هوش مصنوعی مولد در حال حاضر با صحبت در مورد محصولاتی مانند GPT4، ChatGPT، DALL-E2، Bard و بسیاری از فناوریهای هوش مصنوعی دیگر توجه عمومی زیادی را به خود جلب کرده است. بسیاری از مشتریان اطلاعات بیشتری در مورد راه حل های هوش مصنوعی مولد AWS درخواست کرده اند. هدف این پست رفع این نیازها است.
این پست یک نمای کلی از هوش مصنوعی مولد با یک مورد استفاده واقعی مشتری را ارائه می دهد، توضیحات مختصری ارائه می دهد و مزایای آن را بیان می کند، به یک نسخه نمایشی ساده برای دنبال کردن ارجاع می دهد. AWS DeepComposer برای ایجاد آهنگ های جدید موسیقی، و نحوه شروع استفاده را تشریح می کند Amazon SageMaker JumpStart برای استقرار GPT2، Stable Diffusion 2.0 و سایر مدل های مولد هوش مصنوعی.
نمای کلی هوش مصنوعی مولد
هوش مصنوعی مولد حوزه خاصی از هوش مصنوعی است که بر تولید مواد جدید تمرکز دارد. این یکی از هیجانانگیزترین زمینهها در دنیای هوش مصنوعی است که پتانسیل آن را دارد که کسبوکارهای موجود را متحول کند و اجازه دهد ایدههای تجاری کاملاً جدیدی به بازار بیایند. شما می توانید از تکنیک های مولد برای موارد زیر استفاده کنید:
- خلق آثار هنری جدید با استفاده از مدلی مانند Stable Diffusion 2.0
- نوشتن یک کتاب پرفروش با استفاده از مدل هایی مانند GPT2، Bloom، یا Flan-T5-XL
- با استفاده از تکنیک Transformers در AWS DeepComposer سمفونی بعدی خود را بسازید
AWS DeepComposer یک ابزار آموزشی است که به شما در درک مفاهیم کلیدی مرتبط با یادگیری ماشین (ML) از طریق زبان آهنگسازی کمک میکند. برای کسب اطلاعات بیشتر به ادامه مطلب مراجعه نمایید با استفاده از هوش مصنوعی مولد یک آهنگ راک جاز ایجاد کنید.
Stable Diffusion، GPT2، Bloom و Flan-T5-XL همگی مدل های ML هستند. آنها صرفاً الگوریتم های ریاضی هستند که برای شناسایی الگوهای درون داده ها باید آموزش داده شوند. پس از یادگیری الگوها، آنها در نقاط پایانی مستقر می شوند و برای فرآیندی به نام استنتاج آماده می شوند. داده های جدیدی که مدل ندیده است به مدل استنتاج داده می شود و مطالب خلاقانه جدیدی تولید می شود.
به عنوان مثال، با مدل های تولید تصویر مانند Stable Diffusion، می توانیم با استفاده از چند کلمه تصاویر خیره کننده ایجاد کنیم. با مدلهای تولید متن مانند GPT2، Bloom، و Flan-T5-XL، میتوانیم مقالات ادبی جدید و احتمالاً کتابها را از یک جمله ساده انسانی تولید کنیم.
دریافت رمز عبور یک مشتری AWS است که از آن استفاده می کند آمازون SageMaker تا به طراحان محصول خود کمک کنند تا هزاران تکرار از طرح های بصری را برای موارد استفاده مختلف مرتب کنند و از ML برای کمک به انتخاب طرح بهینه استفاده کنند. به طور خاص، آنها با Edera Safety برای کمک به توسعه یک محافظ نخاع کار کرده اند که از سواران در برابر تصادفات هنگام شرکت در رویدادهای ورزشی مانند دوچرخه سواری در کوهستان محافظت می کند. برای اطلاعات بیشتر، ویدیو را بررسی کنید یادگیری ماشینی AWS بهینه سازی طراحی را فعال می کند.
