FDA approves new kind of cholesterol pill
Résumé indisponible pour cet article.
Lire vite.
Garder l'essentiel.
Les meilleurs longs formats de Hacker News, relus plus calmement.
Speech Recognition and TTS in less than 500kb
Le projet est un ensemble d'outils open source pour développer des agents vocaux et des applications temps réel sur systèmes embarqués. Il cible les processeurs très contraints (référence Raspberry Pi RP2350 à environ 0,80 USD) et fournit la détection d'activité vocale, la reconnaissance de commandes et une synthèse vocale neuronale. La démo fonctionne avec un budget mémoire réduit (environ 3,6 MiB de flash et ~468 KiB de SRAM provisionnés) et des besoins de calcul mesurés en MMAC/s, avec un délai classify + speak d'environ 0,7 à 1,0 s. Les composants VAD, STT (SpellingCNN) et TTS sont modulaires, peuvent être utilisés indépendamment et s'appuient sur TensorFlow Lite Micro pour les calculs neuronaux. Le code est publié sous licence MIT, inclut un exemple de configuration Wi‑Fi et une documentation complète pour chaque composant.
Transcribe.cpp
Une nouvelle bibliothèque ggml de transcription vocale multiplateforme est publiée pour prendre en charge les modèles ASR récents avec exécution accélérée. Elle a été développée par le mainteneur de Handy pour résoudre les difficultés de distribution et d'intégration d'applications speech-to-text, en évitant la fragmentation entre moteurs comme ONNX ou MLX. La bibliothèque supporte plus de 60 modèles répartis en 16 familles, propose l'accélération via Vulkan, Metal, CUDA et TinyBLAS, gère la transcription en streaming et par lots, et fournit des liaisons officielles en Python, JavaScript/TypeScript, Rust et ObjC/Swift. Chaque modèle a été numériquement validé et testé en WER par rapport aux implémentations de référence, des benchmarks sont publiés pour différentes plateformes, et l'implémentation vise à être un remplaçant quasi transparent de whisper.cpp. L'auteur invite la communauté à signaler les problèmes de cette version v0.1.0, met l'accent sur l'intérêt de l'inférence locale pour la confidentialité et l'efficacité énergétique, et remercie des partenaires tels que Mozilla AI, ggml, Modal, Blacksmith et Hugging Face.
A Road to Lisp: Which Lisp
Contrairement aux langages qui évoluent comme une seule entité, Lisp est une famille de dialectes partageant une syntaxe de base mais différant par leurs opérateurs, sémantiques, bibliothèques et capacités. Pour un débutant, le choix du dialecte importe moins que l'apprentissage des concepts fondamentaux de la pensée lispeuse, et une fois un dialecte maîtrisé il est relativement facile de passer à un autre. Common Lisp est le dialecte le plus mature et standardisé (ANSI 1994), offrant compilation native avec implémentations comme SBCL, un REPL très puissant, CLOS pour l'orientation objet et des outils de débogage avancés. Clojure, conçu pour la JVM, privilégie les fonctions pures, les structures de données immuables, la concurrence sûre et l'interopérabilité avec l'écosystème Java, ce qui le rend adapté aux systèmes de traitement de données et à l'usage en production. Racket est axé sur la création de langages et l'enseignement avec un IDE complet (DrRacket) et des macros hygiéniques, tandis qu'Elisp reste un dialecte spécialisé pour personnaliser et étendre Emacs.
