➡️

继续阅读

  1. RAIL：从人类认知能力视角重新审视大型音频语言模型的听觉智能
    现有音频评测大多按“语音、环境声音、音乐”等输入类型，或“转写、分类、问答”等任务组织。这些分类便于比较模型在具体任务上的表现，却难以说明任务背后的能力需...
  2. Android端WebRTC实时美颜落地：从崩溃到高低配机型兼容
    项目背景：安卓WebRTC推流系统，链路为「安卓Camera2采集 → LiveKit SFU服务 → 浏览器播放」。需要增加实时美颜，同时要兼顾低端老手...
  3. GNOME 的全新本地/云端 AI 聊天应用新增更多功能
    过去几个月，基于 GTK4 和 libadwaita 构建的、兼容 GNOME 的 AI 聊天应用 Moose逐渐面世。它最初是一款适用于 GNOME 桌...
  4. AI 降噪：端侧实时语音降噪与视频降噪
    本文处理常见的刚需——降噪。通话里的键盘声、直播里的风扇声、低光视频的噪点，都是信号淹没在噪声里。端侧降噪的难点是实时性：音频一帧 20ms 内要出结果，...
  5. Kotoba 的语音 AI 现已在 fal 上线！
    日本语音AI公司Kotoba的语音技术已在生成式媒体平台fal上线，开发者可直接调用三项能力：针对日语及东亚语言调优的语音识别、支持流式输出的日语语音合成...
  6. 实测 Lovart 2.0 ，设计 AI 进入个人助理时代
    Lovart 2.0 推出个人设计 Agent“Arti”，针对 AI 生成之外的记忆、调研、协作与改稿痛点：可建立个人记忆库、主动调研并生成报告、后台巡...
👤 个人中心
在公众号发送验证码完成验证