برای کسب اطلاعات بیشتر در مورد آنچه که مشتریان AWS با هوش مصنوعی و مد مولد انجام می دهند، به ادامه مطلب مراجعه کنید طراحی مد مجازی با هوش مصنوعی مولد با استفاده از Amazon SageMaker.
اکنون که متوجه شدیم هوش مصنوعی مولد چیست، بیایید وارد یک نمایش JumpStart شویم تا یاد بگیریم چگونه متن یا تصاویر جدید با هوش مصنوعی تولید کنیم.
پیش نیازها
Amazon SageMaker Studio محیط توسعه یکپارچه (IDE) در SageMaker است که تمام ویژگی های ML را که در یک شیشه به آن نیاز داریم در اختیار ما قرار می دهد. قبل از اینکه بتوانیم JumpStart را اجرا کنیم، باید Studio را راه اندازی کنیم. اگر نسخه خود را از Studio در حال اجرا دارید، می توانید از این مرحله صرف نظر کنید.
اولین کاری که قبل از استفاده از خدمات AWS باید انجام دهیم این است که مطمئن شویم در AWS ثبت نام کرده ایم و یک حساب AWS ایجاد کرده ایم. بعد ایجاد یک کاربر اداری و یک گروه است. برای دستورالعمل های مربوط به هر دو مرحله، مراجعه کنید پیش نیازهای Amazon SageMaker را تنظیم کنید.
مرحله بعدی ایجاد دامنه SageMaker است. یک دامنه تمام فضای ذخیره سازی را تنظیم می کند و به شما امکان می دهد کاربرانی را برای دسترسی به SageMaker اضافه کنید. برای اطلاعات بیشتر مراجعه کنید ورود به دامنه Amazon SageMaker. این دمو در منطقه AWS ایجاد شده است us-east-1
.
در نهایت، استودیو را راه اندازی می کنید. برای این پست، توصیه می کنیم یک برنامه پروفایل کاربری راه اندازی کنید. برای دستورالعمل، مراجعه کنید Amazon SageMaker Studio را راه اندازی کنید.
راه حل JumpStart را انتخاب کنید
حالا به قسمت هیجان انگیز می رسیم. اکنون باید وارد استودیو شوید و صفحه ای مشابه تصویر زیر را مشاهده کنید.
در قسمت ناوبری، در زیر SageMaker JumpStart، انتخاب کنید مدل ها، نوت بوک ها، راه حل ها.
طیف وسیعی از راهحلها، مدلهای پایه و دیگر مصنوعات به شما ارائه میشود که میتوانند به شما کمک کنند تا با یک مدل خاص یا یک مشکل تجاری خاص یا مورد استفاده شروع کنید.
اگر می خواهید در یک منطقه خاص آزمایش کنید، می توانید از تابع جستجو استفاده کنید. یا به سادگی می توانید مصنوعات را مرور کنید تا مدل یا راه حل تجاری مربوطه را برای نیازهای خود بیابید.
به عنوان مثال، اگر به راه حل های تشخیص تقلب علاقه دارید، تشخیص تقلب را در نوار جستجو وارد کنید.
اگر به راه حل های تولید متن علاقه دارید، تولید متن را در نوار جستجو وارد کنید. اگر میخواهید طیف وسیعی از مدلهای تولید متن را بررسی کنید، یک مکان خوب برای شروع این است که دفترچه یادداشت Intro to JS – Text Generation را انتخاب کنید.
بیایید به یک نمایش خاص از مدل GPT-2 شیرجه بزنیم.
نسخه ی نمایشی مدل JumpStart GPT-2
GPT 2 یک مدل زبان است که به تولید متنی شبیه انسان بر اساس یک دستور داده شده کمک می کند. ما می توانیم از این نوع مدل ترانسفورماتور برای ایجاد جملات جدید استفاده کنیم و به ما در نوشتن خودکار کمک کنیم. این می تواند برای تولید محتوا مانند وبلاگ ها، پست های رسانه های اجتماعی و کتاب ها استفاده شود.
