正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

微软发布了新的开源模型 Phi-4 功能非常强大，体积却很小，而且可以直接在你的笔记本电脑上本地运行！完全免费，支持 Mac、Windows 和 Linux 系统 🧵

AI Will

188,695 subscribers

179,725 次观看 • 1 年前 •via X (Twitter)

科学技术新闻政治教育

Anya Rossi• Live Now

Private livecam show

11 条评论

AI Will 的头像

AI Will1 年前

1. 下载 LM Studio 访问

AI Will 的头像

AI Will1 年前

2. 下载 Phi-4 打开 LM Studio，在搜索栏输入“Phi-4”。对于 Windows/Linux 用户，选择 GGUF 版本；对于 macOS 用户，选择 MLX 版本。提示：如果你使用的是配置较低的“土豆”笔记本电脑（比如我），请选择 Unsloth 版本。

AI Will 的头像

AI Will1 年前

3. 完成！模型下载完成后，进入对话部分。在顶部栏中选择刚刚下载的模型以加载它。现在你可以完全离线开始聊天，完全私密，无需连接互联网！

AI Will 的头像

AI Will1 年前

以上就是全部，原作者 @itsPaulAi 如果您喜欢这个主题： 1.关注我（@FinanceYF5） 2. 点赞+转发下面第一条帖子

Direct Mail for Mac 的头像

Direct Mail for Mac2 年前

Say hello to Direct Mail – the macOS app that makes crafting email newsletters a breeze! 🚀 Create, send, and engage effortlessly. #MacUsers #EmailMarketing

fly 的头像

fly1 年前

前几天简单试了下，Phi-4 14b的中文能力非常拉垮，在速度和质量上远不如7b的qwen2

Ruk 的头像

Ruk1 年前

效果如何？体验下来

可瑟瑟的ai聊天软件的头像

可瑟瑟的ai聊天软件1 年前

哇~Phi-4模型听起來好厲害啊！可以在本地運行，而且還免費支持各種系統。😳💻

DavidTaylor 的头像

DavidTaylor1 年前

感觉Ai好像对我最大的用处就是🤣问他一些懒得去网上找的问题

Oldmonk 的头像

Oldmonk1 年前

多大啊？笔记本快满了。

Teo 的头像

Teo1 年前

一会试试

相关视频

每个人都能买得起英伟达发布个人AI超级计算机，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿参数的大语言模型。通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿参数模型。而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

每个人都能买得起英伟达发布个人AI超级计算机，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿参数的大语言模型。通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿参数模型。而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

小互

85,716 次观看 • 1 年前

Github 上发现一个桌面 Agent，自然语言命令自动完成各类任务，可运行在容器化的 Linux 桌面环境中。支持多种模型，也可本地模型。开源，免费。

Github 上发现一个桌面 Agent，自然语言命令自动完成各类任务，可运行在容器化的 Linux 桌面环境中。支持多种模型，也可本地模型。开源，免费。

Elliot 艾略特

13,635 次观看 • 11 个月前

微软发布他们最新AI笔记本电脑！将拥有一项名为“Recall”的AI照相记忆功能，该功能将通过不断截屏来记住并理解你在电脑上所做的一切！

微软发布他们最新AI笔记本电脑！将拥有一项名为“Recall”的AI照相记忆功能，该功能将通过不断截屏来记住并理解你在电脑上所做的一切！

Inty News

212,390 次观看 • 2 年前

好了，SentiaRead 的浏览器插件 1.0 版本已经开发完了。具体来说，做了一个非常不错的阅读模式，阅读体验跟 Mac 客户端完全一致，功能包括： 1. 支持多种阅读主题的切换 2. 支持字体类型、字体大小、行距的调整 3. 支持 TOC 目录目前测试下来，发现一般的常规网页文章，包括 Twitter 的文章，也都能够很好地支持。点击右上角的保存按钮，就可以直接调用 SentiaRead 的 Mac 客户端进行导入。导入之后，就可以在 Mac 应用以及 iOS（iPhone、iPad）上面阅读、查单词和翻译了。现在已经提交到了 Chrome Web Store 进行审核，等审核通过之后，就可以进行安装和使用了。即便你没有注册 SentiaRead 的账号，也完全可以免费使用阅读模式，切换不同的阅读主题。这些阅读设置会直接保存在你浏览器的缓存里。

