YUV.AI - בינה מלאכותית בעברית

בוקר טוב עם 2 GPTs חדשים שיצרתי: 1. מחלץ תוכן של אתרי אינטרנט ושומר אותו בקובץ טקסט כך שניתן אח״כ ליצור GPT חדש ולטעון אותו ל Knowledge שלו, ולקבל GPT מותאם אישית לתוכן של אתר ספציפי - https://chat.openai.com/g/g-09lTrRilC-yuv-ai-web-content-extractor ייתכנו שגיאות בשל עומסים רבים שיש עליו כרגע. אפשר לבקש איזה חלק רוצים לחלץ מהאתר, כל מה שצריך לרשום זה קישור לאתר ומה רוצים לקבל (סיכום / תוכן של עמוד ספציפי / תוכן של דף בית). הוא לא נועד לעקוף חומות אבטחת מידע. 2. מורה ללמידת מכונה / למידה עמוקה - משיב על שאלות שקשורות ללמידת מכונה, מלמד מרמת בסיס עד לרמה מתקדמת, מספק דוגמאות ליצירת רשתות נוירונים בקוד, מסביר במילים פשוטות וגם יכול לצייר המחשות של רשתות נוירונים - https://chat.openai.com/g/g-YimSTPMte-deep-learning-master תהנו! *יובל אבידני - HACKIT*

שמח לבשר שפיתחתי מחברת תמלול חדשה וחכמה שמסוגלת לתמלל ואפילו לתרגם משפת מקור לשפה אחרת! המחברת כוללת את הפעולות הבאות: 1. להעלות קובץ מדיה (וידאו \ אודיו) בפורמטים: mp3 mp4 wav mov avi mpeg m4a ogg 2. כיווץ של גודל קובץ המדיה לתמלול מהיר יותר 3. בחירת שפת המקור (תומך בעשרות רבות של שפות כולל עברית) 4. תמלול וקבלת התוכן בקובץ TXT וגם בקובץ SRT שמתאים לעורכי וידאו 5. תרגום של קובץ ה-TXT וקובץ ה-SRT לשפה אחרות (כאמור, תומך בעשרות רבות של שפות - כולל עברית יידיש כורדית ועוד!) 6. הורדה של הקבצים 7. תומך גם בקבצים ארוכים (בדקתי על קבצים באורך של 75 \ 25 \ 3 \ 1 דקות) לתשומת לב: * נדרש מנוי לגוגל קולאב כי מוכרחים לעבוד עם GPU * המחברת זמינה לאחר רכישה, מטרת הרכישה היא לתמוך בפעילות שלי, *ניתן לרכוש בכל מחיר שנראה לכם הוגן תמורת העבודה שלי, אתם יכולים להזין כל סכום, החל מ-1$ ועד ל-1000$* (מי אני שאתנגד??) * יש הוראות מפורטות במחברת - איך להפעיל, מה להריץ וכו' * לאחר רכישה מקבלים גישה להורדת המחברת בפורמט שמתאים לגוגל קולאב, יש להעלות אותה (הכנסתי הוראות) * אעלה סרטון הדרכה מפורט בהמשך https://transcribe.yuv.ai/

