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.

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

25,604 subscribers

19,422 Aufrufe • vor 3 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

发现一个免费开源的大屏制作工具，在GitHub 已斩获 2.4w+star 数据来源支持数据库直连、API、Excel，直接选表、关联多个表，还能用计算公式生成新的数据列图表拖拽组合，样式可以随便调，做出来的大屏生成分享链接自带大量现成模板，换一下数据集就能直接复用，不用从零设计想开放到公网访问，建个网站绑好域名就行对经常要给客户或老板做数据展示的人来说挺实用的

发现一个免费开源的大屏制作工具，在GitHub 已斩获 2.4w+star 数据来源支持数据库直连、API、Excel，直接选表、关联多个表，还能用计算公式生成新的数据列图表拖拽组合，样式可以随便调，做出来的大屏生成分享链接自带大量现成模板，换一下数据集就能直接复用，不用从零设计想开放到公网访问，建个网站绑好域名就行对经常要给客户或老板做数据展示的人来说挺实用的

阿西_出海

21,444 Aufrufe • vor 18 Tagen

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 Aufrufe • vor 1 Jahr

发现一个适合一人公司的开源神器—MetaGPT，在 GitHub已斩获 6.9w+star 你只需一句话提需求，它就会自动拆解任务产品经理完善需求、架构师设计结构、项目经理统筹安排、工程师负责出代码、QA给出测试用例，整个研发团队的活全包了过去需要一个团队花几天甚至几周的开发工作，现在一个人就能快速搞定

发现一个适合一人公司的开源神器—MetaGPT，在 GitHub已斩获 6.9w+star 你只需一句话提需求，它就会自动拆解任务产品经理完善需求、架构师设计结构、项目经理统筹安排、工程师负责出代码、QA给出测试用例，整个研发团队的活全包了过去需要一个团队花几天甚至几周的开发工作，现在一个人就能快速搞定

阿西_出海

16,617 Aufrufe • vor 2 Monaten

「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

35,427 Aufrufe • vor 5 Monaten

你相信吗？模特行业已肉眼可见地消失了这个甜酷风连续换装视频不是真人表演不需要摄影灯光化妆师不需要几万元的高额费用预算只要一台手机就能免费搞定一行提示词就可以生成 seedance prompt 视频提示词如下⬇️ 主页还有更多提示词

你相信吗？模特行业已肉眼可见地消失了这个甜酷风连续换装视频不是真人表演不需要摄影灯光化妆师不需要几万元的高额费用预算只要一台手机就能免费搞定一行提示词就可以生成 seedance prompt 视频提示词如下⬇️ 主页还有更多提示词

PixelAIGC

36,058 Aufrufe • vor 2 Monaten

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

26,697 Aufrufe • vor 5 Monaten

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

55,207 Aufrufe • vor 3 Monaten

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

297,350 Aufrufe • vor 4 Monaten

有人靠金融市场模拟，在链上赚了 $400,000 而且用到的整套工具，都是 GitHub 开源能看到的钱包在这，自己点开看：他们做的不是 crypto 原生叙事而是拿 Russell 2000、Dow Jones、SPX、Apple、Google 这些传统金融标的来做 Polymarket 交易问题也很现实：这些数据平时都在大型中心化交易所里。你怎么拿？拿到之后又怎么处理，才能真的变成可交易模型？这套公开出来的技术栈，大概是这样： 1）Financial Datasets MCP Server 给任意 ticker、任意时间周期提供价格数据解析。核心卖点就是：免费真实数据。 GitHub： 2）MiroThinker 一个偏深度研究和预测的 agent。据说在 BrowseComp benchmark 上做到 88.2。特点是：长周期推理先验证再下结论步骤级 + 全局级校验单任务最多可调用 300 次工具它的作用不是直接下单。而是先通过 MCP Server 拉数据，把研究、清洗、验证这些环节跑完，最后整理成可以直接用于模拟的数据集。 GitHub： 3）MiroFish simulation system 把前面准备好的数据丢进去，再设定模拟参数，就可以开始跑价格行为模拟。本质上，它卖的不是一个指标。而是一种更接近“矩阵视角”的东西：价格在不同条件下会怎么动哪些路径更常见哪些定价其实偏离了历史结构整个流程串起来就是：拉传统金融历史数据 → 用 agent 做研究和数据整理 → 把数据送进模拟系统 → 再拿结果去打 Polymarket 上的相关市场这种玩法最值得看的，不是“开源”两个字而是它说明了一件事： Polymarket 上很多看起来像事件交易的东西，背后其实已经在被人用传统金融数据 + agent 研究 + simulation当成量化问题来做。你觉得这种 edge 的核心，更像是数据获取能力，agent 研究能力，还是最后那层 simulation 对市场行为的还原能力？

