Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。而且还开源了 tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现

阿西_出海

25,407 subscribers

55,207 görüntüleme • 1 ay önce •via X (Twitter)

Bilim & Teknoloji Haberler & Politika Eğitim

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

发现一个上海交大团队出品的大模型实战开源课程，在 GitHub 已经斩获4.6w+ star 内容从零开始设计，不堆理论，每个章节都能直接上手跑代码内容包含API调用、模型微调、多模态开发一路递进，还专门开了越狱攻防、多模态模型等进阶模块，配套在线实验环境，学完即可实战适合想系统补齐大模型知识的人

发现一个上海交大团队出品的大模型实战开源课程，在 GitHub 已经斩获4.6w+ star 内容从零开始设计，不堆理论，每个章节都能直接上手跑代码内容包含API调用、模型微调、多模态开发一路递进，还专门开了越狱攻防、多模态模型等进阶模块，配套在线实验环境，学完即可实战适合想系统补齐大模型知识的人

阿西_出海

39,727 görüntüleme • 25 gün önce

「熊猫吃短信2 - 垃圾短信过滤」新版更新啦。最近又迷恋上了训练小模型，把以前的模型训练过程几乎重新调整了一遍。我让大模型自己尝试超参组合，不断的做实验，代替搜索算法，它夜以继日的跑了半个月，最后告诉我，我的经验参数就是最优的。

「熊猫吃短信2 - 垃圾短信过滤」新版更新啦。最近又迷恋上了训练小模型，把以前的模型训练过程几乎重新调整了一遍。我让大模型自己尝试超参组合，不断的做实验，代替搜索算法，它夜以继日的跑了半个月，最后告诉我，我的经验参数就是最优的。

Baye

51,217 görüntüleme • 3 ay önce

感觉现在开源的速度已经疯了。。。 Kimi.ai 家的K3开源才两天，已经被Unsloth AI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T，他们用动态1-bit量化，直接压到594G，缩了62%，还保留了78.9%的精度， 128G内存的Mac Studio就能跑，虽然速度不快，但它真的能跑。谁能想到半个月前，这个级别的模型还只有大厂有算力碰，现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。不得不说这就是开源最恐怖的地方啊，模型放出来第一天，全世界最聪明的工程师都在帮你压体积、提速度、做适配，闭源模型，永远享受不到这个待遇。

感觉现在开源的速度已经疯了。。。 Kimi.ai 家的K3开源才两天，已经被Unsloth AI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T，他们用动态1-bit量化，直接压到594G，缩了62%，还保留了78.9%的精度， 128G内存的Mac Studio就能跑，虽然速度不快，但它真的能跑。谁能想到半个月前，这个级别的模型还只有大厂有算力碰，现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。不得不说这就是开源最恐怖的地方啊，模型放出来第一天，全世界最聪明的工程师都在帮你压体积、提速度、做适配，闭源模型，永远享受不到这个待遇。

AYi

288,795 görüntüleme • 24 gün önce

😱 4GB 显存跑 70B 大模型？真的不是在开玩笑！刚刷到这个开源神器 AirLLM，直接颠覆了我的认知： ✅ 单卡 4GB 就能跑 Llama3 70B ✅ 8GB 可以上 405B ✅ 甚至 2.8T 的超大模型也能硬刚（最新已支持） ✅ 全程无需量化、蒸馏、剪枝，原汁原味精度原理超聪明：把模型按层拆开，推理时一次只加载一层到显存，用完就扔。显存占用直接降到只跟「单层大小」有关！ MoE 模型还能只加载当前用到的专家，更省。现在低配显卡党也能本地玩超大模型了，真的香到爆！ GitHub 直达：赶紧去 star，低配自由来了！🚀 #AI #大模型 #开源 #AirLLM #LLM

