Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

🚀 OpenCodex 1.0.8 🪟 Windows 版已对齐 macOS 1.0.8。 🌐 本地网关：服务商、API Key、本机订阅和模型目录管理 🧠 智能模型：自动识别推理档位与上下文窗口，支持 Chat / Responses 🖥️ Computer Use：截图、鼠标、键盘、工具调用和连续交互 🤖 GPT-Live：实时语音、任务分派和执行模型切换 💬 会话中心：浏览、删除和导入多种 Agent 会话 #codex #opencodex #chatgpt

Ryanxlll2

1,124 subscribers

12,896 Aufrufe • vor 2 Monaten •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

OpenCodex v0.4.5 🚀 现在，无论使用官方 GPT、第三方模型还是订阅模型，无论处于原生模式、网关代理模式，还是切换不同会话，包括导入的本机会话、网关代理过的会话，以及中途切换模型后的历史记录。都能无缝继承完整上下文。在 Codex 中，不管你怎么使用，会话都不会丢，随时都能无缝衔接。✨ 目前已完成 macOS 版本适配，macOS 版本现已独立，与 Windows 版本分开维护。 #codex #chatgpt #opencodex

OpenCodex v0.4.5 🚀 现在，无论使用官方 GPT、第三方模型还是订阅模型，无论处于原生模式、网关代理模式，还是切换不同会话，包括导入的本机会话、网关代理过的会话，以及中途切换模型后的历史记录。都能无缝继承完整上下文。在 Codex 中，不管你怎么使用，会话都不会丢，随时都能无缝衔接。✨ 目前已完成 macOS 版本适配，macOS 版本现已独立，与 Windows 版本分开维护。 #codex #chatgpt #opencodex

Ryanxlll2

32,172 Aufrufe • vor 2 Monaten

🚀 OpenCodex v1.0.2 正式发布！我们把 Codex Desktop 的「原生能力、第三方模型、语音交互、会话管理」整合进了一套完整的本地工作流！ ⚡️ 【本地网关】原生 & 第三方无缝切换 • 原生 GPT 通道始终保留，第三方模型自由切换。127.0.0.1 纯本地监听 + macOS Keychain 凭据安全存储，支持一键还原原生 🎙️ 【全局语音 AI】刘海 HUD 交互体验 • 刘海 HUD 动态波形（Listening / Thinking / Speaking） • 支持短按连续对话 / 长按 Push-to-Talk 模式，所有模型统一支持 🧠 【会话管理】历史上下文无缝承接 • 一键扫描并导入本地历史 Agent 会话 • 智能生成摘要，过滤冗余日志，可直接在 Codex Desktop 中无缝接续工作 #codex #chatgpt #opencodex

🚀 OpenCodex v1.0.2 正式发布！我们把 Codex Desktop 的「原生能力、第三方模型、语音交互、会话管理」整合进了一套完整的本地工作流！ ⚡️ 【本地网关】原生 & 第三方无缝切换 • 原生 GPT 通道始终保留，第三方模型自由切换。127.0.0.1 纯本地监听 + macOS Keychain 凭据安全存储，支持一键还原原生 🎙️ 【全局语音 AI】刘海 HUD 交互体验 • 刘海 HUD 动态波形（Listening / Thinking / Speaking） • 支持短按连续对话 / 长按 Push-to-Talk 模式，所有模型统一支持 🧠 【会话管理】历史上下文无缝承接 • 一键扫描并导入本地历史 Agent 会话 • 智能生成摘要，过滤冗余日志，可直接在 Codex Desktop 中无缝接续工作 #codex #chatgpt #opencodex