مدل GPT 2 بخشی از خانواده Generative Pre-Trained Transformer است که سلف GPT 3 بود. در زمان نگارش، GPT 3 به عنوان پایه برنامه OpenAI ChatGPT استفاده می شود.
برای شروع کاوش نسخه نمایشی مدل GPT-2 در JumpStart، مراحل زیر را انجام دهید:
- در JumpStart، جستجو و انتخاب کنید GPT2.
- در گسترش مدل بخش، گسترش پیکربندی استقرار.
- برای نمونه میزبانی SageMaker، نمونه خود را انتخاب کنید (برای این پست، از ml.c5.2xlarge استفاده می کنیم).
انواع ماشین های مختلف دارای قیمت های متفاوتی هستند. در زمان نوشتن، ml.c5.2xlarge که انتخاب کردیم کمتر از 0.50 دلار در ساعت است. برای اطلاع از به روزترین قیمت به ادامه مطلب مراجعه کنید قیمت گذاری آمازون SageMaker.
- برای نام نقطه پایانیdemo-hf-textgeneration-gpt2 را وارد کنید.
- را انتخاب کنید گسترش.
منتظر بمانید تا نقطه پایانی ML مستقر شود (حداکثر 15 دقیقه).
- وقتی نقطه پایانی مستقر شد، انتخاب کنید نوت بوک را باز کنید.
صفحه ای مشابه تصویر زیر خواهید دید.
سندی که ما برای نشان دادن نمایش خود از آن استفاده می کنیم، یک نوت بوک Jupyter است که تمام کدهای ضروری پایتون را در بر می گیرد. توجه داشته باشید که کد موجود در این اسکرین شات ممکن است کمی با کدی که دارید متفاوت باشد، زیرا AWS دائماً این نوتبوکها را بهروزرسانی میکند و از امن بودن، عاری بودن آنها و ارائه بهترین تجربه برای مشتری مطمئن میشود.
- روی سلول اول کلیک کنید و انتخاب کنید Ctrl + Enter برای اجرای بلوک کد
یک ستاره (*) در سمت چپ بلوک کد ظاهر می شود و سپس به یک عدد تبدیل می شود. ستاره نشان می دهد که کد در حال اجرا است و با ظاهر شدن عدد کامل است.
- در بلوک کد بعدی، مقداری متن نمونه وارد کنید، سپس فشار دهید Ctrl + Enter.
- را انتخاب کنید Ctrl + Enter در بلوک کد سوم آن را اجرا کنید.
پس از حدود 30-60 ثانیه، نتایج استنباط خود را خواهید دید.
برای متن ورودی "Once upon a time there were 18 sandwiches,
” متن تولید شده زیر را دریافت می کنیم:
برای متن ورودی "And for the final time Peter said to Mary,
” متن تولید شده زیر را دریافت می کنیم:
می توانید چندین بار اجرای این بلوک کد سوم را آزمایش کنید و متوجه خواهید شد که مدل هر بار پیش بینی های متفاوتی انجام می دهد.
برای تنظیم خروجی با استفاده از برخی از ویژگیهای پیشرفته، به پایین بروید تا در بلوک کد چهارم آزمایش کنید.
برای آشنایی بیشتر با مدل های تولید متن به ادامه مطلب مراجعه کنید تولید متن را با مدلهای Bloom و GPT در Amazon SageMaker JumpStart اجرا کنید.
منابع را پاکسازی کنید
قبل از اینکه کار را ادامه دهیم، فراموش نکنید که پس از پایان کار، نقطه پایان خود را حذف کنید. در برگه قبلی، در زیر نقطه پایانی را حذف کنید، انتخاب کنید حذف.
اگر به طور تصادفی این نوت بوک را بسته اید، می توانید نقطه پایانی خود را از طریق کنسول SageMaker نیز حذف کنید. زیر استنباط در قسمت ناوبری، را انتخاب کنید نقاط پایان.
نقطه پایانی که استفاده کردید را انتخاب کنید و روی اعمال منو ، انتخاب کنید حذف.