😱 4GB 显存跑 70B 大模型？真的不是在开玩笑！刚刷到这个开源神器 AirLLM，直接颠覆了我的认知： ✅ 单卡 4GB 就能跑 Llama3 70B ✅ 8GB 可以上 405B ✅ 甚至 2.8T 的超大模型也能硬刚（最新已支持） ✅ 全程无需量化、蒸馏、剪枝，原汁原味精度原理超聪明：把模型按层拆开，推理时一次只加载一层到显存，用完就扔。显存占用直接降到只跟「单层大小」有关！ MoE 模型还能只加载当前用到的专家，更省。现在低配显卡党也能本地玩超大模型了，真的香到爆！ GitHub 直达：赶紧去 star，低配自由来了！🚀 #AI #大模型 #开源 #AirLLM #LLM

DeFi狙击手 | Ai🕊️｜Gate美股0费率

34,702 görüntüleme • 19 gün önce

HeyGen实现流程中的语音克隆，现在有最佳开源方案了：XTTS v2，单样本即可克隆语音，效果见视频。现在已经能实现：让一个明星的采访视频，变成他讲述任意小故事（内容可以GPT编）的视频，声音是他的声音，嘴型也能对上。 XTTS v2在线体验： Github：

HeyGen实现流程中的语音克隆，现在有最佳开源方案了：XTTS v2，单样本即可克隆语音，效果见视频。现在已经能实现：让一个明星的采访视频，变成他讲述任意小故事（内容可以GPT编）的视频，声音是他的声音，嘴型也能对上。 XTTS v2在线体验： Github：

Gorden Sun

170,965 görüntüleme • 2 yıl önce

✨科学界迎来新变化：阿里开源首个统一科学语言大模型阿里通义实验室（ATH-Token Foundry）联合中国人民大学高瓴人工智能学院，刚刚开源了 LOGOS — 一个尝试用同一套科学语法处理多领域科学对象的生成基础模型。核心亮点： - 预训练数据约 44.87B tokens，覆盖7类科学模态。 - 提供 1B、3B、8B 等规模模型，其中1B参数版本在多个任务上展现出较好的参数效率。 - 无需显式3D几何网络，直接通过序列建模实现生成。 - 完全开源：模型权重 + 推理代码 + 技术报告。核心价值： - 用同一套模型 + 同一套科学语法，统一处理原本需要多个领域专用模型的任务（蛋白质、分子、材料、反应等）。 - 参数效率高（1B版本就能在多个任务上表现出色），降低科研门槛，让AI辅助从预测转向生成设计。它把蛋白质、抗体、小分子、化学反应、材料以及界面互作等异构对象，全部统一编码成离散Token序列，用纯自回归方式进行跨领域生成。这为AI for Science提供了一个新的统一框架思路，值得相关领域的研究者和开发者关注和测试。

✨科学界迎来新变化：阿里开源首个统一科学语言大模型阿里通义实验室（ATH-Token Foundry）联合中国人民大学高瓴人工智能学院，刚刚开源了 LOGOS — 一个尝试用同一套科学语法处理多领域科学对象的生成基础模型。核心亮点： - 预训练数据约 44.87B tokens，覆盖7类科学模态。 - 提供 1B、3B、8B 等规模模型，其中1B参数版本在多个任务上展现出较好的参数效率。 - 无需显式3D几何网络，直接通过序列建模实现生成。 - 完全开源：模型权重 + 推理代码 + 技术报告。核心价值： - 用同一套模型 + 同一套科学语法，统一处理原本需要多个领域专用模型的任务（蛋白质、分子、材料、反应等）。 - 参数效率高（1B版本就能在多个任务上表现出色），降低科研门槛，让AI辅助从预测转向生成设计。它把蛋白质、抗体、小分子、化学反应、材料以及界面互作等异构对象，全部统一编码成离散Token序列，用纯自回归方式进行跨领域生成。这为AI for Science提供了一个新的统一框架思路，值得相关领域的研究者和开发者关注和测试。

