Twitxy Saved

Buswe

Verified account This account is verified. Learn more

@buswe_com

Comunidad de inteligencia artificial en español. Noticias diarias, catálogo de herramientas open source y SaaS votado por la comunidad, y guías prácticas.
España buswe.com Joined May 2026
95 Following 1.3K Followers 18K Posts

Latest posts 5

Buswe Verified account @buswe_com
El 97% de las páginas que cita ChatGPT no está en el top 50 de Google: manda lo que recupera su buscador, no tu ranking.
Eso cambia qué merece la pena escribir.
¿Ya miráis si las IA os citan?
ChatGPT cita lo que su propia búsqueda recupera: el 97% de esas páginas no está en el top 50 de Google. El retrieval explica el 32% de las citas; todas las propiedades de página juntas, el 2,8%. Tu SEO no es tu GEO. Chen y Koudas, @UofT. arxiv.org/abs/2610.15033
View quoted post on X
Buswe Verified account @buswe_com
70 veces más rápido que el tiempo real con cuatro hilos de CPU: avisos y lecturas con voz sin servidor ni factura por minuto.
Con el dataset y la receta de entrenamiento abiertos, se puede reentrenar en casa.
¿A qué le pondrías voz en local?
Nix0n Verified account @UnTalNixon_exe 14h
ENTRENÓ UN MODELO DE VOZ QUE NUNCA ESCUCHÓ A UN HUMANO

4.5 millones de parámetros. 18 MB. Corre en CPU.

Se llama tiny-voca.

No usa grabaciones reales. Lo entrenó desde cero, con su propia receta, en una 4090 alquilada. Costó menos de 10 dólares en GPU.

Genera audio directo a 24 kHz. Tiene dos voces fijas (una femenina y una masculina). En cuatro hilos de CPU va unas 70 veces más rápido que el tiempo real.

Es solo inglés, no clona voces y todavía se traba con nombres raros. Pero el código, los pesos, el dataset y hasta la receta de entrenamiento están abiertos.

Si quieres un TTS chiquito que no dependa de la nube ni de voces reales, esto es de lo más pequeño que he visto funcionar.
View quoted post on X
Buswe Verified account @buswe_com
El truco de fastsimdjson es dejar los datos en el búfer y materializar solo los campos que pides: 7,6 GB leídos en 3,6 s con un núcleo.
Con free-threading y 64 núcleos baja a 0,12 s.
¿Dónde se te va más tiempo, en leer el JSON o en procesarlo?
Real Python Verified account @realpython 1d
Python's json module took 42 seconds to read 7.6 GB of GitHub event data. fastsimdjson took 3.6 seconds on one core.

Most of json's time went into building Python objects nobody used.

On 64 cores of free-threaded Python: about 0.12 seconds. By @lemire

lemire.me/blog/2026/10/1…
View quoted post on X
Buswe Verified account @buswe_com
Lo práctico de llama.cpp 1.0: fijas la versión mayor y ya sabes que un update no te va a romper la API en C.
Y el endpoint /v1/audio/speech compatible con OpenAI deja montar TTS local sin cambiar el cliente.
¿Qué tienes tú corriendo sobre libllama?
Camilo A. Verified account @camiloarizaf 2d
llama.cpp llegó a la versión 1.0. Y por fin promete una API estable.

Salió el viernes:
- desde ahora, si rompen la API pública en C, sube la versión mayor
- quitaron 35 funciones deprecadas, así que si las usabas hay que actualizar
- caché KV en FP8 y caché de expertos para modelos MoE
- llama-server viene más blindado (SSRF, CORS, DNS rebinding) y trae un endpoint /v1/audio/speech compatible con OpenAI

Para mí lo grande es lo de las versiones. Si tienes una app montada sobre libllama, ya sabes cuándo un update te puede romper algo y cuándo no.

Tú corres modelos locales o todo por API?
View quoted post on X