Ryanxlll2

37,519 Aufrufe • vor 2 Monaten

🚀 OpenCodex 1.2.0 框架彻底重构完成！这一次，我们重构了底层模型路由，并加入了「Provider Split Bridge 智能分流桥」，区别于市面上几乎所有的第三方网关代理方式⚡ 过去的 OpenCodex 和其他第三方网关一样，采用全局代理模式：所有模型都经过网关。一旦网关崩溃，原生 GPT 和第三方模型会一起失效，只能还原原生模式才能恢复使用。现在，模型路由彻底分离： 🟢 原生 GPT 永远直连 OpenAI 无论网关开启、关闭、崩溃，还是第三方模型异常，都不会影响 GPT。除非 OpenAI 官方服务本身发生故障，否则 GPT 始终正常运行。 🔵 第三方模型按需接入网关网关开启时，第三方模型正常运行；网关关闭或崩溃时，第三方模型停止服务，但不会牵连原生 GPT。 🌉 Provider Split Bridge 智能分流桥网关启动时自动接入，自动识别官方模型与第三方模型，并将它们分别送往正确的服务通道。 🤖 Native Subagent Bridge 子智能体接力桥当主会话通过 spawn_agent 派发任务时，子智能体请求会通过独立桥接通道进入网关，再由网关按照任务指定的模型和推理档位进行智能分流。主会话仍然保持原生直连，不会变成全局代理，也不会影响 GPT 的正常会话。 🔄 会话完全互通会话列表、聊天记录和上下文完整继承。同一会话中可以自由切换 GPT、Gemini、DeepSeek 等模型，互不影响，也不会丢失上下文。 OpenCodex，从「全局代理」进化为「官方直连 + 第三方隔离」的双通道智能架构。官方模型永远稳定，第三方模型按需接入。🛡️✨

🚀 OpenCodex 1.2.0 框架彻底重构完成！这一次，我们重构了底层模型路由，并加入了「Provider Split Bridge 智能分流桥」，区别于市面上几乎所有的第三方网关代理方式⚡ 过去的 OpenCodex 和其他第三方网关一样，采用全局代理模式：所有模型都经过网关。一旦网关崩溃，原生 GPT 和第三方模型会一起失效，只能还原原生模式才能恢复使用。现在，模型路由彻底分离： 🟢 原生 GPT 永远直连 OpenAI 无论网关开启、关闭、崩溃，还是第三方模型异常，都不会影响 GPT。除非 OpenAI 官方服务本身发生故障，否则 GPT 始终正常运行。 🔵 第三方模型按需接入网关网关开启时，第三方模型正常运行；网关关闭或崩溃时，第三方模型停止服务，但不会牵连原生 GPT。 🌉 Provider Split Bridge 智能分流桥网关启动时自动接入，自动识别官方模型与第三方模型，并将它们分别送往正确的服务通道。 🤖 Native Subagent Bridge 子智能体接力桥当主会话通过 spawn_agent 派发任务时，子智能体请求会通过独立桥接通道进入网关，再由网关按照任务指定的模型和推理档位进行智能分流。主会话仍然保持原生直连，不会变成全局代理，也不会影响 GPT 的正常会话。 🔄 会话完全互通会话列表、聊天记录和上下文完整继承。同一会话中可以自由切换 GPT、Gemini、DeepSeek 等模型，互不影响，也不会丢失上下文。 OpenCodex，从「全局代理」进化为「官方直连 + 第三方隔离」的双通道智能架构。官方模型永远稳定，第三方模型按需接入。🛡️✨

Ryanxlll2

57,504 Aufrufe • vor 2 Monaten

OpenCodex v1.0.8 本次为一次小幅优化与修复更新 🛠️ 模型推理强度自动识别：根据厂商实际返回的能力，动态显示模型支持的推理档位。上下文长度自动读取：优先使用厂商接口或模型注册表返回的上下文窗口；若未能获取，则默认按 200K 处理。第三方模型 Computer Use 回归：恢复桌面操作能力，继续使用完整的智能体工作流 🖥️ 📦 macOS 版本现已发布，Windows 版本仍在持续更新中

OpenCodex v1.0.8 本次为一次小幅优化与修复更新 🛠️ 模型推理强度自动识别：根据厂商实际返回的能力，动态显示模型支持的推理档位。上下文长度自动读取：优先使用厂商接口或模型注册表返回的上下文窗口；若未能获取，则默认按 200K 处理。第三方模型 Computer Use 回归：恢复桌面操作能力，继续使用完整的智能体工作流 🖥️ 📦 macOS 版本现已发布，Windows 版本仍在持续更新中

