon, masop, tajnet, zmaskiem, dziesiąt, trzy.
Szukaj słowa kluczowego, s, poszukaj, przycisk, pole, kom, i schowek.
Lista, error, pole, kom, notatki w chmurze.
Schowek. Notatki w chmurze.
Może ten schowek coś nie chciał działać?
Nie, działa, działa.
Tu jest lista elementów, schowka.
Error. Okej. Czarny z litera. Czarny. Czarny. Siedziesz w PPQ. Uda się. PPQ. PPQ. Uda się. Czarny z litera litera.
Tylko ja tak ostrożnie chodzę, bo wiesz, wiesz jak to ze schowkiem.
Error. Okej. Przycisnął.
No, no, no. Na przykład mam tu jakiś komunikat błędu, więc daję sobie kontekstowy.
Kontekst menu. Przypnij P. Kontrol B.
Mogę przypiąć.
Czyli będzie na samej górze, tak?
Tak.
Nowa notatka w chmurze A. Kontrola.
Mała notatka w chmurze.
Mogę sobie notatkę z tego stworzyć i tak dalej.
No i tu mam listę notatek.
Porozepa, transpozycja, muzyka, opis, wideoaj, generowania, synteza, mowy, umowa na tekst,
wizer, konwersja, audio, wideoak, podmasowe, odser, hipokno, tłumaczenia, sef, ustawienia, tłumacz,
słownik, ideograf, menedżer, szofka, menedżer, drogowskazów, te, menedżer, drogowskazów,
lomotol, od, zestaw, lista, nero, elementów, schemat, lista, nero, element, drogowskaz, lista, nero,
element, zestaw, lista, nero, element, system…
No i tutaj mam te drogowskazy, czyli to działa jak w ZDSR-ze, że…
Czyli mogę sobie, tu bym potrzebował kogoś widzącego, bo mogę myszką sobie coś pokazać i zrobić sobie taki dostępny schemat na przykład właśnie dla jakiejś aplikacji.
Czyli taki hotspot jakby, tak? Na ekranie dla konkretnego miejsca.
Tak, tak.
Zainstaluj dodatek tłumaczenia NVDA. Zainstaluj dodatek rozpoznawania ZDSR.
Ustawienia jest pod menu.
Ustawienia.
Menedżer silników OCR.
Tu mamy silników OCR. No i możemy je spacją wyłączać i włączać.
No i tutaj mogę po prostu wyłączać silniki, których nie używam.
O, to jest ciekawe.
One nie są zaznaczone, natomiast…
Ale to już same…
Ten offline OCR nie wspiera niestety polskiego…
Linia serwera, czyli pierwszy, drugi, trzeci.
Pierwszy to jest automatycznie i powinno tak być z reguły.
I te rzeczy są po polsku, tylko ja miałem program po angielsku
i go nie przerestartowałem po zmianie języka i dlatego tak to wygląda.
Nie poznaje szkoły…
Ale na przykład chce sobie okno asystenta przepisać pod skrót.
Ustaw skrót naciskając klawisze.
Naciśnij skrót, który chcesz ustawić.
No i zastosuj.
No i naciskam sobie Windows Alt ukośnik.
O, i to jest prawdziwa moc tych funkcji.
Że my wszystkie te funkcje, o których ja mówiłem, możemy przepisywać sobie do globalnych skrótów.
Czyli jeżeli korzystamy z czegoś regularnie, z jakiejś konkretnej funkcji,
to możemy już ją od razu wywołać, zamiast chodzić po tym menu, szukać.
I możemy mieć każdą funkcję z globalnym skrótem.
Tak, dokładnie.
A ten dalej.
No może się doczekamy.
Ustawienia mowy, to tu możemy syntezator wybrać albo zaznaczyć, żeby ze screen readera korzystać.
Osobny kanał to dla ZDSR-a lub BOI, bo NVDA nie ma takiej opcji.
Możemy mieć osobny kanał w screen readerze dla Luomo.