有人靠金融市场模拟，在链上赚了 $400,000 而且用到的整套工具，都是 GitHub 开源能看到的钱包在这，自己点开看：他们做的不是 crypto 原生叙事而是拿 Russell 2000、Dow Jones、SPX、Apple、Google 这些传统金融标的来做 Polymarket 交易问题也很现实：这些数据平时都在大型中心化交易所里。你怎么拿？拿到之后又怎么处理，才能真的变成可交易模型？这套公开出来的技术栈，大概是这样： 1）Financial Datasets MCP Server 给任意 ticker、任意时间周期提供价格数据解析。核心卖点就是：免费真实数据。 GitHub： 2）MiroThinker 一个偏深度研究和预测的 agent。据说在 BrowseComp benchmark 上做到 88.2。特点是：长周期推理先验证再下结论步骤级 + 全局级校验单任务最多可调用 300 次工具它的作用不是直接下单。而是先通过 MCP Server 拉数据，把研究、清洗、验证这些环节跑完，最后整理成可以直接用于模拟的数据集。 GitHub： 3）MiroFish simulation system 把前面准备好的数据丢进去，再设定模拟参数，就可以开始跑价格行为模拟。本质上，它卖的不是一个指标。而是一种更接近“矩阵视角”的东西：价格在不同条件下会怎么动哪些路径更常见哪些定价其实偏离了历史结构整个流程串起来就是：拉传统金融历史数据 → 用 agent 做研究和数据整理 → 把数据送进模拟系统 → 再拿结果去打 Polymarket 上的相关市场这种玩法最值得看的，不是“开源”两个字而是它说明了一件事： Polymarket 上很多看起来像事件交易的东西，背后其实已经在被人用传统金融数据 + agent 研究 + simulation当成量化问题来做。你觉得这种 edge 的核心，更像是数据获取能力，agent 研究能力，还是最后那层 simulation 对市场行为的还原能力？

0x_Miko

23,844 Aufrufe • vor 6 Monaten

Atria Dawn Preview：上海 AI 实验室与多所高校联合开源的模型面向科研工作者、开发者和专业知识工作者的智能体模型，给它一个研究问题、一段代码或者一份数据，它能够自己查找资料、调用各种工具并运行测试，最后直接交出可以使用的成果。比如写出有据可查的研究报告、跑通的软件程序、能够直接编辑的文档表格，甚至可以做出 3D 机械零件模型和能玩的小游戏。我用Atria Dawn Preview做了GPT 6 Astra的经典案例3D模型飞机，效果非常不错，这个模型没有视觉能力，纯靠代码也能拼出非常精准且美观的飞机。Atria ASI 官网： API接入：模型：

Atria Dawn Preview：上海 AI 实验室与多所高校联合开源的模型面向科研工作者、开发者和专业知识工作者的智能体模型，给它一个研究问题、一段代码或者一份数据，它能够自己查找资料、调用各种工具并运行测试，最后直接交出可以使用的成果。比如写出有据可查的研究报告、跑通的软件程序、能够直接编辑的文档表格，甚至可以做出 3D 机械零件模型和能玩的小游戏。我用Atria Dawn Preview做了GPT 6 Astra的经典案例3D模型飞机，效果非常不错，这个模型没有视觉能力，纯靠代码也能拼出非常精准且美观的飞机。Atria ASI 官网： API接入：模型：