اکنون که نحوه استفاده از اولین راه حل JumpStart را فهمیدیم، بیایید به استفاده از یک مدل انتشار پایدار نگاه کنیم.
نسخه ی نمایشی مدل JumpStart Stable Diffusion
ما می توانیم از مدل Stable Diffusion 2 برای تولید تصاویر از یک خط متن ساده استفاده کنیم. این می تواند برای تولید محتوا برای مواردی مانند پست های رسانه های اجتماعی، مطالب تبلیغاتی، جلد آلبوم یا هر چیزی که نیاز به آثار هنری خلاقانه دارد استفاده شود.
- به JumpStart برگردید، سپس جستجو کنید و انتخاب کنید انتشار پایدار 2.
- در گسترش مدل بخش، گسترش پیکربندی استقرار.
- برای نمونه میزبانی SageMaker، نمونه خود را انتخاب کنید (برای این پست از ml.g5.2xlarge استفاده می کنیم).
- برای نام نقطه پایانی، وارد
demo-stabilityai-stable-diffusion-v2
. - را انتخاب کنید گسترش.
از آنجایی که این یک مدل بزرگتر است، ممکن است تا 25 دقیقه زمان ببرد. وقتی آماده شد، وضعیت نقطه پایانی به صورت نشان داده می شود در خدمت.
- را انتخاب کنید نوت بوک را باز کنید برای باز کردن یک نوت بوک Jupyter با کد پایتون.
- بلوک کد اول و دوم را اجرا کنید.
- در بلوک کد سوم، اعلان متن را تغییر دهید، سپس سلول را اجرا کنید.
حدود 30 تا 60 ثانیه صبر کنید تا تصویر شما ظاهر شود. تصویر زیر بر اساس متن مثال ما است.
باز هم می توانید با ویژگی های پیشرفته در بلوک کد بعدی بازی کنید. تصویری که ایجاد می کند هر بار متفاوت است.
منابع را پاکسازی کنید
باز هم فراموش نکنید که نقطه پایانی خود را حذف کنید. این بار، ما از ml.g5.2xlarge استفاده میکنیم، بنابراین هزینههای کمی بالاتر از قبل دارد. در زمان نگارش این مقاله، قیمت آن کمی بیش از 1 دلار در ساعت بود.
در نهایت، اجازه دهید به AWS DeepComposer برویم.
AWS DeepComposer
AWS DeepComposer یک راه عالی برای یادگیری در مورد هوش مصنوعی مولد است. این به شما امکان می دهد از ملودی های داخلی در مدل های خود برای تولید فرم های جدید موسیقی استفاده کنید. مدلی که استفاده می کنید نحوه تبدیل ملودی ورودی را تعیین می کند.
اگر به شرکت کردن عادت دارید AWS Deep Racer روزها برای کمک به کارمندان خود در یادگیری یادگیری مجدد، به تقویت و بهبود روز با AWS DeepComposer فکر کنید تا در مورد هوش مصنوعی مولد بیاموزید.
برای توضیح دقیق و نمایش آسان سه مدل در این پست به ادامه مطلب مراجعه کنید با استفاده از هوش مصنوعی مولد یک آهنگ راک جاز ایجاد کنید.
موارد زیر را بررسی کنید نمونه های باحال با استفاده از AWS DeepComposer در SoundCloud آپلود شد.
ما دوست داریم آزمایشهای شما را ببینیم، بنابراین با خیال راحت از طریق رسانههای اجتماعی (@digitalcolmer) تماس بگیرید و آموختهها و آزمایشهای خود را به اشتراک بگذارید.
نتیجه
در این پست، ما در مورد تعریف هوش مصنوعی مولد صحبت کردیم که توسط داستان مشتری AWS نشان داده شده است. سپس نحوه شروع کار با Studio و JumpStart را به شما آموزش دادیم و به شما نشان دادیم که چگونه با مدلهای GPT 2 و Stable Diffusion شروع کنید. ما با یک نمای کلی از AWS DeepComposer به پایان رسیدیم.
