「说话人识别」共找到 1347 篇相关文章
独家｜蚂蚁、美团入局 AI 硬件， Looki 完成超 2000 万美元 A 轮融资
AI硬件创业公司Looki完成超2000万美元A轮融资，由蚂蚁集团领投。其首款产品Looki L1引发关注，全球累计销量近万台。Looki将推主动式AI新功能，持续深耕‘以人为中心’理念。
每次画架构图都快崩溃？这个开源 AI 版 draw.io 一句话帮你搞定
Next AI Draw.io是基于Next.js + draw.io的开源Web应用，给draw.io加了AI大脑。它能让用户用自然语言画图、改图、补图，解决画架构图等耗时费力问题，有诸多功能亮点，适合特定人群。
DeepSeek-OCR降本增效，10×暴力压缩还能读得清
Deepseek - OCR模型发布，通过光学压缩技术解决长文本处理的计算效率问题，能控制大模型token消耗成本。介绍了其架构设计、数据引擎及训练流程，还展示其用较少token超越现有模型的能力。
能自动把PDF转换为可填写表单的开源工具，实用可落地。
CommonForms是能自动将PDF转换为可填写表单的开源工具，通过检测文本框等自动添加交互字段。它基于YOLO11做目标检测，支持CLI和API使用，有多种功能特点，能高效处理转换。
社区供稿 | 开源SOTA：阶跃发布端到端语音大模型Step-Audio 2 mini！
阶跃星辰发布最强开源端到端语音大模型 Step - Audio 2 mini，在多个国际基准测试集获 SOTA 成绩。它统一建模语音理解等，率先支持语音原生 Tool Calling 能力，架构创新，案例展示其多方面强大能力。
GPT-5、Grok 4、o3 Pro都零分，史上最难AI评测基准换它了
AAI机构提出新基准FormulaOne，让GPT - 5、o3 Pro等前沿大模型集体得零分。该基准含220个图结构动态规划问题，分三类难度。测试结果显示，模型在深层及最深层难度表现差，引发关注。
Attention Sink产生的起点？清华&美团首次揭秘MoE LLM中的超级专家机制
清华和美团研究聚焦MoE LLM，首次发现超级专家子集。通过多模型实证分析，揭示其分布规律、重要性及对注意力机制的影响，开发识别工具，为模型压缩提供新方向。
刚刚，谷歌摊牌：Genie 3让你1秒「进入」名画，人人可造交互世界！
谷歌新发布Genie 3世界模型，能从文本生成交互式AI空间世界，操控图像和视频。用户可进入《苏格拉底之死》《夜游者》等名画探索，还能利用它训练3D模型，实现沉浸式体验。
OpenAI 发布了个 ChatGPT 优化计划，不是GPT-5
OpenAI未发布GPT - 5，而是推出ChatGPT「健康使用」优化计划，旨在助用户成长而非让人上瘾，措施包括休息提醒、改进生活建议功能等，还与专家合作改进响应方式。
「硅谷大乱」小扎挖人细节来了：4年总包3亿美金，第一年可直接获得1亿美金，被OpenAI多人拒绝
为组建Meta超级智能团队，挽回Llama4失败局面，扎克伯格简单粗暴挖人，开出四年总包超3亿美元、首年到手1亿的薪酬，还提供领先算力。至少10名OpenAI员工拒绝，这撕裂了硅谷“使命驱动”文化。