HankAI

14,232 görüntüleme • 2 ay önce

绝了，刚刚阿里在除夕夜发布了新模型 Qwen-3.5-plus ，赶紧试了一下，一句话就生成了这样一个 3D 展车厅 🤯 据说这次 Qwen-3.5-plus 实现了从纯文本模型到原生多模态模型的代际跃迁，每百万 Token 仅 0.8 元人民币，是 Gemini 3 Pro 的 1/18！并且支持 201 种语言，可最高提升小语种 60% 的编码效率，在推理、编程、Agent 等核心评测中表现强劲，部署成本较上一代显著下降，推理效率大幅提升。作为一个 Apache 2.0 全开源并且能下载到本地的模型，性价比真的太高了。 - 普通用户可在千问 App/PC 体验： - 开发者可在魔搭： - 或 HuggingFace 下载部署： - 阿里云百炼直接获取 API 服务：

绝了，刚刚阿里在除夕夜发布了新模型 Qwen-3.5-plus ，赶紧试了一下，一句话就生成了这样一个 3D 展车厅 🤯 据说这次 Qwen-3.5-plus 实现了从纯文本模型到原生多模态模型的代际跃迁，每百万 Token 仅 0.8 元人民币，是 Gemini 3 Pro 的 1/18！并且支持 201 种语言，可最高提升小语种 60% 的编码效率，在推理、编程、Agent 等核心评测中表现强劲，部署成本较上一代显著下降，推理效率大幅提升。作为一个 Apache 2.0 全开源并且能下载到本地的模型，性价比真的太高了。 - 普通用户可在千问 App/PC 体验： - 开发者可在魔搭： - 或 HuggingFace 下载部署： - 阿里云百炼直接获取 API 服务：

Ding

150,786 görüntüleme • 6 ay önce

Datawhale 开源神作 Happy-LLM 教你从零亲手造一个大模型 GitHub 已获 29k+ Stars，持续霸榜 Trending ⭐ 核心亮点 1. 体系完整，不碎片 NLP → Transformer → 预训练 → LLM 一条线讲通，不是拼凑知识点 2. 边学边做，跑完整流程按 LLaMA 2 思路，从 Tokenizer 到预训练到微调（LoRA / QLoLA）不是背概念，是自己真的动手做一遍 3. 工程导向，不止讲模型 RAG / Agent / 模型评测全覆盖更贴近真实项目落地学完你能做到什么？ - 看懂 Transformer - 训练一个小模型 - 会调参、排问题 - 做出一个 AI 小应用适合谁？想入门 LLM 的开发者不满足于只会调用 API 的人想做 AI 应用 / Agent 的人

Datawhale 开源神作 Happy-LLM 教你从零亲手造一个大模型 GitHub 已获 29k+ Stars，持续霸榜 Trending ⭐ 核心亮点 1. 体系完整，不碎片 NLP → Transformer → 预训练 → LLM 一条线讲通，不是拼凑知识点 2. 边学边做，跑完整流程按 LLaMA 2 思路，从 Tokenizer 到预训练到微调（LoRA / QLoLA）不是背概念，是自己真的动手做一遍 3. 工程导向，不止讲模型 RAG / Agent / 模型评测全覆盖更贴近真实项目落地学完你能做到什么？ - 看懂 Transformer - 训练一个小模型 - 会调参、排问题 - 做出一个 AI 小应用适合谁？想入门 LLM 的开发者不满足于只会调用 API 的人想做 AI 应用 / Agent 的人

开发者Hailey

28,490 görüntüleme • 3 ay önce

有个事我憋很久了，今天必须说一下。市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者 Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。个人分享，非投资建议。

有个事我憋很久了，今天必须说一下。市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者 Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。个人分享，非投资建议。

