AI进家庭
4月20日周日 | Python热门项目
欢迎关注我，持续获取更多内容，感谢赞&在看\~ Python项目排行 | 10个 1. Byaidu / PDFMathTranslate 项目语言: Python Star总数: 20,607 Fork总数: 1,750 Sta...
WhisperX：70倍实时语音转录！革命性词级时间戳与多说话人分离技术
在当今数字化信息飞速发展的时代，语音识别技术已成为人工智能领域的重要分支，广泛应用于视频字幕生成、会议记录、语音数据分析等众多场景。然而，面对长音频数据处理，传统自动语音识别（ASR）系统往往暴露出效率低下、精度不足等问题。就在这样的技术...
梁文锋登上《时代》榜单，这一刻，中国 AI 不再沉默
马斯克、苏姿丰同榜，中国 AI 终于有人杀进《时代》百大！ 4 月 16 日，美国《时代》周刊公布了 2025 年“全球最具影响力 100 人”名单。 在这个被马斯克、苏姿丰、朱浩伟、诺娃等人包围的名单里，一个中文名字悄然出现 —— ...
OpenAI 发布 o3，谷歌反手祭出 Gemini 2.5 Flash：性价比直接拉满！
Gemini 2.5 Flash：谁说低价模型不能硬刚Pro？ 4 月，正是春暖花开的好时节。 然而，在 AI 领域，却是战火纷飞，硝烟滚滚。 当 OpenAI 在忙着发布 GPT-4.1、o3、o4-mini 时，谷歌也没有闲着。 4...
破解合规难题，AI高质量数据集建设正当时
大力出奇迹造就了预训练大模型的成功。这里的大力除了把模型参数量调大外，更为重要的是用于训练它们的大量和高质量的数据。 阿里开源的 Qwen2.5 系列的训练数据规模达到 18 万亿 token，是目前开源模型中训练数据量最大的之一。De...
《GPT-4.1变“听话”了，但你会“说话”吗？这才是现在写提示词的正确姿势》
GPT 又升级了，你准备好了吗？ 这次 OpenAI 发布的 GPT-4.1，一方面性能大幅提升，推理更强、响应更快，但另一方面，它也展现出一个明显的新特征：变得比以前“更听话”了——甚至可以说，听得“太认真”了。 过去你跟 GPT-4 ...
再看大模型幻觉排行、检测工具及多模态RAG技术范式总结
今天是2025年4月21日，星期一，北京，雨。 我们今天继续围绕RAG，看看多模态RAG技术总结及实现范式，也有多模态RAG中的embedding和rank模型进展，可以看看。 另外，关于幻觉问题，我们看看最新模型的表现，以及两个幻觉检测的...
2.6K Star！OpenUtau：开源歌声合成神器，开箱即用，完美兼容UTAU生态！
音乐创作与歌声合成爱好者的福音来了！ OpenUtau是一款免费、开源的音乐创作与编辑工具，提供现代化界面与丰富功能。它兼容 UTAU 音乐库和采样器，支持 VSQX 导入、多语言界面和预渲染。 适用于 Windows、macOS 和 L...
多模态RAG综述《 A Survey of Multimodal Retrieval-Augmen》
本文全面梳理了多模态检索增强生成 (MRAG) 领域的概念演进、关键技术、数据集、评估指标、挑战和未来方向，为研究人员提供了一份及时而深入的指南，并指明 MRAG 是未来提升多模态大模型能力、实现更智能、更通用人工智能的关键方向。 参...
Hyper-MCP：一个快速、安全的MCP服务器，通过WebAssembly插件扩展功能
Hyper-MCP：一个快速、安全的MCP服务器，通过WebAssembly插件扩展功能。亮点： 支持多种编程语言编写插件，兼容性极强； 轻量级设计，适合资源受限环境； 采用OCI标准分发插件，安全可靠。 参考文献： http:/...