FastAPI

https://fastapicloud.com/blog/fastapi-cloud-generally-available/ بصورت همگانی در دسترس قرار گرفت

دیشب با مدل gemini 3.1 flash tts یکمی کار کردم و سعی کردم چند تا متن را تبدیل به گفتار کنم. قبلش بگم که Gemini 3.1 Flash TTS مدل تبدیل متن به گفتار (TTS) گوگل دیپ‌مایند است و از آوریل ۲۰۲۶ به‌صورت پیش‌نمایش (preview) در دسترسه. 🎭 چی کار می‌کنه؟ بیش از ۲۰۰ تگ صوتی داره. وسط متن تگ می‌ذاری یا با یه پرامپت ساده، لحن، سرعت و حس صدا رو کنترل می‌کنی، بدون SSML. بیش از ۷۰ زبان رو پشتیبانی می‌کنه و تا دو گوینده هم می‌تونی تعریف کنی که هر کدوم صدا و سبک خودشون رو دارن. خروجی PCM با کیفیت ۲۴ کیلوهرتز، ۱۶ بیت و تک‌کاناله‌ست و همه‌ی صداها با SynthID واترمارک می‌شن. 💸 قیمت (نسخه‌ی پولی) ورودی متن: ۱ دلار برای هر یک میلیون توکن خروجی صوت: ۲۰ دلار برای هر یک میلیون توکن حالت Batch (نصف قیمت): ۰٫۵ و ۱۰ دلار قیمت بر حسب توکنه، پس یه حساب سرانگشتی بکنیم. هر ثانیه صوت حدود ۲۵ توکن حساب می‌شه: یه ویس ۶۰ ثانیه‌ای (حدود ۱٬۵۰۰ توکن خروجی) حدود ۳ سنت درمیاد. یک ساعت صوت حدود ۱٫۸ دلار درمیاد. هزینه‌ی متن ورودی تقریباً ناچیزه (برای یه اسکریپت ۱ دقیقه‌ای حدود ۰٫۰۰۰۲ دلار). ۱۰۰ ویس کوتاه در ماه حدود ۳ دلار می‌شه. خرج اصلی روی خروجی صوته، نه متن. بیست برابر گرون‌تره. 🆓 نسخه‌ی رایگان در حال حاضر نسخه‌ی preview در سطح رایگان هم هست و می‌تونی توی Google AI Studio تست کنی. فقط یادت باشه توی سطح رایگان، گوگل ممکنه از داده‌هات برای بهبود محصول استفاده کنه. توی سطح پولی این کار رو نمی‌کنه. ⚠️ نکته‌ها صدای خودت رو نمی‌تونی کلون کنی و فقط صداهای آماده داره. برای مکالمه‌ی لحظه‌ای ساخته نشده. برای تولید صوت از پیش آماده (روایت، تبلیغ، ویس‌اور) خوبه. برای مکالمه‌ی زنده باید سراغ Flash Live بری. هنوز preview هست، پس ممکنه قیمت و محدودیت‌هاش عوض بشه. #Gemini #TTS #هوش_مصنوعی t.me/data_ai_hub

دیشب با مدل gemini 3.1 flash tts یکمی کار کردم و سعی کردم چند تا متن را تبدیل به گفتار کنم. قبلش بگم که Gemini 3.1 Flash TTS مدل تبدیل متن به گفتار (TTS) گوگل دیپ‌مایند است و از آوریل ۲۰۲۶ به‌صورت پیش‌نمایش (preview) در دسترسه. 🎭 چی کار می‌کنه؟ بیش از ۲۰۰ تگ صوتی داره. وسط متن تگ می‌ذاری یا با یه پرامپت ساده، لحن، سرعت و حس صدا رو کنترل می‌کنی، بدون SSML. بیش از ۷۰ زبان رو پشتیبانی می‌کنه و تا دو گوینده هم می‌تونی تعریف کنی که هر کدوم صدا و سبک خودشون رو دارن. خروجی PCM با کیفیت ۲۴ کیلوهرتز، ۱۶ بیت و تک‌کاناله‌ست و همه‌ی صداها با SynthID واترمارک می‌شن. 💸 قیمت (نسخه‌ی پولی) ورودی متن: ۱ دلار برای هر یک میلیون توکن خروجی صوت: ۲۰ دلار برای هر یک میلیون توکن حالت Batch (نصف قیمت): ۰٫۵ و ۱۰ دلار قیمت بر حسب توکنه، پس یه حساب سرانگشتی بکنیم. هر ثانیه صوت حدود ۲۵ توکن حساب می‌شه: یه ویس ۶۰ ثانیه‌ای (حدود ۱٬۵۰۰ توکن خروجی) حدود ۳ سنت درمیاد. یک ساعت صوت حدود ۱٫۸ دلار درمیاد. هزینه‌ی متن ورودی تقریباً ناچیزه (برای یه اسکریپت ۱ دقیقه‌ای حدود ۰٫۰۰۰۲ دلار). ۱۰۰ ویس کوتاه در ماه حدود ۳ دلار می‌شه. خرج اصلی روی خروجی صوته، نه متن. بیست برابر گرون‌تره. 🆓 نسخه‌ی رایگان در حال حاضر نسخه‌ی preview در سطح رایگان هم هست و می‌تونی توی Google AI Studio تست کنی. فقط یادت باشه توی سطح رایگان، گوگل ممکنه از داده‌هات برای بهبود محصول استفاده کنه. توی سطح پولی این کار رو نمی‌کنه. ⚠️ نکته‌ها صدای خودت رو نمی‌تونی کلون کنی و فقط صداهای آماده داره. برای مکالمه‌ی لحظه‌ای ساخته نشده. برای تولید صوت از پیش آماده (روایت، تبلیغ، ویس‌اور) خوبه. برای مکالمه‌ی زنده باید سراغ Flash Live بری. هنوز preview هست، پس ممکنه قیمت و محدودیت‌هاش عوض بشه. #Gemini #TTS #هوش_مصنوعی