برای بررسی بیشتر JumpStart، سعی کنید از داده های خود برای تنظیم دقیق مدل موجود استفاده کنید. برای اطلاعات بیشتر مراجعه کنید آموزش افزایشی با Amazon SageMaker JumpStart. برای اطلاعات در مورد تنظیم دقیق مدل های انتشار پایدار، به تنظیم دقیق مدلهای انتشار پایدار متن به تصویر با Amazon SageMaker JumpStart.
برای کسب اطلاعات بیشتر در مورد مدل های انتشار پایدار به ادامه مطلب مراجعه کنید تصاویر را از متن با مدل انتشار پایدار در Amazon SageMaker JumpStart ایجاد کنید.
ما هیچ اطلاعاتی در مورد مدل Flan-T5-XL ارائه نکردیم، بنابراین برای کسب اطلاعات بیشتر به ادامه مطلب مراجعه کنید. GitHub repo. مثال های آمازون SageMaker repo همچنین شامل مجموعه ای از نوت بوک های موجود در GitHub برای محصولات مختلف SageMaker، از جمله JumpStart است که طیف وسیعی از موارد استفاده را پوشش می دهد.
برای کسب اطلاعات بیشتر در مورد AWS ML از طریق طیف وسیعی از دارایی های دیجیتال رایگان، ما را بررسی کنید راهنمای Ramp-Up یادگیری ماشین AWS. شما همچنین می توانید رایگان ما را امتحان کنید طرح یادگیری ML برای ساختن دانش فعلی خود یا داشتن یک نقطه شروع روشن. برای گذراندن یک دوره آموزشی تحت هدایت مربی، دوره های زیر را به شدت توصیه می کنیم:
واقعاً زمان هیجان انگیزی در فضای AI/ML است. AWS اینجاست تا از سفر ML شما پشتیبانی کند، بنابراین لطفاً در رسانه های اجتماعی با ما در ارتباط باشید. ما مشتاقانه منتظر همه یادگیری ها، آزمایش ها و سرگرمی های شما با خدمات مختلف ML در ماه های آینده هستیم و از این فرصت لذت می بریم تا در سفر ML شما مربی شما باشیم.
درباره نویسنده
پل کولمر یک مربی فنی ارشد در خدمات وب آمازون و متخصص در یادگیری ماشینی و هوش مصنوعی مولد است. اشتیاق او کمک به مشتریان، شرکا و کارمندان است که از طریق داستان سرایی قانع کننده، تجربیات مشترک و انتقال دانش رشد کنند. او با بیش از 25 سال فعالیت در صنعت IT، در شیوه های فرهنگی چابک و راه حل های یادگیری ماشین تخصص دارد. پل عضو کالج موسیقی لندن و عضو انجمن کامپیوتر بریتانیا است.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoAiStream. Web3 Data Intelligence دانش تقویت شده دسترسی به اینجا.
- ضرب کردن آینده با آدرین اشلی. دسترسی به اینجا.
