Otabek’s I/O

AI modellar bilan 3 ta katta muammolar bor:
1. Reliability - garchi ular hamma narsa qila oladigandek ko’rinsada hali yetarlicha ishonchli emas. Ishonchli bo’lgan payt insonlar ishonchsizlashib qoladi.
2. Compute dependency - halicha modellar qurilmalarga optimizatsiya bo’lmadi. Hardware tomonda limitlarimiz bor, bu pul yoki kuch (computational power)
3. Learning curve fall - o’rganish xato va qilish orqali bo’lardi. Vibe coding (“make it perfect”, “do …”) orqali o’rganish pasayib borayabdi, natijada biz endi raqobat bardosh ham, inovatsion ham bo’lishimiz pasayib boradi. Bunday qobilyat egalari doim qadrlanadi.
Bizga juda research kerak hozir!

Dropbox'da ishlab yurgan paytlarim qiziq bir narsani o'rgangan edim.
Qanday qilib millionlab odamga fayllarni yetkazishni osonlashtirish mumkin.
Boshida buni ko'pincha
Linux Foundation
qilgan bo'lsa kerak deb o'ylagandim.
Keyinroq bu yerda Google va Meta ni ham xissasi bor ekan.
Dropbox'da postda yozilgandan ham yaxshiroq yechim qilishgan. Bu haqida yoza olmayman lekin ko'rganimda og'zim ochilib qolgan. Biz uni
Magic Pocket
deb atardik (Exabyte Scale blob storage system).
AI Agent'lar davrida o'rganishga zo'r mavzular.
Batafsil o'qish

HyperLogLog
Platforma view'lar sonini unique ekanligni xisoblash uchun juda qiziq yo'l va algoritm mavjud. O'qib ko'ring.

Noyabr oyi uchun ko'proq blog yozish rejada bor.
Hozirgacha nimalar qila oldik:
• Sado v2 modelini chiqardik. Mijozlarimiz uni Gemini va boshqa STT modellardan yaxshi deyishdi. Ko'z tegmasin, Sado v3 oy oxirigacha chiqadi va shevalarda ham eng zo'r model bo'ladi ISA.
• Bir tanishimga Google'dan, Senior Software Engineer offer olishda yordam qildim. 3 haftada Shvetsariyada Gemini jamoasida ish boshlaydi. Bugun ertalab rahmat xabarini oldim, juda yoqimli.
• Youtube'da ochiq qilib qo'ygan algoritmlar darslarimdan tez-tez yaxshi fikrlar olib turibman. Bu oy yoki kelasi oy rejada Youtube uchun juda qiziq ishlar bor.
• Lison v2 modelimiz natijalari ham ancha yaxshi, xissiyotlar bilan gapira oladi. Voice control qila olasiz.
• Voice Agent larni va SIP ni bir joydan boshqarish uchun voicelab xizmatga tayyor turibdi. Ba'zi startup va kompaniyalar pilot ishga tushirishdi.
Barchasiga alhamdulillah, hozircha atrofimizdagilarga foydamiz tegayabdi, zararimiz emas. Keyinroq
Sado v1
STT modelimizni ochiq manbali (open-source) qilib chiqaramiz, undan bemalol foydalansangiz bo'ladi.
Bollar, biz yutayabmiz!

Diqqat! E’tiboringizga
Lison v2’
ni taqdim etamiz!
Lison v2 bu VoiceLab’ning yangi nutq modeli boʻlib, endilikda matnni shunchaki o’qimaydi,
his-tuyg’u bilan gapiradi
.
• Yangi model pichirlaydi, kula oladi, hayajonlanadi va xafa bo’ladi. Ovoz matnning mazmuniga qarab o‘zgaradi, shuning uchun eshitganda tirik odam gapirayotgandek tuyuladi.
33+ til
. O’zbek, rus, ingliz, xitoy, yapon, koreys va boshqa tillarda bir xil tabiiy ovoz.
Videolar
,
audiokitoblar
,
reklamalar
va
mijozlar
bilan muloqot uchun ovoz yaratayotgan bo’lsangiz, Lison v2 aynan siz uchun.
Sinab ko’ring:
voicelab.uz

Voicelab'da yangiliklar ko'p, faqat biz ozgina buni yashirib keldik, release kunigacha
Sado v2
(STT) modelimiz Gemini va boshqa STT modellardan yaxshiroq natijalar beryabdi O'zbek tili uchun. Biz buni bir nechta dataset va turli xil resource lardan audiolar olib sinab ko'rdik.
Lison v2
(TTS) modelimiz Elevenlab v4 va shu kabi modellardan qolishmaydigan natijalar berayabdi. Buni o'zimiz va kichik beta guruh bilan qo'lda sinab solishtirib tekshirib ko'rdik.
Live translation
uchun yangi modellarimiz kelayabdi.
Dubbing
bo'yicha ham beta qilgan edik, endi butunlayin release uchun tayyorlayabmiz.
Natijalarni tez orada bo'lishib o'tamiz. Hozircha TTS va STT natijalarini
voicelab.uz
da sinab ko'rsangiz bo'ladi.
Ha aytgancha, biz inference optimization uchun custom CUDA va kernel yozishni ham boshladik. Shunga bo'lsa kerak, modellarimiz juda tez ishlayabdi : )
Yangiliklarni
@voicelabio
da kuzatib boring