Ryanxlll2

24,093 Aufrufe • vor 2 Monaten

GPT-Realtime-2 语音模型发布语音首次接入 GPT-5 推理能力 OpenAI一口气发布了三个实时语音模型： GPT-Realtime-2 GPT-Realtime-Translate GPT-Realtime-Whisper 其中GPT-Realtime-2 是其中的主角，这是 OpenAI 第一次把“GPT-5 级推理”塞进语音模型，同时把上下文从 32K 扩到 128K... GPT-Realtime-2：首个具备 GPT-5 级推理能力的语音模型，能在对话中推理复杂请求、并行调工具、处理打断和纠错，上下文窗口从 32K 升到 128K GPT-Realtime-Translate：实时语音翻译模型，支持 70+ 种输入语言、13 种输出语言，跟着说话人的节奏边听边译，能处理口音和专业词 GPT-Realtime-Whisper：流式语音转文字模型，边说边出字，专门给实时字幕、会议纪要、客服转写这类不能等的

GPT-Realtime-2 语音模型发布语音首次接入 GPT-5 推理能力 OpenAI一口气发布了三个实时语音模型： GPT-Realtime-2 GPT-Realtime-Translate GPT-Realtime-Whisper 其中GPT-Realtime-2 是其中的主角，这是 OpenAI 第一次把“GPT-5 级推理”塞进语音模型，同时把上下文从 32K 扩到 128K... GPT-Realtime-2：首个具备 GPT-5 级推理能力的语音模型，能在对话中推理复杂请求、并行调工具、处理打断和纠错，上下文窗口从 32K 升到 128K GPT-Realtime-Translate：实时语音翻译模型，支持 70+ 种输入语言、13 种输出语言，跟着说话人的节奏边听边译，能处理口音和专业词 GPT-Realtime-Whisper：流式语音转文字模型，边说边出字，专门给实时字幕、会议纪要、客服转写这类不能等的

小互

31,189 Aufrufe • vor 5 Monaten

阶跃星辰开源了一个130B 语音-文本的多模态模型：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。该模型通过多模态训练，使得语音理解与生成可以无缝对接。主要能力：语音克隆支持多种语言对话（中文英日）情绪控制与语调控制支持方言可控制语速及韵律风格支持RAP和哼唱等集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

阶跃星辰开源了一个130B 语音-文本的多模态模型：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。该模型通过多模态训练，使得语音理解与生成可以无缝对接。主要能力：语音克隆支持多种语言对话（中文英日）情绪控制与语调控制支持方言可控制语速及韵律风格支持RAP和哼唱等集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

小互

35,901 Aufrufe • vor 1 Jahr

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。这样就可以让用户和 AI 在任意模态下实时进行交互：你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。这样就可以让用户和 AI 在任意模态下实时进行交互：你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

47,074 Aufrufe • vor 4 Monaten

兄弟们炸裂了这个语音专文本TTS模型应该是目前对中文支持最好的了 ChatTTS：专门为对话场景设计的文本到语音TTS模型该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。专为对话任务优化，能够支持多种说话人语音，中英文混合等。模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。 GitHub：详细介绍：

兄弟们炸裂了这个语音专文本TTS模型应该是目前对中文支持最好的了 ChatTTS：专门为对话场景设计的文本到语音TTS模型该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。专为对话任务优化，能够支持多种说话人语音，中英文混合等。模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。 GitHub：详细介绍：