DeFi狙击手 | Ai🕊️

17,513 görüntüleme • 1 ay önce

来自北京的月之暗面公司在7月16日发布了全新旗舰大模型 Kimi k3，是全球首个开源 3 万亿级大模型。100 万上下文长度，可一次性载入百万字文档、完整代码库、整本财报、长篇专业文献，专为长时程代理式编码和自我演化工作流而构建。原生多模态统一支持文本、图片、截图、图纸视觉理解，非外挂视觉插件。综合能力上仅次于闭源顶级模型 GPT-5.6 Sol、Claude Fable 5，在代码、长文档检索、复杂工程任务上反超绝大多数竞品开源 / 闭源模型。完整模型权重将于2026 年 7 月 27 日公开释放，企业可本地私有化部署、二次微调，是当前可商用规模最大开源基座。

来自北京的月之暗面公司在7月16日发布了全新旗舰大模型 Kimi k3，是全球首个开源 3 万亿级大模型。100 万上下文长度，可一次性载入百万字文档、完整代码库、整本财报、长篇专业文献，专为长时程代理式编码和自我演化工作流而构建。原生多模态统一支持文本、图片、截图、图纸视觉理解，非外挂视觉插件。综合能力上仅次于闭源顶级模型 GPT-5.6 Sol、Claude Fable 5，在代码、长文档检索、复杂工程任务上反超绝大多数竞品开源 / 闭源模型。完整模型权重将于2026 年 7 月 27 日公开释放，企业可本地私有化部署、二次微调，是当前可商用规模最大开源基座。

Chong Wei 韦冲

66,089 görüntüleme • 1 ay önce

我去，美团把数字人视频生成模型开源了。外面数字人 Agent 一天卖 50 万，美团直接做了个 LongCat-Video-Avatar 塞进同一个仓库里开源了。给一张人脸图加一段音频，数字人张嘴念稿，嘴唇、眼神、表情全自动对上。它不是那种玩具开源，是实打实对标 Sora、Veo3、Kling 那种商业模型。 13.6B 参数，文生视频、图生视频、视频续写，一个模型全干完，720p 30 帧，长视频一口气跑几分钟不崩画质。而且你敢信？推理还比同级快了 10 倍。坦率的讲，我看到技术报告的时候是有点懵的。因为 benchmark 上它一个 Dense 架构的 13.6B 模型，追着人家 28B 的 MoE 打。更让我愣住的是数字人那块。你想想看，这事以前怎么搞。要么自己录真人，要么掏钱买方案，几百块一条起步。现在一个开源模型，丢段文案给 TTS 一念，画面它自己出。而且 1.5 版做了蒸馏，推理从几十步压到 8 步，快了 15 倍。还加了 INT8 量化省显存。说实话，这种东西别只收藏。想试的，先跑一下我下面的文章教程，参考就能部署。 GitHub 搜 meituan-longcat / LongCat-Video，权重在 HuggingFace 上直接下。

产品经理老王霸

171,918 görüntüleme • 2 ay önce

发现一个超牛逼的开源项目，让你的AI直接掌握各大网站的设计风格，例如 Apple、Claude、Stripe等等，才开源三天就拿到了17K star。我用MiniMax (official) 的 M2.7 模型，要求参考 Spotify 的设计语言来生成一个落地页，好家伙，还真像模像样的。项目地址：

发现一个超牛逼的开源项目，让你的AI直接掌握各大网站的设计风格，例如 Apple、Claude、Stripe等等，才开源三天就拿到了17K star。我用MiniMax (official) 的 M2.7 模型，要求参考 Spotify 的设计语言来生成一个落地页，好家伙，还真像模像样的。项目地址：

超级个体 Austin

84,964 görüntüleme • 4 ay önce

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿 Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。接进 Claude Code 怎么搞，其实很简单。第一步，去注册，拿到 API key。第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写格式选 OpenAI Chat Completions。第三步，点获取模型列表，选 agnes-2.0-flash。第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。完事。回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿 Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。接进 Claude Code 怎么搞，其实很简单。第一步，去注册，拿到 API key。第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写格式选 OpenAI Chat Completions。第三步，点获取模型列表，选 agnes-2.0-flash。第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。完事。回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。

