Главные новости ИИ и GPU за день

Voxtral Realtime: сначала проверьте частоту аудио

Вы подключили распознавание речи, но знакомая запись превращается в странный текст. Не спешите менять GPU: сначала проверьте подготовку звука. Разбираем Voxtral Mini 4B Realtime 2602 от Mistral AI, выпущенную 4 февраля 2026 года, а не сегодняшнюю новинку.

Это модель для перевода речи в текст с открытыми весами под Apache 2.0. В официальном примере для Transformers аудио перед передачей в processor проходит resampling — пересчёт отсчётов под нужную частоту. Целевую частоту берут из processor.feature_extractor.sampling_rate, а не угадывают по расширению файла.

Если повторяете этот пример, где audio — объект Audio из mistral_common, загруженный через Audio.from_file, не пропускайте строку audio.resample(processor.feature_extractor.sampling_rate). Затем передавайте audio.audio_array в processor. Для проверки возьмите короткую запись с заранее известной фразой и сопоставьте расшифровку с оригиналом, прежде чем обрабатывать весь архив.

Такой тест помогает отделить ошибки подготовки данных от выбора оборудования. Но не считайте правильную частоту гарантией распознавания: узбекский не входит в опубликованный Mistral список из 13 языков этой модели.

Сначала проверьте входное аудио, потом решайте, нужен ли другой GPU.

ИИ чинит ошибку — зачем переписывать весь модуль?

Вы просите исправить один сбой, а получаете переименования, новые файлы и перестройку соседнего кода. Для небольшой правки лучше заранее отделить ремонт от улучшений: попросите минимальное изменение, а не «сделать красиво».

В руководстве Anthropic есть именно такой совет: менять только явно запрошенное или необходимое. В примере отдельно сказано, что исправление ошибки не требует попутной уборки окружающего кода. Это полезная граница задачи, а не запрет разбираться в причине сбоя.

Если функция падает на пустом списке, попробуйте такой prompt: Изучи функцию и её вызовы. Предложи минимальный diff для ошибки на пустом списке и тест, который её воспроизводит. Не меняй файлы до моего согласия. Не добавляй функции и не переименовывай код. Если нужны более широкие изменения, объясни почему. Diff — это сравнение строк до и после правки; проверьте, связана ли каждая с ошибкой.

После согласования попросите применить правку и запустить тест, а затем проверить обычный непустой список. Маленький diff сам по себе не доказывает правильность, а просьба не менять файлы не заменяет ограничения доступа.

Сначала согласуйте границы ремонта, затем проверяйте результат.

PyTorch: reshape меняет форму, но может занять ещё VRAM

Вы меняете форму большого tensor — массива данных — и внезапно упираетесь в нехватку видеопамяти. Чисел не стало больше, но это ещё не значит, что дополнительная память не нужна.

По документации PyTorch, reshape возвращает view — новое представление тех же данных — когда это возможно. В остальных случаях создаётся копия. Решает не только число элементов, но и их расположение в памяти. Поэтому название операции не обещает работу без копирования.

Допустим, перед reshape вы переставили оси через transpose. Проверьте этот участок отдельно на небольшом batch: запишите формы входа и выхода, затем посмотрите выделения памяти в profiler с profile_memory=True. Если обнаружится копия, выясните, можно ли убрать лишнюю перестановку осей, сохранив правильный порядок значений. Это предлагаемый тест, не наш замер экономии.

Не заменяйте reshape на view вслепую: view требует совместимого расположения данных. Добавленный «для надёжности» contiguous() тоже копирует данные, если они ещё не contiguous.

Перед покупкой GPU с большей VRAM проверьте, не создаёт ли смена формы лишнюю копию.