سرور مجازی رایگان 🎁 کد: HALLOWEEN2026 تا ۳۱ اکتبر وقت فعال‌سازی دارین؛ از روز فعال‌سازی ۳ ماهه. https://botkeep.cloud/

🖥 NVIDIA DGX Spark؛ سوپرکامپیوتر هوش مصنوعی به اندازهٔ یک جعبهٔ کوچک روی میز DGX Spark یک کامپیوتر کوچک (حدود ۱.۲ کیلو) از انویدیاست که برای اجرای مدل‌های هوش مصنوعی به‌صورت کاملاً لوکال ساخته شده. چیپ GB10 Grace Blackwell دارد، با ۲۰ هسته ARM، حافظهٔ یکپارچه ۱۲۸ گیگابایت، حدود ۱ پتافلاپ توان محاسباتی (FP4) و ۴ ترابایت SSD. 🇮🇷 چرا الان در ایران سراغش می‌روند؟ با قطعی‌های اینترنت و نبود دسترسی پایدار به مدل‌های آنلاین، خیلی از شرکت‌های بزرگ دارند به سمت اجرای مدل‌ها روی سخت‌افزار خودشان می‌روند. این دستگاه بدون اینترنت و بدون وابستگی به سرویس بیرونی کار می‌کند. 💰 قیمت و مدل‌ها نسخهٔ ۶۴ گیگ: از حدود ۴,۹۹۹ دلار نسخهٔ ۱۲۸ گیگ (Founders Edition): حدود ۶,۹۵۰ دلار مدل‌های شرکای انویدیا (Dell، ASUS، HP، Acer، MSI، Gigabyte) معمولاً گران‌ترند قیمت اولیه ۳,۹۹۹ دلار بود و به‌خاطر گرانی حافظه بالا رفته ⚙️ چه کارهایی می‌شود با آن کرد؟ اجرای مدل‌های زبانی بزرگ به‌صورت آفلاین (مثل Gemma، Qwen و Nemotron) ساخت چت‌بات و سیستم‌های RAG داخلی برای سازمان فاین‌تیون مدل‌ها تولید تصویر و پردازش صدا توسعه با CUDA و استک کامل انویدیا ✅ مزایا حریم خصوصی کامل، چون داده‌ها از شبکهٔ شما بیرون نمی‌روند بدون هزینهٔ ماهانهٔ API و بدون وابستگی به اینترنت کوچک، کم‌مصرف و بی‌صدا قابل اتصال تا ۴ دستگاه به هم برای مدل‌های بزرگ‌تر ⚠️ یک نکته: پهنای باند حافظه‌اش (۲۷۳ GB/s) محدود است، پس برای سرعت تولید توکن در مدل‌های خیلی بزرگ، قوی‌ترین گزینه نیست. نقطهٔ قوتش حجم حافظه و اکوسیستم CUDA است.

NVIDIA DGX

آیا با FastAPI می‌شود MCP ساخت؟ بله. SDK رسمی پایتون (mcp) یک کلاس به نام FastMCP دارد و می‌توانی سرور MCP را داخل یک اپلیکیشن FastAPI اجرا کنی، با transport از نوع streamable HTTP. یعنی هم endpoint های معمولی FastAPI را داری و هم یک سرور MCP که ابزارهایت را در اختیار ایجنت‌ها می‌گذارد.

اوايل یه بنده خدایی اومد تو گروه fastapi میگفت فکر نمیکنم پایتون و فست ای پی آی به درد بخوره من یک زبانی میخوام که بشه باهاش آپولو را برنامه نویسی کرد، احتمالا شنیده بود fastapi در ناسا هم استفاده شده ولی خب شاید انتظارش واقعا آپولو هوا کردن بود. در حالیکه متعجب شده بودم توی دلم گفتم امیدوارم یه روزی سورس برنامه هوا کردن آپولو را ببینه از آنجایی که خوش شانسم ظاهرا این خواسته برآورده شده و سرانجام مخزن سورس کد آپولو ۱۱ منتشر شده. من که جدا گرخیدم سورس کد به این پیچیدگی را دیدم. «به یاد خانم مارگارت همیلتون؛ کسی که راه انسان را به ماه با کد هموار کرد. روحش آرام.» https://github.com/chrislgarry/Apollo-11/tree/master