产品经理老王霸

52,217 görüntüleme • 1 ay önce

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：

Barret李靖

124,227 görüntüleme • 2 yıl önce

最近一段时间都在关注模型、建模、仿真、优化这些都是有趣课题，值得去了解学习在这里我简单介绍两款开源项目： Webots 和 Modelica & OpenModelica 视频1是Webots的自动驾驶仿真视频2是OpenModelica 6气缸的 v6 引擎仿真模型，模拟仿真，物理引擎，机器人，自动驾驶，都是非常重要的课题和基础 Webots 是一款用于模拟机器人的开源多平台桌面应用程序之前也提及：汽车自动驾驶其实就是一个大号机器人，软件定义汽车已是趋势 Webots 提供了一个完整的开发环境来建模、编程和模拟机器人它为专业用途而设计，广泛应用于工业、教育和研究 Webots 基于 C++/Qt 构建，支持 ROS Webots 依靠 ODE（Open Dynamics Engine,开放动力学引擎）进行物理模拟因此，一些 Webots 参数、结构或概念引用了 ODE ODE 有着广泛的应用，值得更多关注 Webots + ODE + ROS 一个完整的机器人自动驾驶模拟仿真工具链一个思考：我们的世界是个建模仿真还是一个真实存在 -------------- 建模很重要 Model knowledge is stored in books and human minds which computers cannot access 数值分析、科学计算软件包基本都会搭载建模仿真工具，比如 MATLAB 有 Simulink Scilab 有 Xcos 当然，也有很多专注建模和仿真的开源工具，上面介绍的 Webots，接着再给大家介绍下 Modelica & OpenModelica Modelica 是开源建模语言 OpenModelica 是一个基于 Modelica 的开源建模和仿真环境 (基于 C/C++/Qt 构建)，包含编译器和运行时，旨在供工业和学术用途基于建模语言和仿真环境去学习研究和实践数学建模、物理模拟和科学工程都是非常好的方式类似将 MATLAB/Octave/Scilab 用于数值分析和科学计算是同样道理 Modelica 基本理念：设计一种建模语言，满足多领域物理系统建模与仿真工程应用，可用于几乎所有工程领域的建模，从而摆脱针对特定专业领域工具的限制换言之，Modelica 即是建模语言，同时也是模型交换与重用的标准众多面向对象建模语言开发商共同一起，基于他们的经验，研究建立多领域物理系统的建模规范 Modelica 可以解决用连续微分代数方程组（DAEs）表示的许多问题 Modelica 使用 DAEs，而避免使用常微分方程 (ODEs) 描述物理世界，从而在建立方程方面减轻了建模人员的负担 Modelica 支持连续变量和离散变量两种方式在同一组件模型或系统模型中使用 Modelica 模型标准库，Modelica Standard Library, MSL 开发 MSL 的目的是让使用 Modelica 语言的用户，不用开发底层基本的组件模型，就可以开展物理系统的建模和仿真工作用户需要掌握 Modelica 语言的基础，并学会怎样有效地使用 MSL 目前版本的 MSL 包含 1417 component models and blocks, 512 example models, and 1219 functions Modelica 是开源建模语言，采用类似 C++ 的发展模式，希望能最终纳入 ISO, ANSI, IEEE 标准体系如果不出意外，Modelica 极有可能会像 C++ 一样成为一种流行的物理系统建模语言，我们拭目以待吧有关 Modelica & OpenModelica 的介绍和快速了解，可下载官方提供的 200 多页幻灯片资料从 1997 年 1.0 版到现在正在开发的 3.7 版，Modelica 建模语言之路也已走了快 30年 ---------------------- ps: 国内外的很多差距其实就体现在这些方面，国外很多研究和应用可以一直持续几十年不间断。（展开，包括很多知名摇滚重金属乐队，动不动就是30,40年历史，国内乐队大多昙花一现，有些东西确实没办法）我们更多是热点来了一哄而上，热度退却，再一哄而散。没有10年，几十年甚至上百年的积累沉淀，怎么比和竞争呢所以不要盲目的瞎高潮，克制住站在巨人肩上取得一点进展的狂喜中迷失自我