好了，SentiaRead 的浏览器插件 1.0 版本已经开发完了。具体来说，做了一个非常不错的阅读模式，阅读体验跟 Mac 客户端完全一致，功能包括： 1. 支持多种阅读主题的切换 2. 支持字体类型、字体大小、行距的调整 3. 支持 TOC 目录目前测试下来，发现一般的常规网页文章，包括 Twitter 的文章，也都能够很好地支持。点击右上角的保存按钮，就可以直接调用 SentiaRead 的 Mac 客户端进行导入。导入之后，就可以在 Mac 应用以及 iOS（iPhone、iPad）上面阅读、查单词和翻译了。现在已经提交到了 Chrome Web Store 进行审核，等审核通过之后，就可以进行安装和使用了。即便你没有注册 SentiaRead 的账号，也完全可以免费使用阅读模式，切换不同的阅读主题。这些阅读设置会直接保存在你浏览器的缓存里。

Kevin Ma

10,789 次观看 • 4 个月前

今天发现一个很酷很火的新工具：Devpod 有点类似 Github Codespaces，一键部署本地开发环境或者直接链接云端环境，然后可以直接使用你喜欢的任意编辑器进行开发。但是有以下特点： * 完全开源 * 完全本地开发 - 不需要任何云服务提供商 * 客户端 - 完全可视化的使用 * 多种编辑器支持看看下面这个视频感受一下它的功能，感觉还是非常强大的：

今天发现一个很酷很火的新工具：Devpod 有点类似 Github Codespaces，一键部署本地开发环境或者直接链接云端环境，然后可以直接使用你喜欢的任意编辑器进行开发。但是有以下特点： * 完全开源 * 完全本地开发 - 不需要任何云服务提供商 * 客户端 - 完全可视化的使用 * 多种编辑器支持看看下面这个视频感受一下它的功能，感觉还是非常强大的：

Viking

154,992 次观看 • 3 年前

谷歌刚刚为 iOS 和 Mac 推出了一款免费的 AI 语音听写应用。所有高级功能无需任何订阅即可使用。 100% 免费，完全本地运行，由 Gemma 4 提供支持。

谷歌刚刚为 iOS 和 Mac 推出了一款免费的 AI 语音听写应用。所有高级功能无需任何订阅即可使用。 100% 免费，完全本地运行，由 Gemma 4 提供支持。

Jason

149,484 次观看 • 2 个月前

一个相当牛的开源项目 Windows-Use，让任何大语言模型直接控制操作 Windows 系统。支持打开应用、按钮点击、文字输入等基础交互，可自动化执行命令，实现系统级别的自动化操作。 GitHub：同时可实时捕获和理解界面状态，智能判断下一步操作，不依赖传统的计算机视觉模型。支持 Windows 7 到 Windows 11 全系列系统，可直接语音输入，动动嘴皮就能控制电脑。

Sensitive content

一个相当牛的开源项目 Windows-Use，让任何大语言模型直接控制操作 Windows 系统。支持打开应用、按钮点击、文字输入等基础交互，可自动化执行命令，实现系统级别的自动化操作。 GitHub：同时可实时捕获和理解界面状态，智能判断下一步操作，不依赖传统的计算机视觉模型。支持 Windows 7 到 Windows 11 全系列系统，可直接语音输入，动动嘴皮就能控制电脑。

GitHubDaily

35,658 次观看 • 11 个月前

Lisa Su 把大模型的本地运行门槛直接打了下来。一个午餐盒大小的 Mini PC，无需云端、无需独立显卡，就能跑通完整的 Qwen3 235B。靠着 Ryzen AI Max+ 395 和 128GB 统一内存（Linux 下可用 VRAM 高达 ~110GB），x86 芯片终于具备了在本地接管超大规模模型的硬实力。

Lisa Su 把大模型的本地运行门槛直接打了下来。一个午餐盒大小的 Mini PC，无需云端、无需独立显卡，就能跑通完整的 Qwen3 235B。靠着 Ryzen AI Max+ 395 和 128GB 统一内存（Linux 下可用 VRAM 高达 ~110GB），x86 芯片终于具备了在本地接管超大规模模型的硬实力。

Bill The Investor

22,100 次观看 • 2 个月前

好像很多人不知道 OpenCode，简单介绍一下。 OpenCode 是基于 MIT 协议完全开源 100% 免费的 AI 编程智能体。无任何 LLM 厂商绑定，可以连接国内、外、和本地模型，还提供了免费模型可试用。任何费用只来自模型订阅。它是全托管的 Vibe Coding 编程范式，对标工具是 Claude Code。支持 CLI版本、桌面版本、插件版本。非常适合国内玩家体验 Vibe Coding。