- خرید و فروش سهام در شرکت های PRE-IPO با PREIPO®. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/machine-learning/get-started-with-generative-ai-on-aws-using-amazon-sagemaker-jumpstart/
- :است
- :نه
- $UP
- 1
- 11
- ٪۱۰۰
- 50
- 500
- 7
- 8
- 9
- 937
- a
- درباره ما
- دسترسی
- حوادث
- حساب
- اضافه کردن
- نشانی
- اداری
- پیشرفته
- پس از
- فرز
- AI
- AI / ML
- هدف
- البوم
- الگوریتم
- معرفی
- اجازه دادن
- اجازه می دهد تا
- قبلا
- همچنین
- آمازون
- آمازون SageMaker
- Amazon SageMaker JumpStart
- آمازون خدمات وب
- an
- و
- هر
- هر چیزی
- نرم افزار
- ظاهر شدن
- کاربرد
- هستند
- محدوده
- دور و بر
- هنر
- مقالات
- مصنوعی
- هوش مصنوعی
- آثار هنری
- AS
- دارایی
- مرتبط است
- At
- متصل شده
- توجه
- دریافت رمز عبور
- خودکار بودن
- در دسترس
- AWS
- مشتری AWS
- بار
- مستقر
- BE
- زیرا
- گوشت گاو
- بوده
- قبل از
- شروع
- مزایای
- بهترین
- برکت
- مسدود کردن
- بلاک ها
- وبلاگ ها
- شکوفه
- کتاب
- کتاب
- هر دو
- انگلیسی
- ساختن
- ساخته شده در
- کسب و کار
- ایده های تجاری
- کسب و کار
- اما
- by
- CAN
- مورد
- موارد
- تغییر دادن
- بار
- GPT چت
- بررسی
- را انتخاب کنید
- واضح
- بسته
- رمز
- کالج
- بیا
- آینده
- متقاعد کننده
- کامل
- به طور کامل
- کامپیوتر
- مفاهیم
- اتصال
- در نظر بگیرید
- کنسول
- به طور مداوم
- محتوا
- تولید محتوا
- دوره
- دوره
- پوشش
- پوشش
- را پوشش می دهد
- ایجاد
- ایجاد شده
- ایجاد
- ایجاد
- ایجاد
- خالق
- فرهنگی
- جاری
- مشتری
- تجربه مشتری
- مشتریان
- داده ها
- روز
- روز
- مرگ
- نسخه ی نمایشی
- گسترش
- مستقر
- استقرار
- شرح
- طرح
- طراحان
- طرح
- دقیق
- کشف
- تعیین می کند
- توسعه
- پروژه
- مختلف
- انتشار
- دیجیتال
- دارایی های دیجیتال
- do
- سند
- عمل
- دامنه
- آیا
- پایین
- هر
- آموزش
- کارکنان
- را قادر می سازد
- را در بر می گیرد
- نقطه پایانی
- افزایش
- وارد
- محیط
- اتر (ETH)
- حوادث
- هر
- مثال
- مهیج
- موجود
- گسترش
- تجربه
- تجارب
- تجربه
- آزمایش
- توضیح
- اکتشاف
- بررسی
- خانواده
- روش
- امکانات
- تغذیه
- احساس
- همکار
- کمی از
- رشته
- زمینه
- نهایی
- پیدا کردن
- نام خانوادگی
- تمرکز
- پیروی
- غذا
- برای
- اشکال
- به جلو
- پایه
- چهار
- چهارم
- تقلب
- کشف تقلب
- رایگان
- از جانب
- سرگرمی
- تابع
- به دست آوردن
- تولید می کنند
- تولید
- مولد
- نسل
- مولد
- هوش مصنوعی مولد
- دریافت کنید
- GitHub
- داده
- شیشه
- خوب
- بزرگ
- گروه
- شدن
- دست
- آیا
- he
- شنیده
- کمک
- کمک
- کمک می کند
- اینجا کلیک نمایید
- بالاتر
- خیلی
- خود را
- میزبانی وب
- ساعت
- چگونه
- چگونه
- HTML
- HTTPS
- انسان
- ایده ها
- شناسایی
- if
- تصویر
- تولید تصویر
- تصاویر
- in
- شامل
- از جمله
- نشان می دهد
- صنعت
- اطلاعات
- ورودی
- نمونه
- دستورالعمل
- یکپارچه
- اطلاعات
- علاقه مند
- به
- IT
- صنعت فناوری اطلاعات
- تکرار
- ITS
- سفر
- JPG
- پرش
- نوت بوک ژوپیتر
- تنها
- کلید
- دانش
- انتقال دانش
- شناخته شده
- زبان
- بزرگتر
- راه اندازی
- راه اندازی
- یاد گرفتن
- آموخته
- یادگیری
- ترک کرد
- پسندیدن
- لاین
- زندگی
- سیستم وارد
- لندن
- نگاه کنيد
- خیلی
- عشق
- دستگاه
- فراگیری ماشین
- ساخته
- ساخت
- باعث می شود
- ساخت
- بسیاری
- بازار
- ماده
- ریاضی
- رسانه ها
- دقیقه
- ML
- مدل
- مدل
- ماه
- بیش
- اکثر
- کوه
- حرکت
- چندگانه
- موسیقی
- موسیقی
- نام
- جهت یابی
- لازم
- نیاز
- نیازهای
- جدید
- بعد
- توجه داشته باشید
- دفتر یادداشت
- نوت بوک
- اطلاع..
