Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

这个免费开源的3D动捕工具—freemocap，GitHub 已经斩获 9K star数不需要专业捕捉设备，只需要几个普通摄像头就可以它把多视角几何问题转化成了计算机视觉任务，用空间标定算法 + 深度学习模型，从多路普通摄像头的2D画面里还原出精确的3D人体骨骼数据输出结果支持导出多种格式（含FBX等），所有处理全在本地跑，免费开源

阿西_出海

24,896 subscribers

18,691 просмотров • 9 дней назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

一款强大且易用的在线数据库设计工具及 SQL 生成器：DrawDB。只需轻松点击几下即可创建图表，导出 SQL 脚本，以及自定义编辑器等。 GitHub：目前已支持大部分主流数据库，如 MySQL、PostgreSQL 以及 SQLite 等。而且完全开源免费，无需注册账户即可体验。

一款强大且易用的在线数据库设计工具及 SQL 生成器：DrawDB。只需轻松点击几下即可创建图表，导出 SQL 脚本，以及自定义编辑器等。 GitHub：目前已支持大部分主流数据库，如 MySQL、PostgreSQL 以及 SQLite 等。而且完全开源免费，无需注册账户即可体验。

GitHubDaily

29,999 просмотров • 1 год назад

「Autodesk 掀桌子百万级 3D CAD 可执行数据集开源」这可能是 2026 年工业 AI 领域最重要的基础设施。Autodesk 终于把一直锁在私有数据库里的「建模逻辑」以一种极客的方式释放了。核心要点 - Zero-to-CAD 数据集包含约 1,000,000 个 3D CAD 序列 - 每一条数据都是可执行、可读、可编辑的 CadQuery (Python) 代码 - 涵盖拉伸、旋转、圆角、阵列等全套工业级建模指令 - 采用 Agent 闭环生成机制确保 100% 几何逻辑合法以前 AI 学 CAD 像在猜谜（只有导出的结果文件）现在有了这本「Python 版建模百科全书」 AI 终于可以像人类工程师一样顺着逻辑写出真正可用的工程图纸。关注谁是藏镜人只看有深度的 AI 工程解读。

「Autodesk 掀桌子百万级 3D CAD 可执行数据集开源」这可能是 2026 年工业 AI 领域最重要的基础设施。Autodesk 终于把一直锁在私有数据库里的「建模逻辑」以一种极客的方式释放了。核心要点 - Zero-to-CAD 数据集包含约 1,000,000 个 3D CAD 序列 - 每一条数据都是可执行、可读、可编辑的 CadQuery (Python) 代码 - 涵盖拉伸、旋转、圆角、阵列等全套工业级建模指令 - 采用 Agent 闭环生成机制确保 100% 几何逻辑合法以前 AI 学 CAD 像在猜谜（只有导出的结果文件）现在有了这本「Python 版建模百科全书」 AI 终于可以像人类工程师一样顺着逻辑写出真正可用的工程图纸。关注谁是藏镜人只看有深度的 AI 工程解读。

谁是藏镜人

34,861 просмотров • 2 месяцев назад

这模型有点意思，3D视图滑块精确控制摄像机角度。请不要有过多的想法，谢谢 👉

这模型有点意思，3D视图滑块精确控制摄像机角度。请不要有过多的想法，谢谢 👉

Geek

37,613 просмотров • 5 месяцев назад

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

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

52,933 просмотров • 2 дней назад

想自己做金融分析、股票研究？这些完全免费、Github开源的工具推荐给你，适合低门槛快速入门系统化 + AI 驱动的金融/财报分析👇 1. OpenBB（67.4k stars）号称一个真正能替代 Bloomberg Terminal 的开源金融数据平台，数据整合能力强、支持 Python/CLI/AI 代理，日常股票深度研究和项目报告效率极高。唯一小缺点是高级数据源仍需自行接入，但免费部分已经够大多数人用了 2. Freqtrade（50.2k stars）免费开源的 Python 加密交易机器人，内置回测、机器学习策略优化（FreqAI）、Telegram 控制等全套工具，是目前交易机器人里最成熟的一个，但学习门槛较高（需要会 Python），用 AI 学也可以上手 3.FinGPT（20k stars） AI4Finance 基金会维护的金融专属大模型框架，成本极低。这是真正能本地跑的金融 AI，用来做财报分析、新闻解读和智能研究非常实用这三个工具组合起来，基本覆盖了数据获取 → 量化回测 → AI 智能分析的完整流程，全程本地运行、不用付费、不用担心数据隐私省下来的订阅费，都拿去多买几只股票了😂