好像很多人不知道 OpenCode，简单介绍一下。 OpenCode 是基于 MIT 协议完全开源 100% 免费的 AI 编程智能体。无任何 LLM 厂商绑定，可以连接国内、外、和本地模型，还提供了免费模型可试用。任何费用只来自模型订阅。它是全托管的 Vibe Coding 编程范式，对标工具是 Claude Code。支持 CLI版本、桌面版本、插件版本。非常适合国内玩家体验 Vibe Coding。

程序员老熊

53,065 次观看 • 5 个月前

今天 Meta 发布了最新的开源模型的 Llama 3 首发和之前一样，包括了 8B 和 70B 两个版本，小扎说还有个 400B 参数的大号版预计在夏天发布，这可能是第一个 GPT-4 级别的开源模型！Meta 这次在 15T 的数据集上训练了一个 8B 的小模型，在参数规模、易用性和推理能力上做了最佳平衡，看来有算力真香😄 同时 Meta 也推出了自己的 ChatGPT 产品 Chat AI 了。。其实 HuggingChat 也不错的你可以在这里体验所有的开源大语言模型

今天 Meta 发布了最新的开源模型的 Llama 3 首发和之前一样，包括了 8B 和 70B 两个版本，小扎说还有个 400B 参数的大号版预计在夏天发布，这可能是第一个 GPT-4 级别的开源模型！Meta 这次在 15T 的数据集上训练了一个 8B 的小模型，在参数规模、易用性和推理能力上做了最佳平衡，看来有算力真香😄 同时 Meta 也推出了自己的 ChatGPT 产品 Chat AI 了。。其实 HuggingChat 也不错的你可以在这里体验所有的开源大语言模型

indigo

183,917 次观看 • 2 年前

这是一个支持 200+ 模型的完全免费开源 AI 视频工作室。图生图、文生视频、对口型、电影镜头、工作流编排，五个 studio 覆盖完整创作链路。支持 Flux、Midjourney、Kling、Sora、Veo 等 200 多个模型，没有内容审查，提示词不会被拦截或修改。可以自托管，也可以下载桌面端。本地推理走 sd.cpp 和 Wan2GP，Mac M 系列能跑，有 CUDA 的 Windows/Linux 也能跑。 🔗

这是一个支持 200+ 模型的完全免费开源 AI 视频工作室。图生图、文生视频、对口型、电影镜头、工作流编排，五个 studio 覆盖完整创作链路。支持 Flux、Midjourney、Kling、Sora、Veo 等 200 多个模型，没有内容审查，提示词不会被拦截或修改。可以自托管，也可以下载桌面端。本地推理走 sd.cpp 和 Wan2GP，Mac M 系列能跑，有 CUDA 的 Windows/Linux 也能跑。 🔗

出海去孵化器

18,213 次观看 • 3 个月前

微软新开源了这个 VibeVoice TTS模型很强 - 支持最多生成 90 分钟时长 - 最多4 个人的对谈语音，以往模型只能生成两个 - 支持中文，而且中文效果不错 - 支持生成带背景音乐的播客音频

微软新开源了这个 VibeVoice TTS模型很强 - 支持最多生成 90 分钟时长 - 最多4 个人的对谈语音，以往模型只能生成两个 - 支持中文，而且中文效果不错 - 支持生成带背景音乐的播客音频

歸藏(guizang.ai)

44,283 次观看 • 1 年前

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

歸藏(guizang.ai)

61,931 次观看 • 2 年前

手机上直接跑Gemma 4。 Google官方刚出的App。看几个硬指标。代码百分之百开源。完全离线运行，数据彻底锁在本地。支持多模态交互。发文字、发语音、传照片，全能接得住。兼容Gemma E4B和E2B。 iOS和Android现在都能下。大模型的门槛已经降到了每个人的口袋里。

手机上直接跑Gemma 4。 Google官方刚出的App。看几个硬指标。代码百分之百开源。完全离线运行，数据彻底锁在本地。支持多模态交互。发文字、发语音、传照片，全能接得住。兼容Gemma E4B和E2B。 iOS和Android现在都能下。大模型的门槛已经降到了每个人的口袋里。