- اکنون
- عدد
- of
- on
- ONE
- باز کن
- OpenAI
- فرصت
- بهینه
- or
- دیگر
- ما
- خارج
- نمای کلی
- تولید
- روی
- مروری
- خود
- با ما
- قطعه
- بخش
- شرکت کننده
- ویژه
- شرکای
- شور
- الگوهای
- پل
- مردم
- از پا افتادن
- تصویر
- محل
- افلاطون
- هوش داده افلاطون
- PlatoData
- بازی
- لطفا
- نقطه
- نقطه
- پست
- پست ها
- پتانسیل
- بالقوه
- شیوه های
- سلف، اسبق، جد
- پیش بینی
- در حال حاضر
- ارائه شده
- فشار
- قبلی
- قیمت
- قیمت گذاری
- مشکل
- روند
- ساخته
- محصول
- محصولات
- مشخصات
- تبلیغاتی
- ارائه
- فراهم می کند
- عمومی
- پــایتــون
- محدوده
- نسبتا
- رسیدن به
- اماده
- واقعی
- توصیه
- منابع
- منطقه
- مربوط
- نیاز
- رستوران
- نتایج
- سواران
- سنگ
- دویدن
- در حال اجرا
- ایمنی
- حکیم ساز
- سعید
- SAINT
- حرکت
- جستجو
- دوم
- ثانیه
- بخش
- امن
- دیدن
- مشاهده
- مشاهده گردید
- انتخاب شد
- ارشد
- جمله
- سرویس
- خدمات
- تنظیم
- مجموعه
- اشتراک گذاری
- به اشتراک گذاشته شده
- باید
- نمایشگاه
- نشان می دهد
- امضاء شده
- مشابه
- ساده
- به سادگی
- تنها
- کمی متفاوت
- So
- آگاهی
- رسانه های اجتماعی
- پیام های رسانه های اجتماعی
- جامعه
- راه حل
- مزایا
- برخی از
- Soundcloud
- فضا
- تخصص دارد
- متخصص
- خاص
- به طور خاص
- پایدار
- شروع
- آغاز شده
- راه افتادن
- وضعیت
- گام
- مراحل
- ذخیره سازی
- داستان
- داستان سرایی
- استودیو
- خیره کننده
- چنین
- پشتیبانی
- مطمئن
- گرفتن
- صحبت
- فنی
- تکنیک
- فن آوری
- تولید متن
- نسبت به
- که
- La
- شان
- سپس
- آنجا.
- اینها
- آنها
- چیز
- اشیاء
- سوم
- این
- کسانی که
- هزاران نفر
- سه
- از طریق
- زمان
- بار
- به
- ابزار
- مسیر
- آموزش دیده
- آموزش
- انتقال
- دگرگون کردن
- مبدل
- ترانسفورماتور
- ترانسفورماتور
- صادقانه
- تبدیل
- نوع
- انواع
- زیر
- فهمیدن
- در جریان روز
- به روز رسانی
- آپلود شده
- بر
- us
- استفاده کنید
- مورد استفاده
- استفاده
- کاربر
- کاربران
- با استفاده از
- مختلف
- نسخه
- از طريق
- تصویری
- منتظر
- می خواهم
- بود
- مسیر..
- we
- وب
- خدمات وب
- بود
- چی
- چه زمانی
- که
- در حین
- WHO
- اراده
- با
- در داخل
- کلمات
- مشغول به کار
- با این نسخهها کار
- جهان
- خواهد بود
- پیچیده
- نوشته
- سال
- شما
- شما
- زفیرنت