小互

296,733 Aufrufe • vor 2 Jahren

Codex 接入第三方模型的最新方法教程 Codex 怎么接入 DeepSeek 等第三方模型，同时又保留 GPT 官方模型自由切换？这期视频分享两种 Codex 第三方模型配置方案：第一种是 Codexsplit，通过桌面端 GUI 就能完成配置，对不喜欢折腾终端命令的用户更加友好；可以通过 API Key 接入 DeepSeek 等模型，也支持导入已有订阅。第二种是功能更丰富的 opencodex，不仅支持 Codex，还支持 Claude Code、Claude Desktop、Grok Build 等多个 Agent，并且提供 GUI 配置界面和终端命令两种使用方式。视频中会以 DeepSeek 为例，从 API Key 创建、模型添加、连接测试，到 Codex 中实际启用完整演示。另外，opencodex 还支持多账号池，可以添加多个 ChatGPT 订阅账号，在用量耗尽后进行账号切换。如果你正在使用 Codex，又想尝试更多第三方大模型，这期教程可以参考一下。 #Codex #OpenAI #DeepSeek #人工智能

Codex 接入第三方模型的最新方法教程 Codex 怎么接入 DeepSeek 等第三方模型，同时又保留 GPT 官方模型自由切换？这期视频分享两种 Codex 第三方模型配置方案：第一种是 Codexsplit，通过桌面端 GUI 就能完成配置，对不喜欢折腾终端命令的用户更加友好；可以通过 API Key 接入 DeepSeek 等模型，也支持导入已有订阅。第二种是功能更丰富的 opencodex，不仅支持 Codex，还支持 Claude Code、Claude Desktop、Grok Build 等多个 Agent，并且提供 GUI 配置界面和终端命令两种使用方式。视频中会以 DeepSeek 为例，从 API Key 创建、模型添加、连接测试，到 Codex 中实际启用完整演示。另外，opencodex 还支持多账号池，可以添加多个 ChatGPT 订阅账号，在用量耗尽后进行账号切换。如果你正在使用 Codex，又想尝试更多第三方大模型，这期教程可以参考一下。 #Codex #OpenAI #DeepSeek #人工智能

GoFly

11,726 Aufrufe • vor 1 Monat

Hermes Web UI 更新到 v0.5.28 了今天连更两版 🎉新增 xAI Grok OAuth 登录，支持 SuperGrok 订阅用户授权，并更新 Grok 模型预设 v0.5.282026-05-17 新增 Bridge 会话级模型设置，每个会话可以独立保存 provider 和 model 在 Bridge 会话列表中右键会话，选择“设置模型”即可为当前会话切换模型运行时会自动校验会话模型是否可用；不可用时回退到当前默认模型并更新会话上下文压缩默认跟随当前 Profile 的默认选中模型 v0.5.262026-05-17 聊天历史和 Markdown 渲染支持 Windows 与本地媒体路径过滤空 Assistant 历史消息，并在新运行开始时清理旧的压缩状态配置与 Profile 写入新增文件锁，降低并发写入导致配置损坏的风险新增 QQBot 与钉钉频道设置 CLI 端口检测改为跨平台实现，并优化移动端终端抽屉尺寸隔离 Bridge Profile 环境，并修复不同 Python 环境下的 Hermes 插件发现 Gateway 停止状态新增 Web UI 诊断说明，并保持日志加载状态稳定修复会话重置模式选项、自定义 Provider Base URL 处理和动态投递目标聊天输入栏新增本地保存的工具调用记录显示开关支持未找到源码目录时使用包安装的 Hermes Agent 新增 xAI Grok OAuth 登录，支持 SuperGrok 订阅用户授权，并更新 Grok 模型预设扩展浏览器、聊天流式、Provider、Gateway、配置、插件和 Bridge 测试覆盖