מסתבר שיחידות עיבוד גרפיות, GPU, יודעות להכפיל רשימות ברשימות אחרות במקביל בצורה מדהימה ומהירה מאוד. ככל שה-GPU חזק יותר, ככה ההכפלה מהירה ויעילה יותר. וכל ההכפלה הזו זה בעצם תהליך הלמידה של רשתות נוירונים. אז כדי לסכם: - רשת נוירונים היא סוג של למידת מכונה, ליתר דיוק - למידה עמוקה. - רשת נוירונים מסוגלת ללמוד את מה שאנחנו מזינים אליה ולתת פלט מדויק בהתאם. - תהליך הלמידה של רשת נוירונים הוא לא יותר מאשר מכפלה של רשימות של מספרים זו בזו. בכמויות אדירות. - המעבד הרגיל שלנו עובד בטור, אחד אחרי השני, ואילו יחידות עיבוד גרפיות, GPU, עובדות בצורה מקבילית, מה שמאפשר ביצוע פעולות מתמטיות של אלגברה לינארית בצורה מהירה ויעילה יותר. - כשאנחנו רוצים לעבוד עם מודלים של בינה מלאכותית כמו יצירת מודלים של תמונות של אדם, קול של אדם, כשאנחנו רוצים ליצור תוכנה שמסוגלת לזהות פנים, לקרוא שפתיים, לתמלל, כל אחד מהפיתרונות האלה דורש יצירה של רשת נוירונים מתוכננת היטב. - ככל שנזין יותר מידע לתהליך האימון, נוכל לקבל תוצאות על קשת רחבה יותר של שאלות. - המטרה שלנו היא שהרשת תחשב לבד את המכפלות המתמטיות עד שתמצא את "הנקודה המתוקה" שבה כל המשקולות התאזנו והיא יודעת לנבא כמו שצריך. - ברגע שהרשת מוצאת את הנקודה - צריך להפסיק את תהליך האימון, כי אחרת יתבצע לימוד יתר שפוגע בתפקוד המודל הערה: - בשלב הראשון, הרשת לא יודעת מה המשקולות של כל "נוירון", היא זורקת סתם מספרים ובוחנת את התוצאה האתגרים בעבודה עם למידה עמוקה: - איך לתכנן חישוב נכון של המשקולות (שזה בעצם תהליך הלמידה) - באיזה מודל להשתמש כדי שהחישוב יהיה הכי מוצלח והכי יעיל - זאת ועוד לפוסטים הבאים איך מפתחים רשתות נוירונים? - יש את SCRATCH, פלטפורמה ללא קוד שמאפשרת את זה - יש את פייתון, אפשר באמצעות קוד קלאסי של פייתון לפתח את זה, אפשר גם להשתמש בספריות כמו NumPY של פייתון שמבצעות חישובים של אלגברה לינארית - יש סביבות פיתוח של למידה עמוקה כמו PyTorch או TensforFlow שזה עולם שלם כל מה שכתבתי פה מסביר את התפוצצותה של חברת NVIDIA שמתמחה שנים רבות בייצור כרטיסי מסך בעלי יחידות עיבוד גרפיות, GPU, חזקים במיוחד. שלנוכח עליית ה-AI, עלה הצורך ביצירת רשתות נוירונים, שזה מצריך GPU חזק, שמוביל לפתרון יעיל של ההכפלות המסובכות האלה *יובל אבידני - HACKIT*