Lobste.rs is now running on SQLite
Les auteurs ont déployé la migration vers SQLite, surveillé le trafic du lundi et constaté une baisse d'utilisation CPU et mémoire avec un site plus réactif. La migration a été préparée après plusieurs tentatives et pull requests, incluant des tests de performance, un script de conversion des données et des corrections pour des requêtes provoquant des scans complets de tables et un problème n+1. Pendant les déploiements ils ont utilisé des listes de vérification, ajouté un journal des requêtes lentes, corrigé des bugs signalés en production et finalement fermé la demande de fusion. Ils ont identifié des différences techniques entre MariaDB et SQLite comme l'absence d'unsigned bigint, des collations plus limitées, et ont recours à des fonctions définies par l'utilisateur et à des tables Contentless-Delete pour le plein texte. Les leçons tirées soulignent l'importance de la communication, la difficulté de migrer sans accès à la base de production, la valeur d'une suite de tests et le souhait d'outils pour détecter les scans complets et générer des jeux de données réalistes.
Show HN: Instrumation a PYPI library for Instruments
Instrumation est une couche d'abstraction matérielle (HAL) haut niveau pour bancs de test RF qui élimine le boilerplate PyVISA et permet d'écrire la logique de test plutôt que le code de connexion. Il propose une API unifiée pour plusieurs marques, une découverte automatique avec chargement intelligent des drivers et un mode Digital Twin pour développer et déboguer hors ligne. La bibliothèque a été validée sur du matériel réel (boucle AFG↔DSOX, analyseur PXA, générateur MXG, analyseur réseau PNA) et intègre un DataBroadcaster UDP pour le streaming de données en temps réel. Elle offre aussi un gestionnaire de station basé sur TOML, une interface en ligne de commande, un journal CSV intégré et supporte Windows, Linux, macOS et Termux, avec installation via pip ou depuis les sources. Le projet est maintenu bénévolement, accepte contributions et demandes de support commercial, et dispose d'un module compagnon pour générer des rapports d'essais.
The Largest Vocabulary in Hip Hop (2017)
L'article compare la richesse lexicale de rappeurs en comptant le nombre de mots uniques dans leurs premiers 35 000 mots, en incluant Shakespeare et Melville comme points de repère. La méthodologie repose sur une tokenisation qui traite les apostrophes et compte les variantes morphologiques comme mots distincts, tout en reconnaissant des limites liées à l'argot, aux refrains répétitifs et aux collaborations. Aesop Rock se distingue largement comme le plus riche en vocabulaire, et des artistes comme GZA et le Wu‑Tang Clan figurent aussi parmi les mieux classés. L'étude note des différences régionales, l'est ayant un vocabulaire moyen supérieur au sud, et observe que plusieurs artistes très commerciaux, dont Drake et DMX, se trouvent dans la partie basse du classement. L'auteur conclut que la diversité du vocabulaire n'est pas synonyme de succès commercial, illustré par la citation de Jay‑Z opposant lyrisme et gains financiers.
Faster binary search: from compiled code to mechanical sympathy
L'auteur examine l'optimisation d'une étape du gradient histogram boosting de scikit-learn consistant à assigner des flottants à 255 buckets et montre qu'une implémentation naïve en recherche binaire, même compilée, est ralentie par les mauvaises prédictions de branches. En supprimant les branches imprévisibles (boucle à nombre fixe d'itérations et select_unpredictable) il obtient une version sans branche qui élimine les mispredictions et augmente fortement l'IPC, rendant le code beaucoup plus rapide. Ensuite il réduit le travail inutile et le nombre de branches en précalculant les moitiés et en supprimant les vérifications de bornes via du code unsafe encadré par des assertions, ce qui diminue le nombre d'instructions et accélère encore. Puis il réorganise les boucles pour itérer sur les moitiés en externe et sur des blocs de valeurs en interne, augmentant l'instruction-level parallelism et obtenant un gain final d'environ 6× par rapport à l'implémentation initiale. Il conclut en recommandant d'apprendre la « mechanical sympathy », fournit des références pour approfondir le sujet et rappelle que la parallélisation et d'autres optimisations restent des pistes complémentaires.
Apple targets dozens of OpenAI employees with legal letters
Résumé indisponible pour cet article.
Homomorphically encrypted CIFAR-10 inference in 200ms
Résumé indisponible pour cet article.