Hackaday0 Hot0 comments2 min read23 d ago

Store Tunes On Paper And Stream Them Over LoRA

AI summary

Dự án Paper Tunes của một người chơi nghiệp dư sử dụng EnCodec của Meta để nén bài hát MP3 xuống còn 21,44 kB, đủ nhỏ để mã hóa trên tám mã QR in trên hai mặt tờ giấy hoặc truyền qua sóng vô tuyến LoRA, bất chấp băng thông thấp của LoRA vốn không phù hợp cho audio.

Why read it: Lập trình viên nên đọc bài này để khám phá cách kết hợp công nghệ mã hóa âm thanh tiên tiến (EnCodec) với truyền dữ liệu thấp hiệu quả, giúp giải quyết thách thức về băng thông và lưu trữ cho các ứng dụng âm nhạc cá nhân hoặc thiết bị IoT có nguồn lực hạn chế.

What do you remember?

Answer 3 short questions to earn reward points for this article. Only do it if you want the points.

up to +17 points

3 questions · under a minute · optional

Read the original

#neural-networks #lora

Source: https://hackaday.com/2026/08/18/store-tunes-on-paper-and-stream-them-over-lora. 8 Sync News only summarizes and links out; content copyright belongs to the authors and original sources.

Recommended for you

Bình luận

Đang tải bình luận…

Towards Data Science1 Hot16 min18 d agoAI

Why We Fine-Tuned SigLip (And Why That’s Not Always the Right Call)

Alma Media phát triển một bộ phân loại hình ảnh riêng cho ảnh đăng bán bất động sản với 23 lớp phòng và nội dung, đồng thời đưa ra một khung quyết định để chọn giữa gọi API VLM hay huấn luyện mô hình riêng, chọn mô hình nền tảng và quyết định fine‑tune hay freeze backbone. Họ thực nghiệm trên tập dữ liệu riêng 40.000 ảnh, so sánh SigLIP freeze, DINOv2 freeze và SigLIP fine‑tune bằng LoRA, kết quả cho thấy LoRA nâng micro F1 từ 78,4% lên 82,6% và giảm tỷ lệ ảnh chưa gắn nhãn từ 9,4% xuống 3,4%, gần với mức cơ bản tự nhiên 3,9%. Lớp GARDEN nhận được tăng recall 26 điểm, trong khi việc đơn giản chuyển sang DINOv2 đã hồi phục hơn một nửa của khoảng cách này mà không cần fine‑tune. So sánh chi phí cho thấy việc sử dụng API VLM như Gemini tốn khoảng 1.500 USD cho mỗi triệu ảnh, natomiast bộ phân loại chạy trên GPU riêng chỉ tốn khoảng 0,37 USD cho cùng lượng ảnh, và việc thực hiện toàn bộ quá trình quét siêu tham số LoRA chỉ tốn khoảng 30 USD. Bài học là mặc dù fine‑tune có thể cải thiện chỉ số, nhưng việc lựa chọn mô hình nền tảng phù hợp và cân nhắc chi phí thường làm cho việc freeze backbone hoặc chuyển mô hình trở thành lựa chọn hiệu quả hơn.

Bài viết này cung cấp framework ra quyết định chi tiết và so sánh thực tế giữa việc fine-tune SigLIP, sử dụng DINOv2 hay gọi API VLM giúp lập trình viên tối ưu hóa lựa chọn mô hình hình ảnh với chi phí và hiệu suất tối ưu.

#deep-learning #computer-vision #lora Source

Store Tunes On Paper And Stream Them Over LoRA

What do you remember?

Recommended for you

Bình luận

What Actually Happens Inside the Transformer MLP Layer?

How visual learning happens in the brain

Overtraining as the path to human-like AI

Why We Fine-Tuned SigLip (And Why That’s Not Always the Right Call)

Neural Networks Explained: What They Are and How to Build One in Python

‘Zero-Shot Probabilistic Stock Returns Forecasting with Pretrained RVFL Networks’ accepted at COPA 2026 (and to appear in the Proceedings of Machine Learning Research)

How Self-Attention Works in Large Language Models: Explained with Simple Examples

Prompt Caching vs. Fine-Tuning: A Cost and Latency Decision Framework

One account, the whole ecosystem

8syncdev.com

Courses

Coding practice

IELTS

ZUS — AI IDE

mind0

AcoLeads