Mise à jour de la base de données, veuillez patienter...

Hé salut les gens !

Si comme moi, vous avez un vieux site web plein de liens cassés et pas spécialement optimisé SEO, voici un outil très intéressant : Issue Detector.

Vous le savez, quand on a un site web, il est crucial de veiller à ce qu’il fonctionne correctement et offre une expérience utilisateur optimale. C’est bien pour l’utilisateur et Google surveille ça de près, contraignant les webmasters à se plier à ses exigences d’optimisation, sans quoi, les pages du site disparaitront dans le fond du classement.

Issue Detector est donc un véritable couteau suisse pour surveiller et optimiser votre site web. Il vous aide à détecter les problèmes de performance, à suivre les modifications de vos pages et même à surveiller la disponibilité de votre site. Grâce aux alertes en temps réel et aux analyses approfondies, vous pouvez rapidement identifier et résoudre les problèmes pour optimiser votre présence en ligne.

Ce qui m’a vraiment impressionné dans cet outil, c’est la facilité avec laquelle vous pouvez repérer les chevauchements de contenu, améliorant ainsi votre référencement et vous permettant de mieux structurer vos pages pour une meilleure lisibilité.

C’est comme si vous aviez un œil de faucon pour surveiller votre site, vous signalant les moindres problèmes afin que vous puissiez les résoudre rapidement et efficacement.

L’outil vous permet également d’analyser et d’affiner vos titres de pages et méta-descriptions, contribuant ainsi à améliorer vos taux de clics et vos classements dans les moteurs de recherche. Imaginez cela comme une lampe de poche, éclairant les zones d’ombre et vous montrant où concentrer vos efforts pour un gâteau SEO bien cuit !

Ne s’arrêtant pas là, il vérifie également les en-têtes manquants et les liens brisés, s’assurant que les robots d’exploration des moteurs de recherche pourront facilement naviguer sur votre site.

Ainsi, plutôt que de laisser des erreurs 404 frustrer vos visiteurs et les moteurs de recherche, Issue Detector se chargera de les trouver, ce qui vous permettra de vous concentrer sur d’autres tâches plus créatives (ou rémunératrices…hé hé).

L’outil est gratuit en version limitée à 2 domaines et un scan par tranche de 24h. Je vous invite à le tester, vous allez apprendre plein de choses sur votre site.

Et n’oubliez pas, l’avenir appartient à ceux qui comprennent que parfois, faire mieux, c’est faire autrement.

Source

Il y a quelques jours, je suis tombé sur Glaze, un outil qui pourrait bien rééquilibrer le bras de fer qui oppose certains artistes à l’imitation par l’intelligence artificielle de leur propre style graphique.

Pour certains artistes, l’une des plus grandes craintes est de voir son travail copié, détourné ou usurpé par des outil de génération d’images comme MidJourney ou encore Stable Diffusion.

C’est là où le projet Glaze entre en jeu. Cette collaboration entre l’Université de Chicago, le SAND Lab et des artistes professionnels comme Karla Ortiz va permettre aux artistes de protéger leur style artistique contre l’apprentissage et l’imitation par des modèles d’IA.

Alors comment ça marche ce truc ?

Et bien, disons que vous êtes un artiste et que vous voulez mettre en ligne votre dernière œuvre. Au lieu d’uploader simplement l’image sur votre portfolio en ligne, vous pouvez utiliser Glaze pour ajouter des modifications qui seront presque imperceptibles par l’œil humain, mais suffisantes pour tromper les modèles d’IA.

Prenons l’exemple de Karla Ortiz. Grâce à Glaze, elle peut ajouter de petites modifications à ses œuvres avant de les publier en ligne et ainsi, lorsqu’elle demande à Stable Diffusion de générer « une œuvre dans le style de Karla Ortiz« , elle obtient une image qui ressemble plutôt à un mélange entre Van Gogh et son propre style, protégeant ainsi son art de la copie non autorisée.

C’est un bon début, non ?

Ce qui est vraiment intéressant dans tout ça, c’est que Glaze est non seulement un outil gratuit destiné à la recherche, mais également un premier pas vers des outils de protection centrés sur les artistes pour tenir bon face aux IA voleuses.