想自己做金融分析、股票研究？这些完全免费、Github开源的工具推荐给你，适合低门槛快速入门系统化 + AI 驱动的金融/财报分析👇 1. OpenBB（67.4k stars）号称一个真正能替代 Bloomberg Terminal 的开源金融数据平台，数据整合能力强、支持 Python/CLI/AI 代理，日常股票深度研究和项目报告效率极高。唯一小缺点是高级数据源仍需自行接入，但免费部分已经够大多数人用了 2. Freqtrade（50.2k stars）免费开源的 Python 加密交易机器人，内置回测、机器学习策略优化（FreqAI）、Telegram 控制等全套工具，是目前交易机器人里最成熟的一个，但学习门槛较高（需要会 Python），用 AI 学也可以上手 3.FinGPT（20k stars） AI4Finance 基金会维护的金融专属大模型框架，成本极低。这是真正能本地跑的金融 AI，用来做财报分析、新闻解读和智能研究非常实用这三个工具组合起来，基本覆盖了数据获取 → 量化回测 → AI 智能分析的完整流程，全程本地运行、不用付费、不用担心数据隐私省下来的订阅费，都拿去多买几只股票了😂

梭哈.AI

25,922 просмотров • 1 месяц назад

iluminea - 能将任何 2D 图像转换为一个完整的 3D 世界可以制作全景动画效果这个网站是免费的，无需注册即可使用，操作非常的简单，只需要上传照片就可以生成全景动画效果视频，有手即可网站链接：

iluminea - 能将任何 2D 图像转换为一个完整的 3D 世界可以制作全景动画效果这个网站是免费的，无需注册即可使用，操作非常的简单，只需要上传照片就可以生成全景动画效果视频，有手即可网站链接：

千寻 🌸

40,300 просмотров • 2 лет назад

🚀兄弟们！发现一个永久免费的域名项目在 GitHub 已经获得 162K Star，直接封神了是个开源公益项目，注册免费、续费免费，没有隐藏费用，没有水印广告。个人、组织、商业项目都能用，支持 Cloudflare、FreeDNS 等主流 DNS 服务商，还有几个不错的后缀可以选。适合个人学习、开源项目、临时演示场景，感觉是真在做公益啊。

🚀兄弟们！发现一个永久免费的域名项目在 GitHub 已经获得 162K Star，直接封神了是个开源公益项目，注册免费、续费免费，没有隐藏费用，没有水印广告。个人、组织、商业项目都能用，支持 Cloudflare、FreeDNS 等主流 DNS 服务商，还有几个不错的后缀可以选。适合个人学习、开源项目、临时演示场景，感觉是真在做公益啊。

阿西_出海

501,432 просмотров • 1 месяц назад

又发现一个变态开源项目，叫agency-agents 这哥们儿把世界上几乎所有职位都做成了 AI 员工，包括：前端开发、UI 设计、自媒体运营、销售、市场分析师、数据工程师、法务顾问…… 现在已经有 144 个 AI 员工，还在持续加。 GitHub 星标直接冲到 6 万+，完全免费开源。在小龙虾或者 Claude code 里，几分钟就能跑起来一整个虚拟团队。你需要哪个工种，直接调哪个 AI 员工，随时开干。适合「需要某个专项能力，但又不值得专门招人」的情况，比如独立开发者、一人创业者、小团队

又发现一个变态开源项目，叫agency-agents 这哥们儿把世界上几乎所有职位都做成了 AI 员工，包括：前端开发、UI 设计、自媒体运营、销售、市场分析师、数据工程师、法务顾问…… 现在已经有 144 个 AI 员工，还在持续加。 GitHub 星标直接冲到 6 万+，完全免费开源。在小龙虾或者 Claude code 里，几分钟就能跑起来一整个虚拟团队。你需要哪个工种，直接调哪个 AI 员工，随时开干。适合「需要某个专项能力，但又不值得专门招人」的情况，比如独立开发者、一人创业者、小团队