Tutaj jak chcemy rozpoznać obszar pod myszą, to jaki ma być duży ten obszar, który my rozpoznamy?
Przesłuchajmy.
Czyli on tam będzie mówił, witamy w Luomo Toolbox.
Twój aktualny silnik OCR to, nie wiem, Baidu.
Twój aktualny silnik tłumaczenia to Google Polski na angielski na przykład.
Uruchamiaj z systemem K, zaznaczone.
Tryb wyświetlania pod menu.
Tryb menu zasobnika, zaznaczone. Okno główne.
Menu zasobnika, zaznaczone. Okno główne.
O, jest też tryb okna głównego, to o czym
mówiłem, jak ktoś nie chce menu zasobnika.
Język interfejsu Y pod
menedżer silników. O, język interfejsu Y
pojezd. Uruchamiaj z systemem.
Chinese literality English. Polski, zaznaczone.
Uruchamiaj z systemem. No i mamy chiński,
angielski, polski.
Do wyboru. O programie
pod menu. Instrukcja. Nagrania
No i to jest na tyle, jeśli chodzi o moduły programu.
Niestety, tak jak mówiłem, przez to, że mam problemy z internetem,
to nie będę próbował kombinować już z OCR-ami i tak dalej,
bo to będzie wszystko bardzo długo trwało, jak widzę.
No tak.
No, ale macie, myślę, taki ogólny program.
Czy to jest kwestia serwera, czy to jest kwestia Twojego łącza?
To jest kwestia, u mnie wiesz co, łącza chyba,
bo przed audycją, zanim wszedłem na Zooma,
No to testowałem na przykład właśnie rozpoznawanie wideo i działało bez problemu, więc raczej łączę, no chyba że ktoś mi jeszcze zgłosi, że wszystko zamula, no to wtedy serwer przerestartuje, no bo…
Ale serwer, jak rozumiem, jest w Chinach.
Jeden jest w Chinach, drugi jest w Niemczech.
A, i on jakoś automatycznie wykrywa sobie, do którego…
Tak, no mamy Cloudflare’a zapiętego i load balancera, przez co on wybiera automatycznie sobie linię.
Ja nie, no to poza tym jeszcze jak to idzie przez Cloudflare’a, to w ogóle nie powinno mieć znaczenia w takiej sytuacji. To rzeczywiście u Ciebie prawdopodobnie jest problem.
U mnie jest problem, bo ten filmik się dalej przesyła.
Tak, 79% wprawdzie, ale chyba nie zdążymy.
Chyba nie zdążymy, no. Także tak, no myślę, że tak słowem podsumowania, tak samo o Witchcraftzie ciężko mi było podsumowywać,
Trochę ciężko jest się wypowiadać na temat czegoś, przy czym się dłubię już parę lat, ale…
No co mogę powiedzieć? Na telefonie to jest mój jedyny program tego typu.
Nie korzystam z innych programów, no bo…
Na telefonie mamy to rozpoznawanie takie, gdzie program nas prowadzi…
i tak dalej, i tak dalej.
No to rzeczywiście, aplikacja jest fajna i rzeczywiście ma spore możliwości. Zastanawiam się tylko, ale to trzeba by było poużywać rzeczywiście. Jaki byłby realny koszt jej używania, gdybyśmy chcieli wykorzystywać ją tak naprawdę często?
Wiesz co, ja na przykład korzystam z niej często.
No i ja… to jest moje konto developerskie akurat, nie pamiętam kiedy je resetowałem.
No ale teraz mam 152 dni jeszcze, czyli 365 minus 152, skomplikowana matematyka,
na którą nie mam teraz siły.
No ale już długo korzystam i tylko 3 tysiące punktów zeszło.
A ja na przykład na telefonie, jak gdzieś jestem, nie wiem, w sklepie na przykład
Tylko i wyłącznie Luomo.
Jak mam coś do przetranskrybowania, czasem lokalnie robię, bo jest szybciej, ale też bardzo często Luomo.
