小米开源工业级目标说话人语音识别大模型 CocktailASR-1,解决鸡尾酒会难题
把一个人声从嘈杂的人群中剥离出来,人类的听觉系统做这件事毫不费力。但对 ASR 模型来说,多人同时讲话的场景至今是一个未被充分解决的难题。小米刚刚开源的 CocktailASR-1,做出了一个有意思的尝试:不是做"更好的降噪",而是从根本上改变任务的输入——先告诉模型你要听谁说话,再让模型只输出那个人的话。 这就是目标...
汇聚 V2EX、Hacker News、掘金等 IT 社区的热门讨论与精华内容。
把一个人声从嘈杂的人群中剥离出来,人类的听觉系统做这件事毫不费力。但对 ASR 模型来说,多人同时讲话的场景至今是一个未被充分解决的难题。小米刚刚开源的 CocktailASR-1,做出了一个有意思的尝试:不是做"更好的降噪",而是从根本上改变任务的输入——先告诉模型你要听谁说话,再让模型只输出那个人的话。 这就是目标...
“把大模型装进电脑本地免费跑。”
汇总一周产品更新日志,最新发布可前往我们的博客查看。 NocoBase 目前更新包括三个分支: main、next 和 develop。** main: 截至目前最稳定的版本,推荐安装此版本。 next: 包含即将发布的新功能,经过初步测试的版本,可能存在部分已知或未知问题。主要面向测试用户,用于收集反馈和进一步优化功能。适合愿意提前体验...
通用代码生成器:光船尝鲜版二,蛋糕船示例生成演示 通用代码生成器:光船已发布尝鲜版二,使用蛋糕船示例生成演示。包括数据库后端和Nodejs Vue 前端。光船尝鲜版二修复了数据磨坊功能群,SQL文件代码生成,和前端代码生成功能。修复了大量缺陷。现在可以使用的示例和功能大大增强。 介绍视频请见:bilibil...
"请不要这样做。" 这是 DeepSeek 决定把 V4 Pro 的请求静默路由到 V4.1 Flash 之后,开源社区第一时间的反应。 9 月 9 日下午,DeepSeek 的 Tianyi Cui 在 X 上发帖,宣布了一个决定:V4.1 Flash 正式上线之后、V4.1 Pro 上线之前,所有打到 V4 Pro 的请求都会被路由到 V4.1 Flash,并按 Flash 的价格计费。 理由是技术上...
"我今天从 Anthropic 辞职了。" Jacob Coxon 在 OpenAI 和 Anthropic 做了三年预训练研究。今天他在 X 上发的这条离职帖,不到半天就超过 2600 万次浏览。 他说得直接:「两家公司都没有在负责任地做事。他们正在直奔自我改进的超级智能,拿我们的命在赌。」 Coxon 的帖子一共七条,每一段都在拆解一个问题。 第一条定调...
过去,开源的定义很清晰,交出源代码,让所有人查看、修改、分发。如今,越来越多的开发者把精力从“写代码”转向“怎么让 AI 写出好代码”。他们调试提示词,打磨工作流,把与 AI 协作的一整套方法整理成文档,公开分享。分享的东西变了,开源的内核没变,把创造的过程分享出来,让后来的人少走弯路。 这正是 2026 北京...
DeepSeek 这个模型名本身就在剧透它的命运——deepseek-v4.1-flash-expires-on-0910。光看这串字符就知道,9 月 10 日它会自动下线。 9 月 8 日下午,DeepSeek 放出了 V4.1 Flash 的中间测试版本开启内测。不是正式发布,是把还没定稿的模型拿出来让开发者提前试,窗口只有两天。 值得注意的不是「又发了个模型」,而是「...
为了感受自己还活着,Austin Z. Henley 在周末手写代码。 他的最新挑战:用 1024 字节的 C 代码写一个 Python 解释器。不用宏花招,不用库诡计。 目标很明确——能让这段代码跑起来: def buzz(): for n in range(101): if n % 15 == 0: print("FizzBuzz") else: if...
近日,两场开源软件大赛(“2026 上海开源软件应用创新大赛”与“2026北京开源行业解决方案创新赛”)正火热进行中,陆续有选手咨询模力方舟的模型调用成本能不能省一点。 即日起,模力方舟给参赛选手准备了一份可选福利,旗下旗舰模型按官方刊例价提供专属折扣,覆盖 DeepSeek V4 全系、Kimi K3 与 K2.6、GLM-5.2 与 5....