Voicelab da bizga eng qiziq bo'lgan mavzu bu Small Language Models (Large Language Models emas). Sababi ular kichik, bu esa ularni oddiyroq qurilmalarda yuritish imkonini beradi.
Qiziq tomoni, agar biz kichik modelni to'g'ri train qilsak. Unga pre-train davomida to'g'ri ma'lumot bera olsak, ma'lumot sifati yuqori bo'lsa keyingi qiladigan ishimiz bu uni learning algoritmini tuzatish bo'ladi.
Hamma "Artificial Intelligence" (Sun'iy Idrok) deyayotgan paytda "What is intelligence?" deydiganlar kamayib bormoqda. Ya'ni idrok bu yerda muammoni yechish emas, muammoni yechish avtomatizatsiya yoki tahmin asosida. Haqiqiy idrok bu yerda "o'rganish" (shaxsiy fikrim).
Qayerdan, qanday qilib o'rganish. Xatolardan o'rganish. Hozirgi AI tizimlar bunday qilmaydi. Bitta xatoni takrorlashiga sabab yoki ba'zan yomon kod yozishiga sabablardan biri bu pre-train davomida ishlatilgan dataset (ma'lumotlar to'plami). Ular zo'r va chiroyli yozilgan kodlarni emas, ular githubdagi imkon qadar ko'proq kodlarni ko'rsatishga harakat qilishadi.
Natijada context learning algoritmi ehtimollikni (probability) barchasiga ulab o'rganadi. Gradient Decent (ya'ni o'sha biz bilan AI ichidagi bilim)da balans yo'qoladi. AI shunchaki ko'p raqamlardan iborat bo'lgan miya bo'lgani uchun ehtimolliklarni bir-biri bilan bog'laydi.
Qiziq tomoni bizningcha agar biz haqiqiy learning algortimni va context learningdagi o'sha mashxur f(x) = x^2 ni to'g'irlay olsak, continuous learning ga erisha olsak bo'lsa kerak, qaysidir ma'noda.
Albatta bu oson bo'lmaydi. Hozircha muammolar 3ta ekan. Pre-train dagi ma'lumotlar sifati yuqori bo'lishi kerak. Context Learning uchun yaxshiroq algoritm topish (hozirgi algoritm qandaydir trick qilayotganga o'xshaydi, chunki ko'pchilik aynan shu qismini tushunmaydi. Shuning uchun AI bizga Black Box dek tuyuladi). Va oxirgisi Distillation process haqida o'ylab ko'rish, xuddi insonlar uxlaganda ba'zi bilmlarni unutib kundan bitta xulosa yasagani kabi, katta til modellari ham keraksiz bilmlarni tashlashi compute xarajatni pasaytirishga va yaxshiroq o'rganish uchun xulosa qilib to'g'ri algoritm tanlashga o'rgangan bo'larmidi, who knows.
Voicelab da yangiliklar bor, tez orada bo'lishib o'tamiz.

Barchamiz miriqib kuzatgan
O'rgimchak Odam
,
Chaqmoq Makvin
,
Aka-uka Kreshlar (Muzlik davri)
va bir necha mashxur filmlarga ovoz bergan Abdulhay aka bizni platforma uchun ovoz berdilar.
Voicelab
da biz har kuni yangiliklar qilayabmiz. Yangi modellarimiz ham tez orada e'lon qilamiz. Ular hozirgisidan 5x kattaroq va ancha yaxshiroq bo'lishi kutilmoqda.

3ta startup
hiking + hiring
qilishni reja qildik (
internship uchun
). Topshiring, tabiat bag'rida tanishamiz, suhbat va intervyu qilamiz.
Topshirish

Biz yangilik qilishdan to'xtamayabmiz.
•
Aisha Comet
LLM modelimizni chiqardik. Platformaga oid savollaringizga javob beradi.
•
Voice Isolator
modellarimizni chiqardik. Endi Adobe Podcast va Elevenlabs dan 3-4x arzonroq va sifati oshsa-oshadi, ammo qolishmaydi.
Biz har bir foydalanuvchiga har oylik bepul kreditlar beramiz. Ishlatib ko'ring. Izohlarda fikringizni va audio output'larni kutib qolaman : )