阿西_出海

292,896 просмотров • 1 месяц назад

英伟达等刚刚推出了用于人形机器人的多功能神经网络全身控制器：HOVER 它首次实现了用统一控制器来处理，像机器人的导航、步行操控和桌面操控等多种不同类型任务，还能模仿人类动作，它模拟一年的训练量，只需50分钟它可以完成导航行走、物体操作、桌面作业、复杂动作的协调、人机交互任务等可以无缝切换不同控制模式，支持全身运动模仿学习项目：论文：

英伟达等刚刚推出了用于人形机器人的多功能神经网络全身控制器：HOVER 它首次实现了用统一控制器来处理，像机器人的导航、步行操控和桌面操控等多种不同类型任务，还能模仿人类动作，它模拟一年的训练量，只需50分钟它可以完成导航行走、物体操作、桌面作业、复杂动作的协调、人机交互任务等可以无缝切换不同控制模式，支持全身运动模仿学习项目：论文：

AIGCLINK

20,821 просмотров • 1 год назад

一个轻量级的数字人项目：MiniMates，支持语音和表情两种驱动模式，可在普通电脑上实时运行 one-shot单图驱动，最低只需要一张图片可以说话、眨眼、转头、做表情等支持实时交互，实时摄像头表情捕捉、实时头部跟踪、实时语音对话 github： #数字人 #AI虚拟人

一个轻量级的数字人项目：MiniMates，支持语音和表情两种驱动模式，可在普通电脑上实时运行 one-shot单图驱动，最低只需要一张图片可以说话、眨眼、转头、做表情等支持实时交互，实时摄像头表情捕捉、实时头部跟踪、实时语音对话 github： #数字人 #AI虚拟人

AIGCLINK

35,360 просмотров • 1 год назад

✨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

14,113 просмотров • 17 дней назад

这种数字人直播间的搭建成本不到500一个月你敢信？之前老刷到这种数字人直播，今天好奇去问了朋友到底怎么搞的，结果这门槛低到让我有点惊讶。现在已经可以做到“半无人”实时驱动了：真人只需要坐在镜头前，系统拉取摄像头，靠本地音频就能实时驱动口型，主播全程不用开口说话不仅能正常加投流，重点是成本算下来竟然不到500 这下业内真不用再担心主播跳槽或者跑路了 AI确实在不知不觉中改变了很多行业的玩法……

这种数字人直播间的搭建成本不到500一个月你敢信？之前老刷到这种数字人直播，今天好奇去问了朋友到底怎么搞的，结果这门槛低到让我有点惊讶。现在已经可以做到“半无人”实时驱动了：真人只需要坐在镜头前，系统拉取摄像头，靠本地音频就能实时驱动口型，主播全程不用开口说话不仅能正常加投流，重点是成本算下来竟然不到500 这下业内真不用再担心主播跳槽或者跑路了 AI确实在不知不觉中改变了很多行业的玩法……

莫森 | 破局哥

35,681 просмотров • 4 месяцев назад

在学习机器学习时，网上大部分教程只讲概念，又或者直接上代码，让我们很难真正理解算法背后的原理。今天在 GitHub 上发现 Machine Learning Visualized 开源项目，非常不错，它用可视化方式带我们深入了解每个算法的工作原理。那些复杂的机器学习算法被拆解成直观的可视化过程，并结合完整的数学推导和交互式界面，让我们清晰地看到算法在训练过程中权重的变化。 GitHub：主要内容： - 神经网络、逻辑回归、感知器等核心算法的完整实现 - 每个算法都有详细的数学推导过程，从第一性原理开始讲解 - 交互式 Marimo 笔记本，可以实时调整参数观察效果 - 训练过程可视化，直观展示算法收敛到最优权重的过程 - 涵盖 PCA、K-means 聚类、梯度下降等多种算法项目基于 Jupyter Book 构建，可在线浏览学习，也可以通过 Docker 本地一键部署，即可使用。