袋鼠数据库工具 是一款 AI 驱动的热门数据库系统客户端(MariaDB / MongoDB / MySQL / Oracle / PostgreSQL / Redis / SQLite / SQLServer / …) ,支持建表、查询、模型、同步、导入导出等功能,支持 Windows / Mac / Linux 等操作系统,致力于打造一款好用、好玩、开发友好的开发者工具。 新特性或修复的缺陷列表 增加云...
QFO v1.0.2 已发布。 QFO 是一个免费开源、本地运行的 A 股量化研究与回测平台,面向量化投资新手,支持数据同步、股票/ETF/可转债筛选、因子研究、策略回测、组合分析和风险评估。 本版本主要更新: 修复 Windows 首次运行时 Python 依赖源不可用导致安装失败的问题; 增加多个 Python 镜像源的自动回退; 增加 npm 依赖...
Open Flow 一个面向 AI Agent 的工作流自动化平台 OOMOL Lab 近日开源了 Open Flow,一个面向 AI Agent 的工作流自动化平台。项目提供可视化 Workbench、命令行接口和自托管运行时,让 Agent 直接参与完整的工作流生命周期。用户使用 ChatGPT/Codex、Claude Code、Qoder 等智能体配合 oo flow 直接创建节点、编排并运行 ...
汇总一周产品更新日志,最新发布可前往我们的博客查看。 NocoBase 目前更新包括三个分支: main、next 和 develop。 main: 截至目前最稳定的版本,推荐安装此版本。 next: 包含即将发布的新功能,经过初步测试的版本,可能存在部分已知或未知问题。主要面向测试用户,用于收集反馈和进一步优化功能。适合愿意提前体验新...
Termexo 于近日发布 V0.7.0 版本。该版本的主要方向是账号管理与窗口界面:把 Claude Code 与 Codex 的登录身份从隐藏在环境变量中的状态,变为终端上可见且可切换的属性,同时重做了窗口顶栏与终端渲染。 账号成为终端的可见属性 Claude Code 与 Codex CLI 的登录身份由配置目录决定,分别通过 CLAUDE_CONFIG_DIR 与 CO...
企业接入大模型,最难的不是技术,是秩序。本文分享一个开源思路:在内网部署一层轻量 API 网关(llm-proxy-tk),让大模型像公司内部的水电一样——统一接入、按人发卡、用量可视、随时断供。 一、先说三个扎心的现状 过去一年,我接触了不少中小企业和团队,发现大家用大模型的方式惊人地一致: 现状一: 密钥在群里裸...
李飞飞创立的 World Labs 发布了 Atlas,一个从零预训练的多模态空间智能大模型。你可以给它几张照片,它能生成从任意角度观看的连续视频;给它一段手机拍摄的视频,它能重建出完整的 3D 场景,让机器人在里面模拟导航。 核心架构是「multimodal autoregressive diffusion transformer」——这个术语拆开来看,autoregre...
Martin von Zweigbergk 加入了 ERSC(East River Source Control),担任 CTO。 Martin 于 2019 年底将 Jujutsu(简称 JJ)作为业余项目启动,后来发展成为他在谷歌的全职工作——从内部孵化出来的版本控制系统。该项目在 GitHub 上拥有超过 3 万 star,并以 Apache 2.0 许可证开源。 Jujutsu 的定位是 Git 的现代替代品...
wastnet 反向代理实战:一个端口统一托管前端与后端 API wastnet 是一款零依赖、自研的 Java Web 服务器,核心基于 JDK 原生 NIO 构建 Reactor 多路复用模型,不依赖 Netty、Tomcat 等任何第三方网络库。其 HTTP/2(h2 / h2c)协议栈从 HPACK、Huffman 到 ALPN 均为完全自研实现,是框架的核心特色之一;在基准测试中吞吐...
Omacom Foundation 又募到了 200 万美元。这次的钱来自 Brian Armstrong 和 Yunjie Dai,两人各出 100 万,把基金会的资金池推到了 1200 万美元。 Brian Armstrong 是 Coinbase 的联合创始人兼 CEO。DHH 在公告里提到,Coinbase 本身就是用 Ruby on Rails 起家的,后来做到上亿用户。DHH 还特别提到 Armstrong 2020 年那...