למה AI צריך כרטיסי מסך חזקים עם יחידות עיבוד גרפיות רבות (GPU)? ולמה זה הפך בעלי המניות של חברת NVIDIA למורווחים בטירוף? בואו נדבר על זה. אלגוריתמים של בינה מלאכותית, או יותר נכון - של למידת מכונה, ידועים ככאלה שצורכים המון כוח מהמשאבים של המחשב. ואם נדייק - צורכים המון כוח מכרטיסי המסך של המחשב, שבהם קיימת חומרה שנקראת "יחידת עיבוד גרפית", שבמקורה מיועדת לאפשר לאנשי גרפיקה עבודה על תוכנות מאוד מורכבות וכבדות. מלבד אנשי גרפיקה או גיימרים, שצריכים מחשבים חזקים כדי להריץ את הכלים הגרפיים ו\או המשחקים הכבדים שלהם, גם מדענים וחוקרים שמשתמשים המון בפעולות חישוביות נעזרים במחשבים כאלה. כפי שכתבתי המון, בינה מלאכותית היא מטריה שתחתיה יש המון קטגוריות. למשל: למידת מכונה נמצאת תחת המטריה של בינה מלאכותית. ותחת למידת מכונה יש מה שנקרא למידה עמוקה, למידה באמצעות סוג של העתקה של מבנה רשת הנוירונים שיש לנו במוח. מעין רשת שמחברים בין נוירונים, שחשמל עובר ברשת, וכך מידע עובר, כאשר תהליך העברת המידע בין הנוירונים במוח הוא תעלומה גדולה ופשוט פלא של בורא עולם. בהקשר של למידת מכונה, או מדויק יותר - למידה עמוקה, מה שאנחנו מנסים להגיע אליו באמצעות למידת מכונה הוא פיתוח יכולת של מחשב לנבא תוצאה בהינתן קלט מסוים. למשל: - אנו אוספים המון תמונות של חתולים מכל הסוגים, מזינים את כל התמונות לרשת נוירונים (רשת נוירונים יכולה להיות מסוגים שונים, לא נתעכב על זה כרגע), ואז מתחיל תהליך למידה. הרשת לומדת מה זה חתול ואיך הוא נראה. - לאחר מכן, כאשר הסתיים תהליך הלמידה, אם נזין לרשת תמונה של כלב או תוכי, אנו מצפים שהרשת תגיד שלא מדובר בחתול, כי היא יודעת כבר איך נראה חתול, וכלב או תוכי זה לא חתול. אבל איך זה קורה מתחת למכסה המנוע? - כמו שאמרנו, שלב ראשון: איסוף של המון מידע. זה יכול להיות תמונות של חפצים או בעלי חיים, זה יכול להיות טקסטים (כמו רשת נוירונים שיודעת לכתוב שירה), זה יכול להיות אבחון רפואי וזה יכול להיות ניבוי הצלחה של טקסט לקמפיינים. - שלב שני: בניית רשת הנוירונים עצמה. עלינו להגדיר מה ייכנס לרשת, ומה אנחנו מצפים לקבל ממנה. למשל: הזנה של תמונות, ובתוצאה: האם חתול או לא. האם חולה או בריא. האם גידול ממאיר או שפיר וכך על זה הדרך. מה שנכנס לרשת הנוירונים נקרא הקלט שלנו. מה שיוצא מרשת הנוירונים נקרא הפלט שלנו, וגם הנוירונים שלנו. אם למשל נרצה לדעת תשובה של "כן חתול" או "לא חתול" מדובר בפלט של 2 אפשרויות: כן או לא. באותה מידה אנחנו יכולים לבחור פלט אחר, כזה שמסווג בעלי חיים ל"חתול" "כלב" "דג" וכדומה. - שלב שלישי, משקולות ו"הטיות". אסביר: כל דבר שאנחנו מכניסים לרשת הנוירונים שלנו כולל גם "משקל" מסוים, שזה מספר עשרוני (כמו למשל 1.3242 או -0.182901 וכדומה), וגם "הטיה" (Bias). במילים פשוטות, נניח שאנחנו מזינים לרשת שלנו את המספרים: 1,2,3 לכל אחד מהמספרים יש משקולת משלו. נניח שהמשקולת של 1 היא 0.3 נניח שהמשקולת של 2 היא -0.12 נניח שהמשקולת של 3 היא 9.4 אפשר לייצג את זה כך: קלט = [1,2,3] משקולות = [0.3, -0.12, 9.4] בעצם יצרנו 2 רשימות, אחת של קלט ואחת של משקולות. זה לא מספיק, כי צריך גם פלט, אז נניח שאנחנו מזינים 3 מספרים בהתחלה, אבל רוצים לקבל רק תוצאה אחת, של האם המספר זוגי או לא. איך זה יקרה? נגדיר שאחרי החישוב שיתבצע, יהיה טווח בין 0 ל-1. מה שקרוב ל-1 הוא מספר זוגי, ומה שקרוב ל-0 הוא מספר אי זוגי. כך אם נציג לרשת את המספר 5, הפלט יהיה 0, כי 5 הוא אי זוגי. וכן הלאה. בפועל, מה שזה אומר: - עלינו ליצור רשת נוירונים, שתעבור תהליך למידה של מספרים. - עלינו לתכנן את הרשת, להגדיר מה ייכנס, איזה מספרים יוזנו בתהליך הלמידה, וגם להגדיר ש-0 זה אי זוגי ו-1 זה זוגי (0 מסמל אי זוגי, ו-1 מסמל זוגי) - לאחר מכן נתחיל תהליך "למידה" - וזה הקסם האמיתי. כי מה שיקרה הוא שהרשת תתחיל "ללמוד" לפי המטרה שנגדיר לה. אבל תהליך ה"למידה" הוא לא יותר מאשר פתרון מתמטי: איזה ערכים צריך לתת למשקולות של כל אחד מהערכים, ואיזה "הטיות" צריך לתת לכל ערך, כדי שהתוצאה תהיה מדויקת ותציג האם מספר הוא זוגי או לא, האם חולה בריא או לא, האם בעל חיים הוא כלב חתול דג או ציפור וכך הלאה. ועכשיו מגיעים לפואנטה: תהליך הלמידה הוא לא יותר מאשר המון הכפלות של מספרים זה בזה. המון. בכמויות אדירות. כפל של רשימת מספרים ברשימת מספרים אחרת. ממש כמו בדוגמא למעלה. זה נקרא כפל וקטורי, וזה ממש אלגברה, אלגברה לינארית. תהליך ההכפלה דורש מהמחשב לחשב שוב ושוב ושוב. המעבד הרגיל של המחשב יכול לחשב בצורה טורית, חישוב של מספר, ועוד חישוב, ועוד הכפלה של רשימה ברשימה אחרת. אבל מה אם היינו יכולים לעבוד במקביל? להכפיל המון רשימות בהמון רשימות אחרות *בו זמנית*?