Bien sûr, il y a encore du chemin à parcourir, notamment en ce qui concerne les limitations et les risques de dégradations de l’oeuvre d’origine. Il y a par exemple certaines images qui passent mal dans Glaze, mais le projet semble être sur la bonne voie pour rendre le futur de l’art numérique plus sûr pour tous les artistes.

Pour vous aider à prendre en main Glaze. Je vous recommande de vous inscrire à la liste de diffusion Glaze-announce pour rester informé sur les mises à jour et les nouvelles fonctionnalités et bien sûr de télécharger l’outil (dispo pour Mac et Windows en cliquant ici).

Et n’oubliez pas de jeter un coup d’œil à l’article de recherche sur Glaze, car il offre encore plus d’informations sur le fonctionnement de cet outil.

Source

Aujourd’hui, j’ai quelque chose de super intéressant à vous présenter !!

J’ai découvert cet outil incroyable baptisé Polymath qui utilise du deep learning pour transformer n’importe quelle bibliothèque musicale en une bibliothèque de samples destinée à votre production musicale.

Imaginez, vous avez une tonne de sons que vous avez récupérés à gauche ou à droite, à partir de vidéos YouTube par exemple, histoire un jour de pouvoir vous inspirer de tel ou tel petit bout. Et bien avec Polymath, il n’est plus nécessaire de fouiller dans tout ça et surtout extraire ce qui vous intéresse au format MIDI.

Polymath le fait pour nous en utilisant plusieurs réseaux neuronaux tels que Demucs, sf_segmenter, Crepe, Basic Pitch, pyrubberband et librosa. Il sépare automatiquement les morceaux en pistes (rythmes, basses, etc.), les quantifie au même tempo et grille rythmique, analyse la structure musicale, la tonalité, et d’autres informations (timbre, volume, etc.), et convertit l’audio en MIDI.

Mais avant de vous lancer tête baissée, voici comment installer et utiliser Polymath. Vous devez d’abord vous assurer d’avoir ffmpeg et python installés sur votre système.

Vous pouvez ensuite cloner le dépôt Polymath en utilisant cette commande :

git clone https://github.com/samim23/polymath

Une fois cela fait, installez les dépendances nécessaires avec la commande

cd polymath
pip install -r requirements.txt

Si vous rencontrez un problème avec basic-pitch, essayez d’exécuter cette commande :

pip install git+https://github.com/spotify/basic-pitch.git

La plupart des bibliothèques utilisées par Polymath sont compatibles avec les GPU via CUDA, alors consultez ce guide pour configurer TensorFlow avec CUDA si vous voulez.

Ensuite, pour ajouter des chansons à votre bibliothèque Polymath, utilisez simplement les commandes suivantes pour les vidéos YouTube ou les fichiers audio locaux :

python polymath.py -a n6DAqMFe97E

python polymath.py -a /path/to/audiolib/song.wav

Notez que les chansons seront automatiquement analysées une première fois, ce qui peut prendre un certain temps. Mais une fois que les chansons seront dans la base de données, vous pourrez y accéder rapidement.

Vous pourrez ensuite rechercher et quantifier des chansons similaires à un tempo spécifique, et même convertir les fichiers audio traités en MIDI (notez que pour le moment, il y a certaines limitations concernant les percussions). Je vous invite fortement à lire la documentation dispo sur Github pour apprendre à utiliser l’outil. Et y’a même la possibilité de faire tourner ce truc dans Docker. C’est fou !!

Ce qui est génial, c’est que vous pouvez ajuster divers paramètres dans Polymath pour adapter l’outil à vos besoins spécifiques. Que vous soyez un producteur de musique débutant, DJ expérimenté ou développeur spécialisé dans le machine learning audio, vous pourrez personnaliser chaque réglage afin d’extraire parfaitement les sons que vous recherchez.

C’est comme si on avait un assistant virtuel dédié à la création d’échantillons personnalisés à partir d’une bibliothèque musicale. C’est un gain de temps de dingue. Ça va sans aucun doute transformer notre façon de travailler avec la musique.