在学习机器学习时，网上大部分教程只讲概念，又或者直接上代码，让我们很难真正理解算法背后的原理。今天在 GitHub 上发现 Machine Learning Visualized 开源项目，非常不错，它用可视化方式带我们深入了解每个算法的工作原理。那些复杂的机器学习算法被拆解成直观的可视化过程，并结合完整的数学推导和交互式界面，让我们清晰地看到算法在训练过程中权重的变化。 GitHub：主要内容： - 神经网络、逻辑回归、感知器等核心算法的完整实现 - 每个算法都有详细的数学推导过程，从第一性原理开始讲解 - 交互式 Marimo 笔记本，可以实时调整参数观察效果 - 训练过程可视化，直观展示算法收敛到最优权重的过程 - 涵盖 PCA、K-means 聚类、梯度下降等多种算法项目基于 Jupyter Book 构建，可在线浏览学习，也可以通过 Docker 本地一键部署，即可使用。

GitHubDaily

36,765 просмотров • 1 год назад

字节跳动终于开源了一个好东西 LatentSync：精准的唇形同步工具可以根据音频输入，自动调整视频中角色的嘴型，实现精准的口型同步。直接用声音驱动嘴巴的动作，不需要复杂的中间步骤。提出了一种“时间对齐”的技术，专门解决画面可能会跳动或不一致的问题。左：原视频，右：口型同步后提供了全套工具，可以轻松处理视频和音频，比如调整帧数、检测人脸、去除质量差的视频，保证最终生成的视频效果很好。

字节跳动终于开源了一个好东西 LatentSync：精准的唇形同步工具可以根据音频输入，自动调整视频中角色的嘴型，实现精准的口型同步。直接用声音驱动嘴巴的动作，不需要复杂的中间步骤。提出了一种“时间对齐”的技术，专门解决画面可能会跳动或不一致的问题。左：原视频，右：口型同步后提供了全套工具，可以轻松处理视频和音频，比如调整帧数、检测人脸、去除质量差的视频，保证最终生成的视频效果很好。

小互

81,030 просмотров • 1 год назад

3D mapping还是很有意思的！！不需要专业设备，一个iphone（ipad）接上一个普通投影仪，就可以搞定酷炫的投影映射。

3D mapping还是很有意思的！！不需要专业设备，一个iphone（ipad）接上一个普通投影仪，就可以搞定酷炫的投影映射。

沐阳

192,296 просмотров • 1 месяц назад

学了十年 Blender 的人，今天都沉默了。有位开发者开源了个工具，能把任意一张照片变成一个可以走进去的 3D 世界。而且带有物理碰撞的网格、环境背景 splat、循环音效，全套。只需要 5 分钟出结果。它叫 image-blaster。 - 动态物体自动生成 3D 模型，静态场景生成 Gaussian splat - 支持直接嵌进 Unity、Unreal、Godot，或 Blender、Three.js - 底层调了 World Labs、Hunyuan 3D、ElevenLabs，不用手动拼工具链 GitHub：游戏关卡原型、建筑渲染、机器人训练环境，有图就能跑。

学了十年 Blender 的人，今天都沉默了。有位开发者开源了个工具，能把任意一张照片变成一个可以走进去的 3D 世界。而且带有物理碰撞的网格、环境背景 splat、循环音效，全套。只需要 5 分钟出结果。它叫 image-blaster。 - 动态物体自动生成 3D 模型，静态场景生成 Gaussian splat - 支持直接嵌进 Unity、Unreal、Godot，或 Blender、Three.js - 底层调了 World Labs、Hunyuan 3D、ElevenLabs，不用手动拼工具链 GitHub：游戏关卡原型、建筑渲染、机器人训练环境，有图就能跑。