עדכון משמעותי באתר ההסברה שלי: סרטוני הוכחה של דובר צה"ל לפשעי המלחמה של חמאס - והכל באנגלית כך שאודה על שיתופים. I updated Swords of Iron WAR website to include a new section showing IDF Evidences of Hamas terror actions and war crimes, everything is in english so please share! https://barzel.info/idf

וואו! אובדן עשתונות ב-OpenAI: אחרי הריקושטים שההנהלה מקבלת ממשקיעים ומעובדים לאור פיטורי המנכ״ל סם אלטמן, אובדן העשתונות ממשיך ועכשיו מסתבר שבחברה פנו לחברת אנתרופיק (״אמא של קלוד״) לבחון אפשרות למיזוג בין החברות! נזכיר שמייקרוסופט השקיעה ב OpenAI ואילו אמאזון השקיעה באנתרופיק. אובדן המנהיגות והעשתונות של החברה מסמל משהו מאוד מטריד בדרך שבה היא מתנהלת. המשקיעים כבר על הגדרות, רוב מוחלט של העובדים מאיימים להתפטר, ומייקרוסופט כבר גייסה את אלטמן וגרג לשורותיה. האם תם תור הזהב של OpenAI? *תודה לעומר הררי על הבאת הידיעה לתשומת ליבי* *יובל אבידני - HACKIT*

סופסוף!! אוטומציות ב-GPTs - המדריך השלם וללא קוד!!!! בסרטון זה אסביר כיצד ניתן להוסיף "כוח על" ל-GPTs שלנו באמצעות יצירת Actions וחיבור למערכת האוטומציה המדהימה Zapier שמאפשרת ליצור חיבורים לאלפי אפליקציות. בסרטון בחרתי להדגים, לבקשתכם, כיצד ניתן לשמור מידע ישירות מה-GPT למסמך ב-Google Docs וגם כיצד ניתן לפרסם פוסט ישירות מה-GPT לעמוד פייסבוק שתחת ניהול שלנו. בנוסף אני גם מסביר איך תוכלו ליצור כל אוטומציה שתרצו! https://youtu.be/RwxrFJnQBek?si=ngTGW7ByHD0FyANu

בניתי GPT מיוחד ל-Black Friday שמוצא את המחירים הכי זולים שכוללים משלוח לישראל! תהנו! https://chat.openai.com/g/g-991wF0rMv-black-friday-deal-finder-for-israel

להוסיף "כוחות על" ל-GPT זה קצת סיוט. זה לא ידידותי. לא כיפי. ודורש עבודה מעצבנת. כשאנחנו יוצרים GPT אנחנו עוברים תהליך מאוד ידידותי וקל. הבעיה מתחילה כשאנחנו רוצים להוסיף יכולות, Actions. אם אנחנו רוצים למשל להתחבר לשירותים נוספים (מעין "פלאגינים" ל-GPT שלנו), אנחנו כבר צריכים להתחיל לכתוב תיאור של מה הכתובת שאליה נרצה לפנות, איך בקשה אליה נראית, איך תגובה נראית, מה השירותים שנרצה להשתמש בהם, ולפרט הכל בפורמט מסודר שנקרא YAML או JSON שמקובל להשתמש בו בעולמות הפיתוח והאינטגרציה. הבעיה שזה לא משהו שנגיש לאדם מן השורה. צריך לשבור קצת הרבה את הראש. הנה דוגמא - מצד שמאל יש חלק מקובץ ה-JSON שיצרתי, שתפקידו להתחבר לשירות החלפת פנים בתמונה - FaceSwap - כדי שה-GPT שלי יוכל לא רק ליצור תמונות אלא גם לבצע אוטומטית החלפת פנים. כדי לבצע את זה הייתי צריך למצוא שירות שמאפשר את זה באמצעות API, אחרי זה לבנות את הקובץ, לבדוק שהוא עובד, ואחרי כל זה גם לאשר ידנית את הבקשות בצ'אט כפי שאפשר לראות. אז אנחנו צריכים לבנות קובץ, להזין לתוכו פירוט של API, להוסיף להוראות (פרומפט) להשתמש ב-API שהוספנו ב-Actions, ואחרי כל זה כשנעבוד בפועל עם ה-GPT, נצטרך לאשר ידנית את הפעולה של שליחת בקשה לשירות ה-API כפי שאפשר לראות בתמונה. מקווה ש-OPENAI יהפכו את התהליך הזה ליותר ידידותי לכל משתמש ומשתמשת. יובל אבידני - HACKIT