Vous êtes toujours à la recherche d’une bonne image à partager sur vos réseaux ou à utiliser dans vos créations, seulement, voilà, vous n’avez pas forcément le temps de parcourir toutes les bibliothèques d’images en ligne.

Pas de souci les copains, j’ai ce qu’il vous faut ! C’est un site qui s’appelle DDMM et qui propose une recherche unifiée d’images sur tout un tas de sites plus ou moins cool, dans la licence de votre choix (commerciale ou creative commons).

Mais cela ne s’arrête pas là, puisqu’une fois une image trouvée, en cliquant dessus, vous aurez des images alternatives générées par IA, à partir de l’image d’origine.

DDMM propose ainsi des images de type « Expand », un genre de reverse de l’image d’origine, qui est ensuite utilisé pour en générer de nouvelles avec Stable Diffusion.

Ou tout simplement des variations de celle-ci, plus ou moins ratées.

Et comme vous pouvez éditer ou créer de nouveaux prompts, cela peut vous permettre d’obtenir une image qui vous convienne mieux si vous ne trouvez pas l’image parfaite dans les résultats de recherche classiques.

Concernant les images générées, ce n’est pas forcement super sexy mais ça peut faire illusion. Tout dépend de votre utilisation. Mais je trouve le concept de métamoteur d’images couplé à une IA qui recrée les images (qui a dit plagier ??) très intéressant.

Ah et pour récupérer une image faite avec l’IA, il n’y a pas de bouton « Download »… Faudra faire simplement un clic droit sur l’image et l’enregistrer.

Si ça vous branche de tester, c’est par ici que ça se passe.

Bonjour à tous ! Aujourd’hui, je vais vous parler d’un nouvel allié dans notre quête pour explorer et capturer l’immensité du web : Trafilatura.

Cet outil open source codé en Python va vous permettre de collecter efficacement des textes sur des pages Web tout en simplifiant grandement la tâche des développeurs et utilisateurs. Plongeons ensemble dans les détails.

Trafilatura est à la fois un logiciel en ligne de commande et une lib Python (+ R) développé pour répondre aux besoins spécifiques que sont le crawling mais aussi l’extraction et le traitement de texte à partir de sources Internet.

L’outil est également capable de récupérer des métadonnées ou encore des commentaires issus des pages webs. L’idée derrière ce projet c’est réussir à ne pas se perdre dans cette jungle HTML en ne conservant que l’essentiel du contenu et en faisant abstraction du reste (sidebar, header, footer…etc). Le challenge ici est donc d’éliminer ces « éléments parasites » inutiles et de pouvoir accéder uniquement au contenu intéressant.

Pour l’installer, c’est hyper simple avec pip :

pip install trafilatura

Et pour le code, voici un exemple d’utilisation :

from trafilutura import fetch_url, extract

downloaded = fetch_url('https://korben.info')
result = extract(downloaded)
print(result['content']) # Affiche seulement le contenu principal.

Maintenant que vous avez une idée de ce à quoi sert Trafilatura, parlons un peu plus en détail des fonctionnalités dispo. Trafilatura est capable de gérer les sitemaps (txt et xml) ainsi que les flux (atom, json, rss). Vous pouvez lui donner des listes de liens à récupérer mais également filtrer certains contenus, voire les dé-dupliquer si besoin.

Au niveau des sources, comme je le disais, il peut prendre en entrée une simple URL mais vous pouvez aussi lui passer directement le HTML. Il gère bien les demandes, ce qui évitera de se faire bloquer par les serveurs et vous pourrez lancer plusieurs récupérations en parallèle. Au niveau des données récupérées, je vous ai parlé des métadonnées et du texte, mais il peut aussi récupérer les liens, la mise en forme HTML et les commentaires des gens sur les pages.

Au niveau de la sortie, il peut vous pondre du texte, du CSV, du JSON ou encore du XML.

Vous pouvez également l’appeler directement depuis votre terminal comme ceci :

trafilatura -u "https://korben.info"

En résumé, Trafilatura est un outil vraiment intéressant pour tous ceux qui travaillent avec des données en provenance du web et qui veulent aller directement à l’essentiel.

Source