libapi

27,234 Aufrufe • vor 4 Monaten

Hermes web ui v0.5.30更新 2026-05-19 Hermes Web UI 已升级推送 Grok 4.3 视频模型本地接口，点开skill 然后点击本地安装 grok-image-to-video Bridge 聊天改为保留结构化历史，修复工具调用历史转文本后导致模型偶发不返回、工具不执行的问题群聊＠多 Agent 路由更可靠，发送给每个 Agent 时会移除自己的＠，并改善刷新后的用户昵称绑定模型页、聊天模型下拉和会话模型选择改为按当前 Profile 展示，默认模型标记更准确精简 Gateway 管理：移除独立网关页面，按各 Profile 的平台配置检查并拉起需要运行的 gateway，并改用轻量 gateway runner 管理启动和重启增强 Docker、Termux 和 Windows 的 Gateway 启动流程，处理运行锁、端口冲突、后台执行和重启场景优化 Windows 兼容性：路径识别、文件下载、任务/更新子进程不再弹出额外终端窗口修复配置写入和 Provider 预设：加强 .env 校验，FUN-Codex 改走 Responses API，并更新模型列表前端体验细节优化：折叠侧边栏布局、分组短标题、侧边栏分隔线和对话大纲样式更稳定上下文压缩现在跟随 Profile 压缩配置，并在旧快照失效时复用旧摘要和安全尾部，避免重新压缩完整历史

libapi

15,160 Aufrufe • vor 4 Monaten

📢 今天我们开源一个新项目： Rish App，你的随身 Agent 手机本地执行，模型自由接入无需电脑常驻 remote control 内置 DSH、Claude Code、Codex、ZCode 手机里有自己的工作区让 Agent 读写文件、调用工具、查看执行过程视频演示为使用DSH过程：读取文件 → 启动本地服务 → 打开服务页面 → 点击交互这些操作就在手机上完成模型请求发往你选择的服务文件和会话留在手机或 iPad 源码已公开 ⬇️ #agent #harness #deepseek #claude #gpt

📢 今天我们开源一个新项目： Rish App，你的随身 Agent 手机本地执行，模型自由接入无需电脑常驻 remote control 内置 DSH、Claude Code、Codex、ZCode 手机里有自己的工作区让 Agent 读写文件、调用工具、查看执行过程视频演示为使用DSH过程：读取文件 → 启动本地服务 → 打开服务页面 → 点击交互这些操作就在手机上完成模型请求发往你选择的服务文件和会话留在手机或 iPad 源码已公开 ⬇️ #agent #harness #deepseek #claude #gpt

Fini.Yang

35,309 Aufrufe • vor 24 Tagen

电脑里存放着大量文档、图片和 PDF，有时候想找某个资料都想不起来存放在哪个文件夹，很是苦恼。不妨试试，利用 Second Brain 这个开源工具，把我们的本地文件变成一个可搜索的 RAG 知识库。通过自然语言或关键词来搜索内容，支持文本和图片的多模态搜索，还能结果本地 AI 模型进行智能问答。 GitHub：主要特性： - 语义搜索和关键词搜索结合，精准找到相关内容； - 支持文本和图片的多模态搜索与嵌入； - 支持的文件类型，包括 txt、pdf、docx、png、gif 等多种格式； - 可选 AI 模式，支持本地模型和 OpenAI 云端模型； - 检索增强生成（RAG）让 AI 基于知识库给出高质量回答； - 完全本地运行保护隐私，支持同步 Google Drive。支持使用 LM Studio 与本地部署的大模型结合使用，可处理超过 10 万个文件，所有数据均在本地处理。

电脑里存放着大量文档、图片和 PDF，有时候想找某个资料都想不起来存放在哪个文件夹，很是苦恼。不妨试试，利用 Second Brain 这个开源工具，把我们的本地文件变成一个可搜索的 RAG 知识库。通过自然语言或关键词来搜索内容，支持文本和图片的多模态搜索，还能结果本地 AI 模型进行智能问答。 GitHub：主要特性： - 语义搜索和关键词搜索结合，精准找到相关内容； - 支持文本和图片的多模态搜索与嵌入； - 支持的文件类型，包括 txt、pdf、docx、png、gif 等多种格式； - 可选 AI 模式，支持本地模型和 OpenAI 云端模型； - 检索增强生成（RAG）让 AI 基于知识库给出高质量回答； - 完全本地运行保护隐私，支持同步 Google Drive。支持使用 LM Studio 与本地部署的大模型结合使用，可处理超过 10 万个文件，所有数据均在本地处理。