فست ای پی آی حالا به‌صورت داخلی و بومی از OpenTelemetry پشتیبانی می‌کند 📈 بدون نیاز به نوشتن کد اضافی. رفتار اپلیکیشن خود را در محیط Production مشاهده و بررسی کنید. بروید و پکیج fastapi[standard] را به نسخه 0.142.2 ارتقا دهید ⬆️ https://lnkd.in/dPTg7VA7

و سرانجام python worker توسط کلاد فلر پشتیبانی شد. بهترین خبر برای من که از طرفداران کلادفلر هستم. یعنی کد نوشته شده توسط fastapi را در کلادفلر بصورت worker میتونید اجرا کنید.

بچه‌ها، برای اینکه هرکسی بتونه از پروژه خودش یک Function Call Graph بگیره، این prompt رو به Agent بدید:

Analyze the entire codebase and generate an application-level Function Call Graph.

Start from all meaningful application entry points (e.g. HTTP routes, API handlers, CLI commands, event handlers, message handlers, scheduled jobs, etc.).

For each entry point, trace the application-owned functions it calls until reaching an infrastructure boundary such as:
- Database / Repository
- External API / Service
- Queue / Event system
- File / Storage
- Other external infrastructure

IMPORTANT:
- Include only functions implemented in this codebase.
- Do NOT expand framework, standard library, SDK, ORM, database driver, or third-party library internals.
- Stop at the application's repository, adapter, client, or infrastructure boundary.
- Show meaningful application functions, but avoid trivial wrappers, getters/setters, generated code, and implementation noise.
- Preserve meaningful branches and actual call relationships.
- Do not invent relationships.
- Detect shared functions, recursion, and cycles without expanding infinitely.
- If a relationship cannot be determined confidently, mark it as `unknown`.

Organize the result by entry point.

Example:

POST /orders
    ↓
create_order()
    ├── validate_customer()
    │   └── customer_repository.get()
    ├── validate_items()
    │   └── product_repository.find_many()
    ├── calculate_total()
    └── order_repository.save()
        ↓
      Database

Include the source file/module for functions when useful for disambiguation.

Create the final result as:

function-call-graph.md

https://oxalpha.com/chat رایگان استفاده کنید

میل‌پیت (Mailpit) هم یه ابزار دیگه متن‌باز برای تست ایمیل در محیط توسعه است که مثل یک سرور SMTP جعلی عمل می‌کند و به‌جای ارسال واقعی ایمیل‌ها، آن‌ها را در محیط لوکال ذخیره و نمایش می‌دهد؛ توسعه‌دهنده می‌تواند ایمیل‌های اپلیکیشن مثل ثبت‌نام یا بازیابی رمز را در یک رابط وب ببیند و بررسی کند بدون اینکه برای کاربران واقعی ارسال شوند؛ همچنین با استفاده از Docker می‌توان آن را سریع و بدون نصب مستقیم اجرا کرد، گزینه‌ای سبک‌تر و سریع‌تر نسبت به MailHog محسوب می‌شود.

میل‌هاگ (MailHog) یه سیستم متن‌باز برای تست ارسال ایمیل در محیط توسعه است که مثل یک سرور SMTP جعلی عمل می‌کند و به‌جای ارسال واقعی ایمیل‌ها به کاربران، آن‌ها را داخل یک محیط امن و لوکال ذخیره می‌کند؛ توسعه‌دهنده می‌تواند اپلیکیشن خود را طوری تنظیم کند که همه ایمیل‌ها به MailHog ارسال شوند و سپس از طریق یک رابط وب ساده آن‌ها را مشاهده، بررسی و دیباگ کند، مثلاً ایمیل‌های ثبت‌نام، فعال‌سازی حساب یا بازیابی رمز عبور را بدون نگرانی از ارسال واقعی ببیند؛ این ابزار کمک می‌کند محتوای HTML، هدرها، لینک‌ها و حتی اتچمنت‌ها بررسی شوند و از خطاهای احتمالی جلوگیری شود؛ همچنین با استفاده از Docker می‌توان MailHog را بدون نصب مستقیم روی سیستم اجرا کرد، به‌طوری‌که در چند ثانیه یک کانتینر بالا می‌آید و همه ایمیل‌ها را روی پورت‌های مشخص دریافت و در مرورگر نمایش می‌دهد، بنابراین برای توسعه سریع، تست امن و ساخت MVP بسیار کاربردی است. 😍

AsyncTasQ یک مدیریت صف مدرن، مبتنی بر Async و type-safe برای پایتون. ساخته‌شده با asyncio، با پشتیبانی از ۵ بک‌اند (Redis، PostgreSQL، MySQL، RabbitMQ، AWS SQS)، دارای سریال‌سازی خودکار ORM و پایداری در سطح سازمانی. میتونه جایگزین بسیار عالی برای سلری باشد.گزینه‌ای مناسب برای ساخت سیستم‌های مقیاس‌پذیر و قابل‌اعتماد است.