No ten program towarzyszy mi naprawdę do każdego dnia.
No to rzeczywiście, to wygląda na to, że…
Nie no, możliwości ma naprawdę fajne, możliwości ma super.
A przypomnijmy jeszcze, jak to wygląda, jeżeli chodzi o cenę punktów.
Tysiąc punktów to jest jaka kwota?
Jak PayPalem to dwa dolary sześćdziesiąt dziewięć centów.
No to zależy od przelicznika.
W App Storze mamy polski przelicznik.
No ale w App Storze jest piętnaście złotych.
Tam sześćdziesiąt dziewięć złotych za pięć tysięcy
i sto złotych za dziesięć tysięcy.
No i to mamy na rok te punkty.
No te dziesięć tysięcy to już jest całkiem sporo i myślę, że mógłby być nawet problem, żeby przez rok to przerobić.
No, to ktoś, nie wiem, jak ktoś na przykład jakieś książki chciał rozpoznawać, no to pewnie by przemielił to.
Na przykład bardzo dużo jakiejś literatury.
Bo tutaj jest też całkiem fajne, tu są też całkiem fajne możliwości i tak ogólnie posiadania różnych funkcji w jednym miejscu.
I tak się zastanawiam, czy na przykład myśleliście też o tym, żeby dać użytkownikom w jakiś sposób, oprócz tego, że mogliby korzystać z poziomu aplikacji, ale na przykład do pewnych funkcji po doładowaniu konta, czy myśleliście o tym, żeby dać się możliwość wejścia po API po prostu?
Myśleliśmy i jest to pisane, ale nie wiem kiedy wyjdzie, bo pracujemy na razie w wersji mobilnej nad rozpoznawaniem pojazdów komunikacyjnych.
W sensie, z której strony jedzie autobus i czy tu są drzwi, czy jeszcze ich nie ma i jaki ten autobus ma numer.
I to nam zabiera bardzo dużo czasu, bo do takich funkcji my ogromną uwagę przywiązujemy, żeby były zrobione dobrze, tak jak sygnalizacja świetlna,
No, półtora roku jakoś tak. Długo powstawało to rozpoznawanie sygnalizacji świetlnej. No bo tu już w grę wchodzi czyjeś bezpieczeństwo, więc to muszą być funkcje, które…
No tak, tu nie może być błędów.
Dokładnie.
A przynajmniej nie powinny występować często, no bo to wiadomo, nie uniknie się jakichś pomyłek.
W tym rozpoznawaniu autobusów działa taki nanomodel, oczywiście lokalnie.
No i jak na razie mamy tak 90% skuteczność, jak testowałem w ZTM-ie, w Warszawie.
Także jeszcze trochę pracy przed nami. Jak wyjdzie mi próbka 99, 98 powiedzmy,
no to będzie można puszczać jako beta.
Jasne. Bo to na razie, jak rozumiem, nie jest dostępne.
Nie, to jest na razie tylko u nas w wewnętrznej wersji.
Jasne. No dobrze, no nie doczekamy się chyba tej prezentacji. A szkoda, bo chyba już tak naprawdę dobiliśmy do końca naszej prezentacji.
No to możemy chwilę poczekać już.
To ewentualnie, to ewentualnie może, to ewentualnie może, no pytanie ile to potem będzie się jeszcze rozpoznawało?
No jakieś dwie minuty.
No to dobrze, to ja proponuję, to ja proponuję, żebyśmy w takim razie, zaraz tu jeszcze poszukam nam jakiejś muzyczki, żebyśmy na spokojnie mogli sobie na to…
No to jest krótki film, on trwa dwie minuty.
Poczekać…
Ale no niestety czasem tak się dzieje.
No tak, to niestety, to już jest po prostu…
Nie, no teraz na złość, powoli.