GitHubDaily

30,761 Aufrufe • vor 11 Monaten

刚刚，Meta开源了一个30B本地端侧Agent模型：Muse Glimmer，能看屏幕、调工具、失败了会自己重试从Muse Spark专门针对Agent能力蒸馏出来的，在单张消费级GPU（Mac/ PC）上能跑，无需联网与同尺寸级的Gemma4-31B、Qwen3.6-27B对比，在智能体、编程、多模态、安全和推理等多个基准上表现强劲多模态输入（文本+图像），能理解屏幕截图、图表、文档，支持OpenClaw等、100+语言支持本地代理、函数调用、本地编程、LLM评判等场景搭载DFlash推测解码，在RTX 5090上速度快了3.1倍 #MuseGlimmer #meta最新开源模型

刚刚，Meta开源了一个30B本地端侧Agent模型：Muse Glimmer，能看屏幕、调工具、失败了会自己重试从Muse Spark专门针对Agent能力蒸馏出来的，在单张消费级GPU（Mac/ PC）上能跑，无需联网与同尺寸级的Gemma4-31B、Qwen3.6-27B对比，在智能体、编程、多模态、安全和推理等多个基准上表现强劲多模态输入（文本+图像），能理解屏幕截图、图表、文档，支持OpenClaw等、100+语言支持本地代理、函数调用、本地编程、LLM评判等场景搭载DFlash推测解码，在RTX 5090上速度快了3.1倍 #MuseGlimmer #meta最新开源模型

AIGCLINK

22,181 Aufrufe • vor 1 Monat

omarchy自带语音输入法，按下F9就能使用。但是中文支持很差（毕竟原作者也不使用中文）。做了一个linux原生的语音输入法，安装后选择一款模型，插件会自动下载，按住F9键直接说话，对于中文和英文包括像linux windows这种词也能识别，并自动粘贴。纯本地CPU推理，不消耗token。

omarchy自带语音输入法，按下F9就能使用。但是中文支持很差（毕竟原作者也不使用中文）。做了一个linux原生的语音输入法，安装后选择一款模型，插件会自动下载，按住F9键直接说话，对于中文和英文包括像linux windows这种词也能识别，并自动粘贴。纯本地CPU推理，不消耗token。

徹言

19,514 Aufrufe • vor 1 Monat

上交大LANCE实验室和字节跳动的新型交互式语音模型LSLM，实现了模型可以边听边说！效果非常好，接近人类自然的对话方式 LSLM解决了现有语音模型在实时交互、抗噪性和对未知说话者识别上的局限性，使其更接近人类的自然对话方式 LSLM 采用端到端设计，包含听觉和发声两个通道，使用解码器-only TTS 进行语音生成，并使用流式自监督学习（SSL）编码器来实时处理音频输入特点： 1、全双工建模（FDM）：LSLM可以同时听和说，实现对话过程中的打断和交替 2、抗噪性：LSLM 能够在嘈杂的环境中保持稳定，适应各种现实场景 3、对未知说话者的敏感性：LSLM可以识别和响应新的声音和指令，适应不同的用户项目：论文： #LLM #LSLM #AI模型

上交大LANCE实验室和字节跳动的新型交互式语音模型LSLM，实现了模型可以边听边说！效果非常好，接近人类自然的对话方式 LSLM解决了现有语音模型在实时交互、抗噪性和对未知说话者识别上的局限性，使其更接近人类的自然对话方式 LSLM 采用端到端设计，包含听觉和发声两个通道，使用解码器-only TTS 进行语音生成，并使用流式自监督学习（SSL）编码器来实时处理音频输入特点： 1、全双工建模（FDM）：LSLM可以同时听和说，实现对话过程中的打断和交替 2、抗噪性：LSLM 能够在嘈杂的环境中保持稳定，适应各种现实场景 3、对未知说话者的敏感性：LSLM可以识别和响应新的声音和指令，适应不同的用户项目：论文： #LLM #LSLM #AI模型

AIGCLINK

23,477 Aufrufe • vor 2 Jahren