Hacker News Digest

Whistle — это открытая модель распознавания речи размером 16,9 МБ, которая работает на CPU без зависимостей и использует тот же C++ движок, что и модель Needle. Она транскрибирует аудио до 30 секунд на семи языках: английском, немецком, французском, испанском, итальянском, нидерландском и польском, определяя язык автоматически, если он не задан явно. Первый токен появляется за 11 мс, а вся обработка происходит локально на устройстве — аудио никогда не покидает его. Помимо транскрипции, Whistle выдаёт временные метки для каждого слова с вероятностью и генерирует речевые эмбеддинги — по одному вектору на каждые 80 мс аудио, полученные из выхода энкодера.

Архитектура Whistle делит обработку на энкодер и декодер. Аудио преобразуется в 80-полосные лог-мел спектрограммы с окном 25 мс и шагом 10 мс, затем проходит через свёрточный стебель, уменьшающий длину с 3000 до 375 кадров (по одному на 80 мс). Энкодер состоит из восьми блоков Simple Attention, общих с Needle, использующих mHC residual lanes и Monarch Hadamard MLP вместо стандартного FFN. Декодер содержит восемь Laddered Simple Attention блоков с гейтированным кросс-вниманием к энкодеру, где ключи и значения проецируются один раз при загрузке аудио и переиспользуются для всех лучей. Декодирование выполняется beam search с шириной 5, длинормализованным лог-вероятностным скором и смещением по ключевым словам через Aho-Corasick автомат. Модель поддерживает вывод текста, языка, латентности первого токена и скорости декодирования, а также расширенные опции вроде принудительного указания языка или подсказки ключевых слов. Установка возможна через pip, а готовые бинарники доступны для 17 платформ, включая мобильные устройства, микроконтроллеры и браузер через WASI. Вес модели и исходный код размещены на Hugging Face и GitHub.

Whistle — компактная модель для локальной работы на CPU без зависимостей с низкой задержкой (первый токен за 11 мс), подходящая для встраиваемых устройств и веб-приложений. Основные характеристики и ограничения: * **Точность:** В режиме свободного распознавания точность низкая (70/170 против 168/170 у Qwen). Однако при использовании как детектора шаблонов (обучение сети на сгенерированных фразах) точность возрастает до 164/170. * **Языки и акценты:** Хорошо работает с английским языком и различными акцентами (индийским, хорватским, испанским), превосходя стандартные системы и встроенное распознавание iOS, особенно в технических терминах (ASP.NET, .NET 10.0). Плохо работает с испанским, не поддерживает норвежский, японский и другие языки. * **Технические недостатки:** Отсутствует поддержка потоковой транскрипции в реальном времени. Ограничение длины аудио — до 30 секунд; при обработке длинных файлов модель может зацикливаться на одной фразе (например, «Thank you.»). * **Специфика:** Не подходит для распознавания речи людей с речевыми нарушениями. Альтернативы: * ZWhispr: для локальных систем с 8 ГБ GPU, обеспечивает высокую точность за счет трех SOTA моделей. * Yapsnap: бесплатный вариант для CPU без GPU с поддержкой 10 языков, потоковым режимом, диаризацией и временными метками.

Qwen3.8-Omni-Flash — новая модель от Alibaba, ориентированная на агентные задачи с поддержкой текста, изображений, аудио и видео в одном контексте до 1 млн токенов. Она не просто воспринимает мультимодальные данные, а планирует действия, вызывает инструменты и выполняет сложные рабочие процессы: редактирование видео, создание музыкальных клипов, синтез комментариев, суммаризация аудиовизуального контента и реальное время общения. Модель показала рост на 25% в среднем по 29 тестам по сравнению с предыдущей версией, а стоимость обработки аудио снизилась более чем на 98%, а аудиовизуальных данных — на 93%.

Особые достижения включают улучшение понимания длинных аудио- и видеороликов: +8.3 балла на LongAudioSpan, +9.6 на OmniVideoBench, а точность распознавания речи в многоголосовых сценариях (AliMeeting DER) упала с 88.11 до 3.35. Qwen3.8-Omni-Flash достигла уровня Gemini 3.8 Flash в аудиовизуальных задачах и превзошла его в аудио-аналитике. Для разработчиков доступен фреймворк Qwen-Live-Harness — инструмент для создания интерактивных агентов с долгосрочной памятью и управлением контекстом. Модель уже доступна через Alibaba Cloud и Qwen Studio.