איך נותנים ל-GPT כוח על? מוסיפים לו ״סכמה״! אחד הדברים המסובכים שנתקלתי בהם הוא לתת ל-GPT יכולת להשתמש בכלי. בלנגצ׳יין זה מאוד פשוט. פה זה מסובך. אותו כלי כל כך נח, GPT, מאפשר לבנות בקלות בוט עם מאגר ידע משלנו, אבל מה אם אנחנו רוצים שהוא יוכל לבצע פעולות כמו להתחבר לשירותים אחרים? למשל - של החלפת פנים בתמונה או בווידאו, להתחבר למערכת ניהול לידים שלנו וכדומה? לשם כך הקימו את Actions עבור כל GPT. זה בעצם היכולת להגדיר כלים, פעולות, שה-GPT יוכל לבצע בנוסף לכל מה שאנחנו כבר מכירים. הבעיה היא שכדי שזה יקרה צריך מסמכי API לשירותים אליהם נרצה לפנות, ועל בסיסם נצטרך ליצור ״מניפה״, שזה שם נרדף לקובץ בפרומט מסוים שנקרא JSON, שיש לו מבנה מאוד ברור, ורק לאחר יצירתו והזנתו ל-GPT, ה-GPT שלנו יוכל להשתמש בכח העל החדש. אבל אין סדר ברור ביצירת הסכמה. אז יצרתי GPT שמקבל מהמשתמש דוקומנטציה, API Docs, ופשוט יותר אוטומטית את הסכמה ומה שנשאר זה להדביק אותה ב- Actions ב-GPT! https://chat.openai.com/g/g-jigF6Oy2n

בוקר טוב עם בשורה קטנה: בניתי מתמלל חדש שיכול לייצר קבצי SRT לעורכי וידאו גם לקבצים גדולים מאוד! לאור תקלות שנבעו מעדכונים של OpenAI, נאלצתי לבנות מחברת Google Colab חדשה לתמלול, כאשר מה שעמד לנגד עיני הוא: פשטות ועזרה בהקשר של עורכי וידאו לטובת הקלה בסרטוני הסברה. המחברת החדשה מאפשרת לבחור בין קישור יוטיוב לבין העלאת קובץ מדיה מכל סוג שהוא, ללא קשר במשקלו או באורך הזמן שלו! * המחברת דורשת יחידות עיבוד גרפיות (GPU) של A100 או V100 כדי לרוץ * המחברת יודעת לבד לבחון את משקל הקובץ ולפצל אותו בהתאם, לתמלל כל חלק ולבסוף לחבר הכל לקובץ SRT שעורכי וידאו יכולים לטעון לתוכנות עריכה, ובנוסף שומרת קובץ TXT עם התמלול הנקי להורדה * המחברת תומכת בתמלול בכל השפות התפעול של המחברת מאוד פשוט: - דואגים להפעיל את המחברת ולבחור יחידות עיבוד גרפיות - מריצים את תא 1-2 בלי לעשות כלום - בתא 3 בוחרים קישור יוטיוב או קובץ. אם קישור - מזינים אותו בתיבה, אם קובץ - מעלים וממתינים לסיום העלאה - בתא 4 מריצים וממתינים לסיום, זה שלב התמלול בפועל - בתא 5 מריצים ובוחרים מה רוצים להוריד - SRT / TXT *תודה רבה לעורך המוכשר שחר פרלמן שדאג לתת לי פידבק שוטף כדי לתקן את המחברת!* ייתכן שאצטרך לבצע עדכונים נוספים בהמשך. הכל יתבצע על אותה מחברת. *במידה ואתם חושבים שנחוץ - תנו סימן חיים ואכין סרטון הדרכה על השימוש דרך Google Colab קישור: https://github.com/hoodini/openai-whisper-colab-by-yuval-avidani/blob/main/OpenAI_Whisper_by_Yuval_Avidani.ipynb

כאן 11 שיתפו את המתנה של דוקטור קוד ושלי לתושבי העוטף והמפונים - קורס AI בחינם! עזרו לנו להגיע לכמה שיותר, תנו לייק ותגובה ❤️ https://www.facebook.com/groups/hachamalshelkan/permalink/857414849193247/?mibextid=oMANbw

