Written with AI assistance from the source video. The video is the authority.
Log in to leave a comment
No posts yet
إذا كنت مستقلاً يدفع 20 دولاراً شهرياً لخدمات الذكاء الاصطناعي، فإن 240 دولاراً تختفي سنوياً. في اللحظة التي ترفع فيها مسوداتك إلى السحابة، هناك خطر من استخدام أفكارك التجارية كبيانات تدريب لمزودي الخدمة. إذا قمت بتشغيلها مباشرة على جهاز الكمبيوتر الخاص بك، ستصبح تكلفة الاشتراك صفراً ولن تخرج بياناتك إلى الخارج.
أولاً، قم بتنزيل وتثبيت ملف التثبيت من الموقع الرسمي لـ Ollama. بعد ذلك، قم بتثبيت Fluid Voice وقم بتفعيل أذونات الميكروفون وإمكانية الوصول في إعدادات النظام. الآن، تحقق مما إذا كان الصوت يتحول إلى نص حتى عند إيقاف تشغيل الإنترنت. يمكنك كتابة النصوص بسرعة استجابة تبلغ حوالي 100 مللي ثانية دون اتصال بالشبكة، حتى وأنت على متن الطائرة.
في إعدادات نظام macOS، اضغط على "الصوت" (Sound) وافتح علامة التبويب "الإدخال" (Input). قم بتثبيت كسب إدخال الميكروفون على 70%. إذا كان الصوت منخفضاً جداً فلن يتم التعرف عليه، وإذا كان عالياً جداً فسيختلط بالضوضاء.
في إعدادات Fluid Voice، قم بتعيين مفتاح الخيار الأيمن (Right Option) كاختصار عالمي. يجب عليك تفعيل وضع "اضغط للتحدث" (Hold to Speak). يتم التعرف على الصوت فقط أثناء الضغط على المفتاح، وبمجرد رفع إصبعك، يتم إدخال النص فوراً. لا حاجة للنقر على المحرر بالماوس، حيث يتم كتابة النص مباشرة في المكان الذي يتواجد فيه المؤشر.
من المحتم أن تحتوي عملية الإملاء على كلمات حشو أو أخطاء مطبعية. باستخدام نموذج 3B المسمى llama3.2:3b لتصحيح القواعد، ستحصل على جمل نظيفة في أقل من ثانية.
اكتب البرنامج النصي التالي واستدعه إلى الخادم المحلي الخاص بك.
`python
import requests
import json
def clean_text(text):
url = "http://localhost:11434/api/generate"
payload = {
"model": "llama3.2:3b",
"prompt": f"다음 텍스트에서 문법 오류를 수정하고 필러를 제거해: {text}",
"stream": False
}
response = requests.post(url, json=payload)
return response.json()['response']
`
تشغيل هذا الكود سيوفر عليك 30 دقيقة يومياً كنت تقضيها في تصحيح الأخطاء المطبعية والتنسيق.
إذا قمت بتشغيل عدة نماذج كبيرة على رقاقة Apple Silicon، فستنفد ذاكرة الوصول العشوائي (RAM) ويصبح الكمبيوتر بطيئاً. إذا كانت بيئة عملك تحتوي على ذاكرة 16GB، يجب عليك استخدام نموذج llama3.2:3b بحالة تكميم 4 بت (4-bit quantization) حتى لا يتباطأ النظام.
قم بإنشاء ملف ollama_env.plist في المسار ~/Library/LaunchAgents/ وقم بتثبيت متغيرات البيئة. إذا قمت بضبط OLLAMA_NUM_CTX على 4096، فيمكنك معالجة النصوص الطويلة دون أي مشاكل. بالنسبة لمسار تخزين النموذج، قم بعمل رابط رمزي (symbolic link) إلى قرص SSD خارجي بدلاً من قرص النظام. من خلال القيام بذلك، يمكنك إكمال بيئة عمل فردية تحافظ على أداء النظام على المدى الطويل مع ضمان أمان البيانات.
