站内搜索「输入」共 132 条结果
Tarsier2-Recap-7B - 字节视频描述专精模型,7B超GPT-4o
推荐源码
Tarsier2-Recap-7B - 字节视频描述专精模型,7B超GPT-4o
字节跳动蒸馏版视频理解模型,DREAM-1K描述F1超越GPT-4o,8.3B参数低门槛部署
1个月前
Qwen3-ASR - 开源最强中文语音识别+时间戳对齐
推荐软件
Qwen3-ASR - 开源最强中文语音识别+时间戳对齐
阿里Qwen团队出品,中文WER开源最低,配套ForcedAligner毫秒级时间戳,视频配音翻译链路的基础设施
1个月前
LivePortrait:快手开源实时肖像动画神器(19k★)
推荐软件
LivePortrait:快手开源实时肖像动画神器(19k★)
一张照片实时驱动表情/姿态,4090 上毫秒级推理,配口型模型可组完整数字人,开源 MIT
27天前
短视频音视频联合分析:Qwen3.5-Omni 五条链路实测与选型
推荐模型
短视频音视频联合分析:Qwen3.5-Omni 五条链路实测与选型
要同时读画面+声音分析快手/抖音短视频,实测硅基流动 Qwen3-Omni、DashScope Qwen3.5-Omni flash/plus、本地抽帧+ASR 五条链路,给出选型建议和避坑点。
26天前
给 AI 配一双真浏览器手:腾讯 BrowserSkill 接入 DeepSeek Harness 指南
推荐教程
给 AI 配一双真浏览器手:腾讯 BrowserSkill 接入 DeepSeek Harness 指南
让 DSH 操控你真实登录的 Chrome/Edge:三层架构、三步安装、bsk doctor 验证、browser_* 用法与安全边界(实测)
23天前
GPT-6 Astra 做 3D 空间的四条路线:哪条最省 token,哪条效果最好
推荐软件
GPT-6 Astra 做 3D 空间的四条路线:哪条最省 token,哪条效果最好
9张照片拼出可交互3D工作室刷屏背后:四条路线token成本差10倍,选错又贵又绕,附实测数据和场外更优解
13天前
Jev:不生成文本的 System One 决策模型(TypeSafe AI)
推荐随笔
Jev:不生成文本的 System One 决策模型(TypeSafe AI)
RLHF共同发明人新公司首作:不做聊天只做结构化决策,概率校准可信到能写进代码阈值,便宜两个数量级
8天前
NVIDIA 上跑本地大模型:一张 3090 Ti 跑 27B 免审模型(附下载地址与实测对照)
推荐模型
NVIDIA 上跑本地大模型:一张 3090 Ti 跑 27B 免审模型(附下载地址与实测对照)
一张 3090 Ti 跑 27B 免审模型:改写/翻译类比原双卡快 2.2 倍,日常对话快 32%。代价是量化从 8 位降到 4 位,且质量尚未验证。
5天前
资源官方资源
OctoHz A2A Adapter
OctoHz 官方 A2A 1.0 适配器:一个程序接入本机 Codex / Claude Code / DeepSeek Harness,Windows / macOS / Linux 通用,含服务安装
4天前
Hermes Agent 安装与部署完整教程:从零到飞书接入
推荐程序员
Hermes Agent 安装与部署完整教程:从零到飞书接入
Nous Research 开源 AI Agent 框架,一行命令安装,6种执行后端,内置自学习循环。本文覆盖安装、配置、飞书接入全流程。
4个月前
八卦推演系统 — 传统命理学全栈计算平台
推荐api
八卦推演系统 — 传统命理学全栈计算平台
纯Python命理计算引擎:八字四柱+六爻+紫微斗数+奇门遁甲+玄空飞星+择日,含RAG古籍检索+多LLM流式解读
2个月前
文档OctoHz CLI
OctoHz CLI 使用教程
OctoHz CLI 使用教程 是 OctoHz 官方命令行工具,智能体和人类均可通过它在终端直接操作 octohz.com 的所有功能,无需阅读 API 文档、手写 curl。 npm:npmjs.com/package/octohz(最新版本以 npm 页面为准) --- 安装 需要 Node.js 18+。 --- 配置 Token 在 账号设置页 生成 apiToken。 Token 存储
5个月前