最近一段时间都在关注模型、建模、仿真、优化这些都是有趣课题，值得去了解学习在这里我简单介绍两款开源项目： Webots 和 Modelica & OpenModelica 视频1是Webots的自动驾驶仿真视频2是OpenModelica 6气缸的 v6 引擎仿真模型，模拟仿真，物理引擎，机器人，自动驾驶，都是非常重要的课题和基础 Webots 是一款用于模拟机器人的开源多平台桌面应用程序之前也提及：汽车自动驾驶其实就是一个大号机器人，软件定义汽车已是趋势 Webots 提供了一个完整的开发环境来建模、编程和模拟机器人它为专业用途而设计，广泛应用于工业、教育和研究 Webots 基于 C++/Qt 构建，支持 ROS Webots 依靠 ODE（Open Dynamics Engine,开放动力学引擎）进行物理模拟因此，一些 Webots 参数、结构或概念引用了 ODE ODE 有着广泛的应用，值得更多关注 Webots + ODE + ROS 一个完整的机器人自动驾驶模拟仿真工具链一个思考：我们的世界是个建模仿真还是一个真实存在 -------------- 建模很重要 Model knowledge is stored in books and human minds which computers cannot access 数值分析、科学计算软件包基本都会搭载建模仿真工具，比如 MATLAB 有 Simulink Scilab 有 Xcos 当然，也有很多专注建模和仿真的开源工具，上面介绍的 Webots，接着再给大家介绍下 Modelica & OpenModelica Modelica 是开源建模语言 OpenModelica 是一个基于 Modelica 的开源建模和仿真环境 (基于 C/C++/Qt 构建)，包含编译器和运行时，旨在供工业和学术用途基于建模语言和仿真环境去学习研究和实践数学建模、物理模拟和科学工程都是非常好的方式类似将 MATLAB/Octave/Scilab 用于数值分析和科学计算是同样道理 Modelica 基本理念：设计一种建模语言，满足多领域物理系统建模与仿真工程应用，可用于几乎所有工程领域的建模，从而摆脱针对特定专业领域工具的限制换言之，Modelica 即是建模语言，同时也是模型交换与重用的标准众多面向对象建模语言开发商共同一起，基于他们的经验，研究建立多领域物理系统的建模规范 Modelica 可以解决用连续微分代数方程组（DAEs）表示的许多问题 Modelica 使用 DAEs，而避免使用常微分方程 (ODEs) 描述物理世界，从而在建立方程方面减轻了建模人员的负担 Modelica 支持连续变量和离散变量两种方式在同一组件模型或系统模型中使用 Modelica 模型标准库，Modelica Standard Library, MSL 开发 MSL 的目的是让使用 Modelica 语言的用户，不用开发底层基本的组件模型，就可以开展物理系统的建模和仿真工作用户需要掌握 Modelica 语言的基础，并学会怎样有效地使用 MSL 目前版本的 MSL 包含 1417 component models and blocks, 512 example models, and 1219 functions Modelica 是开源建模语言，采用类似 C++ 的发展模式，希望能最终纳入 ISO, ANSI, IEEE 标准体系如果不出意外，Modelica 极有可能会像 C++ 一样成为一种流行的物理系统建模语言，我们拭目以待吧有关 Modelica & OpenModelica 的介绍和快速了解，可下载官方提供的 200 多页幻灯片资料从 1997 年 1.0 版到现在正在开发的 3.7 版，Modelica 建模语言之路也已走了快 30年 ---------------------- ps: 国内外的很多差距其实就体现在这些方面，国外很多研究和应用可以一直持续几十年不间断。（展开，包括很多知名摇滚重金属乐队，动不动就是30,40年历史，国内乐队大多昙花一现，有些东西确实没办法）我们更多是热点来了一哄而上，热度退却，再一哄而散。没有10年，几十年甚至上百年的积累沉淀，怎么比和竞争呢所以不要盲目的瞎高潮，克制住站在巨人肩上取得一点进展的狂喜中迷失自我