Gorden Sun

24,841 Aufrufe • vor 24 Tagen

✨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

14,299 Aufrufe • vor 3 Monaten

Anthropic 在 2026 年 9 月 17 日公布了一组进展：在两名技术人员监督下，Claude 用了不到四周时间，协助优化了 30 多个开源生物学模型，其中包括 AlphaFold3 和 Boltz-2，相关优化代码已经开源。这件事情吸引人的地方，在于它处理实际科研代码的具体过程，也就是从进入工程仓库、定位问题、修改代码，到最后一步步拿指标做检查。顺着这种科研工作流的思路，我最近试用了 ScienceBuddy。它是 PhAI Labs 推出的生物医学 Agent 工作台，我先用它跑了一个具体的文献梳理任务。我给出的提示词是整理近几年用机器学习预测 CRISPR-Cas9 脱靶活性的相关研究，主要看基因编辑在目标区域之外产生误切的情况。为了方便后续比对，我直接指定了输出结构，要求把研究任务、数据规模、主要发现、研究局限和 DOI 整理成规整的列。 ScienceBuddy 在当前任务窗口里生成了一张论文信息表格。不同研究使用的数据集、得出的结论以及原文入口被归纳在同一套字段下。这样的交互挺省事：输入的提示词、生成的表格以及后续的追问都停留在同一个工作界面，左侧列表也保留着历史任务记录，随时可以点回来继续补充条件。拿到了整理好的表格，我抽查了其中一行，点击 CRISMER 对应的 DOI 链接，跳转到了 bioRxiv 上的原始预印本摘要。表格里抓取的 CHANGE-seq 和 SITE-seq，确实是原文摘要里明确写出的训练数据；论文自身报告的 F1 值为 0.728、PR-AUC 值为 0.818，也逐字出现在摘要数据中，页面同时标有预印本提示。这里需要说明，这些准确率数值是 CRISMER 那篇论文自己的实验结果，并不是软件的性能数据。这次抽查做的事情很简单，就是顺着生成结果里的来源链接，确认关键字段能不能在原文里找到出处。在另一个关于 GEO 公开组学数据的任务中，我查看了它的运行轨迹（Trajectory）。界面上展示了 query_geo、fetch_source、query_pubmed 等工具调用节点，清晰记录了系统在推进任务时尝试发起的查询动作。关于底层的实现，项目方提到 ScienceIDE 是 ScienceBuddy 的底层技术框架，主要作用是把真实的科研代码封装成 Agent 可以执行、练习和验证的环境，并尝试通过科学标准来检查结果。面向普通用户日常使用的产品是 ScienceBuddy。整套体验下来，最直观的感受是ScienceBuddy 把文献线索集中整理成表，并在同一个任务流里继续追问，遇到关键数据也能够直接从引用中找到 DOI 回原文做核对。产品访问地址是 PhAI Labs 开发。我体验的时候 Preview 版本处于免费开放状态。如果平时需要梳理生物医学领域的论文脉络或收集开题证据，可以找一个具体课题试一试。