Обсуждение дополняет статью реальными практиками выбора и оценки моделей: пользователи делятся инструментами (openrouter auto‐model, models.dev CLI, costgoat), советами по старту с дешёвыми моделями и постепенному повышению качества, подчёркивают ценовое преимущество Qwen 3.8 Omni Flash перед Gemini, но отмечают ограниченную доступность, отсутствие открытых весов и необходимость собственного бенчмаркинга, а также разъясняют смысл названий (Omni, Flash, Ultra, Pro). Совет: Начинайте с дешёвых моделей (например GLM 5.3 Flash) и только при необходимости переходите к более дорогим, проверяя, можно ли улучшить результат за счёт контекста или дополнительных инструментов. Совет: Используйте готовые CLI‐инструменты (models.dev, HuggingFace CLI, costgoat) для автоматического сравнения стоимости и производительности разных моделей. Совет: Проводите собственные небольшие бенчмарки, ориентированные на ваши ключевые метрики, чтобы оценить реальную пригодность модели в вашем сценарии. Совет: Для выбора модели по стоимости и бюджету можно воспользоваться функцией auto‐model от OpenRouter, которая подбирает модель по запросу и бюджету. Названия моделей отражают их фокус: "Flash" — скорость и компактность, "Omni" — мульти‐модальный ввод/вывод, "Pro/Ultra" — более глубокие рассуждения и лучшую точность за счёт большего времени вычисления. Qwen 3.8 Omni Flash предлагает существенно более низкую цену за токен (≈0.15 $/M токенов) по сравнению с Gemini (≈1.5 $/M токенов), что делает её привлекательной для больших контекстов. Модели Qwen часто недоступны в открытом виде и требуют использования облака Alibaba, а их токен‐планы считаются «строгими». Пользователи отмечают, что Qwen 3.8 Max более «заземлённый» и надёжный, но медленнее и дороже в эксплуатации. Спор: Одна сторона утверждает, что Китай может быстро выпускать модели благодаря государственной поддержки и использованию открытых данных, в то время как Европа отстаёт из‐за ограниченного финансирования, регулятивных барьеров и меньшего количества крупных GPU‐парков; другая сторона контраргументирует, что в Европе есть проекты (Mistral, Flux, LightOn) и сильные исследовательские школы, но они фокусируются на специализированных моделях и сталкиваются с более строгими правилами. Совет: При оценке новых моделей учитывайте не только цену за токен, но и среднее количество токенов, необходимых для выполнения конкретной задачи, так как эффективность может сильно различаться. Некоторые ссылки и репозитории (например, harness‐repo) уже удалены, что усложняет проверку заявленных возможностей моделей.

Bluetooth 6.2 представила значительные улучшения: сокращение минимального интервала соединения с 7.5 мс до 375 мкс для более быстрой реакции, особенно в устройствах HID, AR/VR и игровых приложениях. Новая защита от атак на основе амплитуды RF повысит безопасность для автомобильных, умных дома и промышленных устройств, а режим пакетной сериализации упростит интеграцию LE Audio в USB устройствах.

Спецификация также включает улучшения режима тестирования BLE, позволяющие выполнять RF PHY тесты по воздуху без кабелей. Интересно, что Bluetooth SIG перешел на график выпуска раз в полгода — предыдущая версия 6.1 вышла всего 6 месяцев назад. Эти изменения отражают растущие требования к низколатентным и безопасным беспроводным соединениям в современных устройствах.

• Пользователи жалуются на качество микрофона в Bluetooth-устройствах, особенно в сравнении с AirPods и другими устройствами Apple.
• Сообщается, что Bluetooth-устройства не могут подключаться к более чем двум устройствам одновременно без значительного ухудшения качества звука.
• Несколько участников обсуждения отмечают, что большинство Bluetooth-наушников не поддерживают качественный звук при использовании микрофона.
• Некоторые участники подчеркивают, что даже дорогие наушники не могут сравниться с обычной гарнитурой, подключенной через 3.5 мм разъем или USB-C.
• Один из участников упоминает, что большинство современных Bluetooth-наушников не поддерживают качественный звук при использовании микрофона, и что это может быть связано с самой спецификацией Bluetooth-аудио.

Samsung расширила своё влияние на рынке аудиотехники, приобретя портфель брендов Sound United, включая Denon, Bowers & Wilkins, Marantz и Polk. Эти компании будут работать как самостоятельный бизнес в рамках аудио-империи Samsung, что усиливает её позиции в сегменте премиальных аудиосистем и домашних кинотеатров.

Этот шаг позволяет Samsung конкурировать с такими гигантами, как Sony и LG, предлагая интегрированные решения для умного дома и высококачественного звука. Пользователи могут ожидать более тесной интеграции продуктов этих брендов с экосистемой Samsung, включая телевизоры и мобильные устройства.

• Пользователи выражают сожаление по поводу консолидации рынка аудиотехники и поглощения традиционных брендов (B&W, Denon, Marantz) крупными корпорациями (Samsung, Harman), опасаясь снижения качества и "закрытых" экосистем.
• Обсуждаются преимущества физических носителей (винил, CD) и DIY-решений (сборка колонок из наборов) как способа сохранить контроль над качеством звука и избежать зависимости от стриминга и цифровых платформ.
• Отмечается, что рынок высококачественного аудио стал нишевым, а массовый потребитель довольствуется звуковыми панелями и решениями "достаточно хорошими", что делает дорогие системы менее актуальными.
• Высказываются опасения по поводу "самсунгизации" брендов: появления навязчивых функций, обязательных аккаунтов, отслеживания пользователей и показа рекламы в устройствах.
• Участники делятся рекомендациями по независимым производителям (SVS Sound, Devialet, Dali, Hsu Research) и сохраняющим качество брендам (Cambridge Audio, Sony), а также обсуждают проблемы совместимости и долгосрочной поддержки устройств.

Внимание: перед воспроизведением отключите наушники!

Управляй колёсами тележки с телефона

Выбери систему:
Gatekeeper | Rocateq

Gatekeeper

Заблокировать | Разблокировать
(ссылки на .wav)

Rocateq

Заблокировать | Разблокировать
Активировать | Проверка покупки
(ссылки на .mp3)

Как работает

Колёса реагируют на сигнал 7,8 кГц от подземного кабеля. Тот же сигнал можно передать динамиком телефона, воспроизводя подготовленный файл. Держи смартфон рядом с колесом и нажимай «пуск».

Доклад DEFCON 29

• В Нидерландах и соседних странах колёса тележек почти не блокируются; чаще используется система «вставь €1».
• В США, Канаде и Германии блокировки популярны из-за краж бездомными, вандализма и эстетических требований торговых центров.
• Система вызывает побочные эффекты: плоские пятна на колёсах, шум, ложные срабатывания и раздражение покупателей.
• Некоторые хакеры уже экспериментировали с подделкой сигналов, блокируя или разблокируя тележки дистанционно.