
Amto
@XAMTO_AI • 23,024 subscribers
AI工具、币圈实事、资金流温度及风险提醒
Shorts
Videos

有朋友私信问我:“我想把一段两小时的会议录音转成带时间戳的文字稿,顺便区分几个人说话,用哪个开源工具最快?” 我试了一圈,最后停在微软的VibeVoice-ASR上。 它最狠的一点是:一次推理吃掉60分钟音频,不切片、不拼接,全程上下文连贯。 我当时用了一段播客测试,三个人交叉聊天,模型输出的JSON里,每一句都带“speaker_id”和“start_time”,直接就能拿去生成字幕或会议纪要。 而且它支持自定义热词。我把“Transformer”“Diffusion”“BitNet”这些词提前喂进去,识别基本没翻车。 更让我意外的是,它还有一个0.5B的实时语音合成模型,流式输入文本、低延迟输出语音,适合做实时语音助手。 如果你只有CPU、没有GPU,可以试试他们最新的BitNet版本,4.62GB压缩到1.58GB,3个CPU线程就能跑出实时效果。 不过有个坑要提醒你:项目里TTS部分因为被滥用,微软已经主动下架了,现在只有ASR和实时TTS可用。使用前最好读一下安全说明,别踩红线。
Amto18,333 次观看 • 4 天前

这项目给Claude Code塞了28个心智模型和批判性思维技能,第一性原理、贝叶斯推理、系统思考、OODA循环、Pre-Mortem、约束理论、五个为什么、红队思维……全是正经框架。 用法很简单,装好后在Claude Code里直接按名字调用就行。比如你拿不准一个架构决策,丢一句“用第一性原理分析一下”;或者想预判项目风险,直接“做个Pre-Mortem”。Agent会用结构化方式帮你做决策、调试和策略分析,而不是凭感觉胡扯。 我看了下它的评估报告,作者跑了一套严格的测试,结论是“目前没有任何一个技能被证明能稳定提升准确率”,但这反而让我觉得靠谱。至少人家没吹牛,把这些当思考脚手架用,比让Agent裸奔强多了。
Amto11,607 次观看 • 5 天前

本地跑大模型,除了Ollama还有别的选择吗?最近冒出来的Shimmy,就是盯着Ollama的短板做的。 单文件5MB,启动100毫秒不到,内存50MB出头,全用Rust写的,资源控制得相当克制。 接口是完整的OpenAI格式,现有工具换个baseURL就能接上,几乎不用改代码。 开箱即用这一点做得挺到位,不用写配置文件,端口自动分配,Hugging Face、Ollama、本地目录的模型都能自动扫出来。目前GitHub上已经5.6k星了。 我试了一下,从下载到跑通不到两分钟。如果你被Ollama的体积和启动速度困扰过,这个值得花几分钟试试。 🔗 :
Amto10,600 次观看 • 14 天前
没有更多内容可加载