Anthropic 在 2026 年 9 月 17 日公布了一组进展：在两名技术人员监督下，Claude 用了不到四周时间，协助优化了 30 多个开源生物学模型，其中包括 AlphaFold3 和 Boltz-2，相关优化代码已经开源。这件事情吸引人的地方，在于它处理实际科研代码的具体过程，也就是从进入工程仓库、定位问题、修改代码，到最后一步步拿指标做检查。顺着这种科研工作流的思路，我最近试用了 ScienceBuddy。它是 PhAI Labs 推出的生物医学 Agent 工作台，我先用它跑了一个具体的文献梳理任务。我给出的提示词是整理近几年用机器学习预测 CRISPR-Cas9 脱靶活性的相关研究，主要看基因编辑在目标区域之外产生误切的情况。为了方便后续比对，我直接指定了输出结构，要求把研究任务、数据规模、主要发现、研究局限和 DOI 整理成规整的列。 ScienceBuddy 在当前任务窗口里生成了一张论文信息表格。不同研究使用的数据集、得出的结论以及原文入口被归纳在同一套字段下。这样的交互挺省事：输入的提示词、生成的表格以及后续的追问都停留在同一个工作界面，左侧列表也保留着历史任务记录，随时可以点回来继续补充条件。拿到了整理好的表格，我抽查了其中一行，点击 CRISMER 对应的 DOI 链接，跳转到了 bioRxiv 上的原始预印本摘要。表格里抓取的 CHANGE-seq 和 SITE-seq，确实是原文摘要里明确写出的训练数据；论文自身报告的 F1 值为 0.728、PR-AUC 值为 0.818，也逐字出现在摘要数据中，页面同时标有预印本提示。这里需要说明，这些准确率数值是 CRISMER 那篇论文自己的实验结果，并不是软件的性能数据。这次抽查做的事情很简单，就是顺着生成结果里的来源链接，确认关键字段能不能在原文里找到出处。在另一个关于 GEO 公开组学数据的任务中，我查看了它的运行轨迹（Trajectory）。界面上展示了 query_geo、fetch_source、query_pubmed 等工具调用节点，清晰记录了系统在推进任务时尝试发起的查询动作。关于底层的实现，项目方提到 ScienceIDE 是 ScienceBuddy 的底层技术框架，主要作用是把真实的科研代码封装成 Agent 可以执行、练习和验证的环境，并尝试通过科学标准来检查结果。面向普通用户日常使用的产品是 ScienceBuddy。整套体验下来，最直观的感受是ScienceBuddy 把文献线索集中整理成表，并在同一个任务流里继续追问，遇到关键数据也能够直接从引用中找到 DOI 回原文做核对。产品访问地址是 PhAI Labs 开发。我体验的时候 Preview 版本处于免费开放状态。如果平时需要梳理生物医学领域的论文脉络或收集开题证据，可以找一个具体课题试一试。

雪踏乌云

60,940 Aufrufe • vor 15 Tagen

别再买昂贵的显卡了，这个项目把手头闲置的手机、平板、电脑组成一个 AI 计算集群在GitHub 已斩获 4w+star 它把你所有设备的算力统一成一块虚拟 GPU，iPhone、iPad、Mac、树莓派，只要接在同一个局域网里就行不用手动配置，自动发现节点，p2p 直连，所有推理都在本地跑它会根据每台设备的实时性能和网络状况决定怎么切分模型，确保整体推理速度达到最优有人实测用 4 台 M3 Ultra Mac Studio 跑起了 DeepSeek v3.1 671B，支持 RDMA over Thunderbolt 5 之后多机延迟降了 99%

别再买昂贵的显卡了，这个项目把手头闲置的手机、平板、电脑组成一个 AI 计算集群在GitHub 已斩获 4w+star 它把你所有设备的算力统一成一块虚拟 GPU，iPhone、iPad、Mac、树莓派，只要接在同一个局域网里就行不用手动配置，自动发现节点，p2p 直连，所有推理都在本地跑它会根据每台设备的实时性能和网络状况决定怎么切分模型，确保整体推理速度达到最优有人实测用 4 台 M3 Ultra Mac Studio 跑起了 DeepSeek v3.1 671B，支持 RDMA over Thunderbolt 5 之后多机延迟降了 99%

阿西_出海

27,910 Aufrufe • vor 19 Tagen

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

37,034 Aufrufe • vor 1 Jahr

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

35,704 Aufrufe • vor 7 Monaten

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

124,482 Aufrufe • vor 2 Jahren

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

81,129 Aufrufe • vor 1 Jahr

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

38,882 Aufrufe • vor 4 Monaten

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

41,810 Aufrufe • vor 1 Jahr