Realne prototypy i eksperymenty

Kompletny workflow do trenowania własnego głosu w Piper TTS: nagrywanie próbek, eksport datasetu, trening i inferencja — lokalnie albo na wynajętym GPU.

Po mojej stronie 850 próbek i 71 minut audio. Repo zawiera aplikację do nagrywania, obrazy Dockera i instrukcję treningu.

Lekki serwer FastAPI, który opakowuje Piper w endpoint zgodny z OpenAI: /v1/audio/speech. Możesz podmienić backend TTS bez zmiany klienta.

Auto-pobiera głosy Rhasspy Piper na żądanie, cache’uje je na dysku i streamuje audio (WAV/MP3). Gotowe do odpalenia lokalnie albo w Dockerze.

Narzędzie do automatyzacji generowania danych syntetycznych dopasowanych do schematów baz danych — bardziej “robust tool” niż jednorazowy skrypt.

Projekt jest opublikowany jako paczka Pythona (PyPI) i ma dokumentację na Read the Docs. Zrobiłem nawet WebUI (Streamlit) do szybkich testów, jeśli jesteście ciekawi — obczajcie!

Mój zestaw rzeczy do lokalnego AI pod homelab: UI (Open WebUI), modele (Ollama) + różne integracje pod głos/obraz i eksperymenty.

To jest repo “kuchenne” pod Kod Zero: krótkie snippet-y, compose’y i pliki pomocnicze do odpalania stacków.

Optymalizacja harmonogramowania projektów z ograniczeniami zasobów i umiejętności (MS-RCPSP) z użyciem Ant Colony Optimization oraz NSGA-II.

Projekt pokazuje podejście wielokryterialne (czas vs koszt) + porównania i wnioski z eksperymentów.

Interaktywna aplikacja do wyszukiwania harmonicznych wzorców XABCD na danych rynkowych — pod szybkie testy i wizualną weryfikację setupów.

Streamlit jako front, logika patternów pod spodem. Fajny sposób, żeby podejrzeć wykrycia bez odpalania całego pipeline’u.