大模型架构的下半场
HUST Vision Lab致力于不断突破视觉智能的边界，代表性工作包括:CCNet、Mask Scoring R-CNN、FairMOT、ByteTrack、EVA、MapTR、Vectorized Autonomous Driving 、DiffusionDrive、Vision Mamba 、4D Gaussian Splatting 、YOLOS、YOLO-World，以及 LightningDiT & VA-VAE。
OpenAI Whisper使用体验：改变游戏规则的优雅语音转写工具
速记员这个职业大家都不陌生，他们能在各类场合高效迅速地将演讲内容转化为会议记录。如果把速记员变成软件，其核心功能就是语音识别 + 转写。这类需求使用场景广泛，在线视频 AI 字幕、线上会议 / 网课的速记、生肉番剧 / 电影 / 歌曲字幕的制作和转译、通话录音等等，都会用到。
AI图字论（上）
AI图字论摘 要本文提出一种名为「图字」的新型信息编码单元理论体系，旨在从根本上克服当前人工智能系统以纯文字符号为唯一信息载体所导致的幻觉频发、真实锚定缺失、跨模态转换损耗大以及跨领域理解偏差等结构性缺陷。
李飞飞李佳公布谷歌AI四大进展！首个行业方案颠覆呼叫中心
今天凌晨，谷歌的两位AI明星女科学家——李佳和李飞飞的“佳飞”组合再次推出了谷歌云AI的几个里程碑式大招。
没想到，音频大模型开源最彻底的，居然是小红书
机器之心原创编辑：杜伟不难发现，近几个月，开源频频成为 AI 社区热议的焦点。尤其是对于国内科技公司来说，开源成为主旋律。根据 Hugging Face 中文 AI 模型与资源社区的数据显示，国内厂商在七八月接连开源 33 款、31 款各类型大模型。
想学python但是有好多英文不认识？python常用英文单词都在这
后来别人一点点告诉我，每一个选项是干嘛的，哪个是征兵，哪个是挖人，哪个是找人，怎么降低敌将的忠诚度，哪个名字是吕布，先要把它挖过来，等等，到了哪年再把赵云找出来。
让AI像自来水一样简单，华为云通用AI解决方案体验
来源：东方网 前言通用AI是一种能够像人类一样进行思考、学习和推理的人工智能系统。与特定领域的人工智能不同，通用AI可以处理各种类型的任务，包括自然语言处理、图像识别、机器学习等，具有广泛的适用性和高度的灵活性。
Deno 运行时入门教程：Node.js 的替代品
1、Deno是 Ryan Dahl 在 2017 年创立的。Ryan Dahl 也是 Node.js 的创始人，从 2007 年一直到 2012 年，他后来把 Node.js 移交给了其他开发者，不再过问了，转而研究人工智能。
小米开源OmniVoice多语言语音克隆TTS模型，号称搞定600余种语言
IT之家 5 月 7 日消息，“小米技术”公众号今天下午宣布，小米 AI 实验室新一代 Kaldi 团队全新推出 OmniVoice，不仅在中英文场景达到顶尖性能，更在多语言任务中展现出超越商用系统的实力，是业内首个覆盖数百语种的语音克隆 TTS 模型。