יצרתי GPT חדש שמסוגל לחפש לי מיילים בתיבת הדואר, לשלוח מיילים בשמי, לחלץ טקסט מאתרי אינטרנט, לייצר לי מסמכי Google Sheets, להתחבר ליומן שלי - ועוד שלל יכולות. איך יצרתי את זה? התחלתי עם יצירת GPT ממש כמו שהראיתי בסרטונים הקודמים, אבל הפעם השתמשתי בתוספת הקטנה והמיוחדת שנקראת Actions. התוספת הזו מאפשרת לנו לחבר יכולות להשתמש בכמות אדירה של כלים, ובמיוחד להתחבר לכלי האוטומציה האדיר Zapier שכבר מונה כ-5900 אפליקציות שמחוברות אליו! דמיינו שאתם הופכים תהליכים לאוטומטיים, בלי קוד, עם קצת הנדסת פרומפטים, התחברות למערכות, והעתק הדבק. הרבה יותר פשוט ממה שזה נשמע. וכדי להמחיש, הנה סרטון קצר שמראה איך השתמשתי ב-GPT החדש שלי כדי לחפש מיילים בתיבת הדואר שלי, לחלץ טקסט מאתרים (Scraping) ולשלוח אותו במייל. אם מעניין אתכם - אצור סרטון הדרכה גם על זה. הגיבו בלייק \ סימן חיים כלשהו, שאדע אם להשקיע.

מדריך פיתוח עוזר AI שיש לו מאגר ידע משלו באמצעות קוד! אחרי שבסרטון הקודם הדגמתי איך יוצרים GPT ועוזר AI ללא צורך בקוד, עלו המון שאלות שקיבלתי שמתנקזים ל - איך אני מטמיע את זה באתר שלי? תשובה: מפתחים את העוזר באמצעות קוד! בסרטון הזה אני מסביר איך מפתחים עוזר AI בפייתון באמצעות ה API החדש של OpenAI. נפתח עוזר שיש לו מאגר ידע משלו, והוא משיב לשאלות על בסיסו - וגם נכיר את הרציונאל ואת התהליך רב-השלבים שבפיתוח כזה. הקישור ממש פה: https://youtu.be/PjRpr4eQaVY?si=hgSW24XyUE0deU7N

עכשיו בוידאו לייב: אני מדגים פיתוח עוזר AI (Assistant) עם מאגר ידע בפייתון - יעלה בהמשך כסרטון ביוטיוב: https://youtu.be/PjRpr4eQaVY

הידעתכם ש-OPENCV2 של פייתון מגיעה עם מודלים שמסוגלים לזהות פנים ושפתיים וכו'? ושזה קיים כבר 12 שנה?! למה זה מעניין? כי ככה אפשר להתחיל לבנות LipSync איכותי באמת. יקח לא מעט מאמץ. אבל אני בדרך לסיים את הטשטושים המעצבנים סביב השפתיים ולהצליח להרים DeepFake אמיתי שיוכל לעזור עם דיבוב, הסברה ועוד!

חשוב מאוד!! לכל מי שיש אתר אינטרנט, תוספת קטנה של קוד לאתר שלכם תכניס חלון צף שקורא להשבת החטופים!! 1. מדביקים קטע קוד באתר 2. נוסף חלון צף שקורא להשבת החטופים + מפנה לאתר מטה המאבק להשבת החטופים 3. ראו צילום מסך - הוספתי באתר מרכז ההסברה שפיתחתי פירוט טכני: כל מה שצריך לעשות הוא להדביק את קטע הקוד הבא לפני תג הסיום של ה-body: <div id="bthn" lang="he"></div> <script> (function () { var script = document.createElement("script"); script.type = "text/javascript"; script.src = "https://bringthemhomenow.net/1.0.8/hostages-ticker.js"; script.setAttribute( "integrity", "sha384-jQVW0E+wZK5Rv1fyN+b89m7cYY8txH4s3uShzHf1T51hdBTPo7yKL6Yizgr+Gp8C" ); script.setAttribute("crossorigin", "anonymous"); document.getElementsByTagName("head")[0].appendChild(script); })(); </script> תעתיקו ותדביקו את זה כמו שזה ממש מעל תגית הסיום של </body> ויופיע לכם באתר החלון הצף! חשוב חשוב חשוב!! *יובל אבידני - HACKIT*

שימו לב: קישרתי את הערוץ לקבוצת הדיונים החדשה שפתחתי כאן בטלגרם