灰狐

12,978 görüntüleme • 1 yıl önce

所以科技平权从Fable 5开始转折了吗？以后我们普通人还能用到顶级AI大模型的机会吗？感觉Anthropic这条公告官宣的不是模型要恢复，更像是传递一个信号，就是顶级AI全民可用的时代正式结束了😭 最强的网络安全模型Mythos 5，只开放给美国本土的关键基础设施组织。普通人能用的Fable 5，还在等政府审批，遥遥无期。以前是花钱订阅就能摸到人类最顶尖的模型能力，现在是最强的能力，只对特定身份和机构开放，也就是说分层的墙已经立起来了，以后普通用户能拿到的，永远是降过级的公开版本，真正能重构生产力的顶级能力，只会在高墙内流转～

所以科技平权从Fable 5开始转折了吗？以后我们普通人还能用到顶级AI大模型的机会吗？感觉Anthropic这条公告官宣的不是模型要恢复，更像是传递一个信号，就是顶级AI全民可用的时代正式结束了😭 最强的网络安全模型Mythos 5，只开放给美国本土的关键基础设施组织。普通人能用的Fable 5，还在等政府审批，遥遥无期。以前是花钱订阅就能摸到人类最顶尖的模型能力，现在是最强的能力，只对特定身份和机构开放，也就是说分层的墙已经立起来了，以后普通用户能拿到的，永远是降过级的公开版本，真正能重构生产力的顶级能力，只会在高墙内流转～

AYi

21,080 görüntüleme • 1 ay önce

跟着实践哥的文章，轻轻松松就搞出来一个视频。准备快速批量起号，后宫佳丽三千，任君挑选。最后附上文章中使用的几个开源项目 1、实践哥自己开发的快速口播视频skill，目前已经 (298个star)： 2、本地小模型克隆自己的声音做配音，目前已经(50.2K star) : 3、本地小模型输入是人脸视频加音频，输出是一条口型对上的视频，目前已经（6.4K star）

跟着实践哥的文章，轻轻松松就搞出来一个视频。准备快速批量起号，后宫佳丽三千，任君挑选。最后附上文章中使用的几个开源项目 1、实践哥自己开发的快速口播视频skill，目前已经 (298个star)： 2、本地小模型克隆自己的声音做配音，目前已经(50.2K star) : 3、本地小模型输入是人脸视频加音频，输出是一条口型对上的视频，目前已经（6.4K star）

AI少年

41,958 görüntüleme • 10 gün önce

罗福莉，女，95后，出生于四川，本科就读于北京师范大学计算机专业，硕士毕业于北京大学计算语言学专业，是DeepSeek开源大模型DeepSeek-V2的关键开发者之一。 2019年，罗福莉在人工智能领域顶级国际会议ACL上发表了8篇论文。硕士毕业后，她进入阿里达摩院做人工智能研究，从事预训练语言模型相关的工作。2022年，她转战DeepSeek，参与了MoE大模型DeepSeek-V2的研发。2024年12月，网传罗福莉被小米创始人雷军以千万年薪招募，担任小米AI实验室的大模型团队负责人

罗福莉，女，95后，出生于四川，本科就读于北京师范大学计算机专业，硕士毕业于北京大学计算语言学专业，是DeepSeek开源大模型DeepSeek-V2的关键开发者之一。 2019年，罗福莉在人工智能领域顶级国际会议ACL上发表了8篇论文。硕士毕业后，她进入阿里达摩院做人工智能研究，从事预训练语言模型相关的工作。2022年，她转战DeepSeek，参与了MoE大模型DeepSeek-V2的研发。2024年12月，网传罗福莉被小米创始人雷军以千万年薪招募，担任小米AI实验室的大模型团队负责人

蔡子博士Chris

233,679 görüntüleme • 1 yıl önce