高军

38,128 просмотров • 1 месяц назад

卧槽，答案终于揭晓了！那个在open router上持续霸榜的神秘模型，是阿里推出的全新大模型“蚂蚁百灵”！今天我们来深度聊一聊这个模型。用过AI来完成前端开发的朋友肯定懂：要让AI做出想要的UI总是要找参考，再不然就是要依赖设计 skill 的帮助。但这种界面一旦看多了，就会陷入审美疲劳。原因在于不管你是对标UI还是使用skill，结果都是被限定在固有的生成范围内。最近小灰测了新模型 Ling-2.6-1T （由蚂蚁集团 Ant Ling 开发），发现它刚好就能打破这个限制。它生成的页面不仅审美极度在线，而且自带高质量的交互效果，做出来的东西终于不再是干巴巴的呆板网页了。但用它有个必须要避开的坑：Ling 2.6 1T 默认是没有深度思考模式的。它在计算资源分配上极其克制，如果你偷懒丢一句"给我写个好看的界面"，那么它大概率会给你一个准确但极其敷衍的结果。(视频1) 那么怎么取巧使用它？小灰分享一个能逼出它真实设计水平的实操工作流：把它当成主规划师，先拆解风格，再写代码。跟它对话时，你可以直接下这种指令： 1. 强制思考：先别急着写代码！帮我分析这个产品的定位，明确它的视觉情绪、色彩规范和排版布局，把思路列出来。（比如明确告诉它你要包豪斯风格或者北欧风）。 2. 落地执行：等它把设计语言梳理清楚，你确认没问题了，再让它基于这套标准去生成具体的 TailwindCSS 样式和前端页面。用这种先 Plan 后做的方式，出来的页面不仅美观，而且风格极其统一。（视频2）目前在Openrouter中可以免费体验该模型。选对工具打破模板限制，用高审美的模型直接拔高视觉质感，能帮我们省下大把死磕 CSS 的时间。期待大家都能快速做出让人眼前一亮的作品！

卧槽，答案终于揭晓了！那个在open router上持续霸榜的神秘模型，是阿里推出的全新大模型“蚂蚁百灵”！今天我们来深度聊一聊这个模型。用过AI来完成前端开发的朋友肯定懂：要让AI做出想要的UI总是要找参考，再不然就是要依赖设计 skill 的帮助。但这种界面一旦看多了，就会陷入审美疲劳。原因在于不管你是对标UI还是使用skill，结果都是被限定在固有的生成范围内。最近小灰测了新模型 Ling-2.6-1T （由蚂蚁集团 Ant Ling 开发），发现它刚好就能打破这个限制。它生成的页面不仅审美极度在线，而且自带高质量的交互效果，做出来的东西终于不再是干巴巴的呆板网页了。但用它有个必须要避开的坑：Ling 2.6 1T 默认是没有深度思考模式的。它在计算资源分配上极其克制，如果你偷懒丢一句"给我写个好看的界面"，那么它大概率会给你一个准确但极其敷衍的结果。(视频1) 那么怎么取巧使用它？小灰分享一个能逼出它真实设计水平的实操工作流：把它当成主规划师，先拆解风格，再写代码。跟它对话时，你可以直接下这种指令： 1. 强制思考：先别急着写代码！帮我分析这个产品的定位，明确它的视觉情绪、色彩规范和排版布局，把思路列出来。（比如明确告诉它你要包豪斯风格或者北欧风）。 2. 落地执行：等它把设计语言梳理清楚，你确认没问题了，再让它基于这套标准去生成具体的 TailwindCSS 样式和前端页面。用这种先 Plan 后做的方式，出来的页面不仅美观，而且风格极其统一。（视频2）目前在Openrouter中可以免费体验该模型。选对工具打破模板限制，用高审美的模型直接拔高视觉质感，能帮我们省下大把死磕 CSS 的时间。期待大家都能快速做出让人眼前一亮的作品！

程序员小灰

15,021 просмотров • 2 месяцев назад

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 просмотров • 2 лет назад

什么扼杀了数据可视化设计创新 #设计入门交互式数据可视化是艺术、设计、技术和数据的结合。作者是专家，她列举了这个领域缺乏创新原因，比如： - 手机用户喜欢简单、易于消化的信息 - 用户喜欢普通的柱状图、曲线图这两条算设计领域的普适标准，尤其第二条。虽然设计师竭尽所能增加动效、动画…各种视觉刺激，但天天被刺激就无感了，一般人只想快速获取信息，而不是欣赏复杂的、炫技的设计

什么扼杀了数据可视化设计创新 #设计入门交互式数据可视化是艺术、设计、技术和数据的结合。作者是专家，她列举了这个领域缺乏创新原因，比如： - 手机用户喜欢简单、易于消化的信息 - 用户喜欢普通的柱状图、曲线图这两条算设计领域的普适标准，尤其第二条。虽然设计师竭尽所能增加动效、动画…各种视觉刺激，但天天被刺激就无感了，一般人只想快速获取信息，而不是欣赏复杂的、炫技的设计

倪爽

41,663 просмотров • 1 год назад