No dobrze, to wrócimy do was za chwilę i zobaczymy, co się wydarzy,
więc jeszcze zostańcie z nami, jeżeli chcecie posłuchać, jak Luomo Toolbox
audiodeskrybuje wideo.
No i już do was wracamy, bo mamy audiodeskrypcję.
Nero, Nero, Nero. Video rozpoczyna się od sceny u lesia, gdzie jelen stoi spokojnie w śrubzie.
2. Nero, Nero, Nero. 3. Przejdź na to dosz.
1. Nero, Nero, Nero. Video rozpoczyna się od sceny u lesia, gdzie jelen stoi spokojnie w śrubzie.
Nero, Nero, Nero. 3. Przejdź na to dosz.
Nero, mężczyzna z drogą i długimi włosami, ubrany w prosty strój, obserwuje jeleni zna ksiaków.
3. Nero, mężczyzna instruuje to dosz, aby wziął głęboki wdech, natrzymał podnieb się i celował w serce.
No właśnie, bo to jest… on rozpoznaje też wokal niestety z wideo.
Można to wyłączyć.
No i tak dalej, i tak dalej. Także działa.
Działa. I rzeczywiście na przykład oglądałeś coś już w ten sposób?
Wiesz co? Takie bardziej filmiki typu z wakacji i tak dalej.
Takie rzeczy tak. I bardzo dobrze sobie radzi.
Jeszcze nic poważniejszego nie próbowałem w jakichś seriali audiodeskrybować, bo to by pewnie trzeba było nad promptingiem posiedzieć, żeby on tam nie nachodził i tak dalej i jeszcze czegoś takiego nie testowałem.
No i też jakieś fakty prawdopodobnie o danej produkcji trzeba by było mu podać i wtedy miałoby to sens.
Żeby on wiedział.
Żeby wiedział kto na przykład, bo tutaj to cały czas jest powiedzmy mężczyzna, kobieta, dziecko i tak dalej.
Fajnie by było wiedzieć, który z bohaterów danego materiału rzeczywiście coś robi.
Ale tak czy inaczej, rzeczywiście, jeżeli macie potrzebę, żeby się dowiedzieć czegoś z jakiegoś materiału,
no to też można. I ile punktów coś takiego nam zjada?
Zaraz zobaczę ile mi to zjadło punktów, bo szczerze nie pamiętam.
CENTRUM UŻYTKOWI PUNKTY SIEKCZUP PUNKTY INFORMACJE OPIS VIDEO ALBO OBLEG MINI PUNKTY MINUS 11 KROPKA CZTERY PIĘĆ
Trzy punkty na minutę, tak?
No mniej więcej.
Tak, bo to też zależy od klatkażu wideo.
Od tego ile się dzieje.
Sam do końca nie rozumiem jak to działa,
bo to idzie przez zewnętrzne API.
No tak, tak.
Wy tylko wysyłacie i odbieracie wynik.
Tak.
Też zresztą może się zdarzyć, że na przykład jakiś model,
czyli w tym przypadku Google,
odmówi opisu jakiegoś materiału.
No może też tak być, ale wtedy punkty są zwracane.
Jasne.
No dobrze. I to była ostatnia funkcja, którą nam się udało zademonstrować.
I w praktyce, jak widać, też się udało.
Luomo Toolbox. Arku, to przypomnij jeszcze, skąd można pobrać.
www.lmdbk.com/tool.html
Super. Tam można wejść. Jak widzicie, aplikacja jest po polsku.
Czasem się jeszcze do nas jakąś tam chińszczyzną odezwie,
No już na szczęście jest tego niewiele.
Malutko, malutko.
Tak jest. A aplikację prezentował dziś Arkadiusz Świętnicki.
Dziękuję ci bardzo.
Dziękuję.
I do usłyszenia.
Do usłyszenia.
Był to Tyflo Podcast.
Pierwszy polski podcast dla niewidomych i słabowidzących.
Program współfinansowany ze środków Państwowego Funduszu Rehabilitacji Osób Niepełnosprawnych.