L'auteur expérimente l'utilisation de Jev pour générer des visuels par programmation, en comparant System One aux modèles de raisonnement sur le coût et la vitesse. Cette application route les invites en langage naturel à travers plusieurs couches de décisions typées pour créer de l'art.
Jev trie les 10 derniers posts d'un créateur par vues, utilise la médiane comme référence, puis divise le pic de vues par cette référence. Ici, un post atteint 201× la référence, pour un coût de deux appels de seulement 0,002 $ — une application concrète de TypeSafe AI pour prédire la croissance des créateurs.
La créatrice de contenu Sharon Riley partage que sa pile de recherche est désormais un seul agent : 122 820 vidéos GPT-6 réduites à 20, une transcription de 7 693 mots pour 0,0075 $, et 272 commentaires lus. Cela a produit 25 courtes vidéos avec 2,7 millions de vues. Elle a utilisé Jev de TypeSafe AI sur MonidHQ : 8 appels pour 0,0135 $, soit moins qu'un couvercle de café.
L’auteur utilise des outils de génération vidéo pour transformer des livres blancs et supports de formation en courtes vidéos verticales destinées à l’enseignement client, notamment un guide @cxodev sur les modèles d’architecture utilisant jev et d’autres modèles de décision.
L'auteur partage l'avancement de son projet d'expert Storyshape : transformer le texte en formes narratives, utiliser Jev pour sélectionner la meilleure correspondance, ajuster la forme dans un éditeur, réécrire le texte avec un LLM pour l'adapter à la forme, puis générer une vidéo avec Claude Opus 5.5.
L'auteur explique comment garder une salle de rédaction IA honnête : chaque article rédigé passe par Jev, construit sur TypeSafe AI System One, qui signale les affirmations non étayées par le brief. Après correction et revérification, si le signal persiste, une personne décide. Rien n'est publié sans validation humaine.
Le développeur Debarpan Jha partage que son copilote de posts LinkedIn, construit avec TypeSafe AI (#jev), est utilisé par des utilisateurs du monde entier et remercie la communauté. Link
L'auteur indique qu'à partir d'au moins une image et un son, cette machine peut produire une sortie infinie via des manipulations manuelles ou le mécanisme probabiliste/aléatoire de Jev.
Ce post décrit l'utilisation de modèles locaux et de Jev pour améliorer la narration vocale, notamment une prononciation renforcée, des pauses stratégiques, et le choix de la voix et du tempo. Les retours sont bienvenus, gratuit à utiliser et à modifier.
NeuralCat a créé Booksmith, une application qui pointe vers une bibliothèque Calibre, choisit une voix et un rythme, puis narre le livre. La narration est générée avec Kokoro sur GPU, et Jev (TypeSafe) choisit la prononciation. L'audio est intégré automatiquement dans Plex avec chapitres et couvertures, accessible depuis une page web.