墓碑科技

24,596 次观看 • 4 个月前

Google刚发布了 Gemma 4，260 亿参数，开源免费，能在本地设备上离线运行。讲真，这才是 2026 年最合理的 AI 技术栈: 本地模型兜底，顶级模型按需调用。但我认为参数和免费都不是重点，真正值得注意的是它原生支持函数调用，意味着这个模型能自主使用工具，浏览网页，执行代码，调用 API，直接充当一个完整的本地智能体，全程不联网，全程不花钱。 260 亿参数，实测性能对标 6850 亿参数级别的行业顶级模型，跑在普通笔记本上就行。部署只要三行命令： - 安装 Ollama： - curl -fsSL | sh - 拉取模型： ollama pull gemma4 两分钟，顶级本地 AI 就绑在你自己的硬件上了。我计划的用法是这样的，欢迎交流：日常的研究分析、代码审查、文稿起草、数据处理，全扔给本地 Gemma 4，用 MCP 服务器接上工具调用能力，网页浏览、数据库对接、API 接入都能覆盖，只有遇到真正需要顶级推理的硬核任务时，才请 Claude Code 出场。以前每个月在 AI 服务上花几百美元，现在 90% 的日常场景本地免费搞定，只为那 10% 的高难度任务付费。

Google刚发布了 Gemma 4，260 亿参数，开源免费，能在本地设备上离线运行。讲真，这才是 2026 年最合理的 AI 技术栈: 本地模型兜底，顶级模型按需调用。但我认为参数和免费都不是重点，真正值得注意的是它原生支持函数调用，意味着这个模型能自主使用工具，浏览网页，执行代码，调用 API，直接充当一个完整的本地智能体，全程不联网，全程不花钱。 260 亿参数，实测性能对标 6850 亿参数级别的行业顶级模型，跑在普通笔记本上就行。部署只要三行命令： - 安装 Ollama： - curl -fsSL | sh - 拉取模型： ollama pull gemma4 两分钟，顶级本地 AI 就绑在你自己的硬件上了。我计划的用法是这样的，欢迎交流：日常的研究分析、代码审查、文稿起草、数据处理，全扔给本地 Gemma 4，用 MCP 服务器接上工具调用能力，网页浏览、数据库对接、API 接入都能覆盖，只有遇到真正需要顶级推理的硬核任务时，才请 Claude Code 出场。以前每个月在 AI 服务上花几百美元，现在 90% 的日常场景本地免费搞定，只为那 10% 的高难度任务付费。

AYi

202,627 次观看 • 4 个月前

$兄弟们，这个数字人工具感觉不错我刚安装好，正在体验一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。这个一个安装包，然后下载模型即可，很容易上手可以生成带有数字人的视频，并且保持嘴型和声音是同步的。支持语音合成和声音克隆支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。$

兄弟们，这个数字人工具感觉不错我刚安装好，正在体验一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。这个一个安装包，然后下载模型即可，很容易上手可以生成带有数字人的视频，并且保持嘴型和声音是同步的。支持语音合成和声音克隆支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。

小互

41,028 次观看 • 1 年前

华为鸿蒙电脑现场体验！在鸿蒙操作系统的加持下，操作流畅、丝滑、惊艳！系统在自己手上，软硬件结合的完全体！Windows和苹果迎来了强力的竞争者！

华为鸿蒙电脑现场体验！在鸿蒙操作系统的加持下，操作流畅、丝滑、惊艳！系统在自己手上，软硬件结合的完全体！Windows和苹果迎来了强力的竞争者！

陈木林

144,941 次观看 • 1 年前

国产的Workbuddy，我很推荐大家去使用，一开始我也觉得国产的都比较垃圾，是抄袭。但是使用下来发现真的不是，加入了很多自己的特点，如果你的工作都是腾讯系的话，可以直接无缝的接入，不需要额外的配置，只需要登录账号即可使用。优点： 1、腾讯系软件无缝接入，只需要登录账号授权即可。 2、远程操作只需要通过小程序连接即可。 3、内置了非常多的行业智能体，研究还是了解，相关行业都会非常有帮助。 4、基本上国内有名的大模型都可以免费体验使用，而且有免费的额度。整体下来就一个字全，真的什么功能都有一点，而且还可以配置第三方模型使用，很多时候没有其他第三方ai使用的时候可以用workbuddy作为中转让他去帮你安装其他的AI。

国产的Workbuddy，我很推荐大家去使用，一开始我也觉得国产的都比较垃圾，是抄袭。但是使用下来发现真的不是，加入了很多自己的特点，如果你的工作都是腾讯系的话，可以直接无缝的接入，不需要额外的配置，只需要登录账号即可使用。优点： 1、腾讯系软件无缝接入，只需要登录账号授权即可。 2、远程操作只需要通过小程序连接即可。 3、内置了非常多的行业智能体，研究还是了解，相关行业都会非常有帮助。 4、基本上国内有名的大模型都可以免费体验使用，而且有免费的额度。整体下来就一个字全，真的什么功能都有一点，而且还可以配置第三方模型使用，很多时候没有其他第三方ai使用的时候可以用workbuddy作为中转让他去帮你安装其他的AI。

小墨同学

21,960 次观看 • 2 个月前