➡️
继续阅读
-
摩尔线程打通主流视频编解码生态,加速国产GPU多媒体应用落地
摩尔线程为FFmpeg、PyNvVideoCodec、TorchCodec三个开源项目完成MUSA平台原生支持,覆盖视频编解码、硬件加速与转码,为多媒体处...
-
NCMMSC 2026 | DiTAR+:针对自回归扩散TTS模型的双重优化
西工大ASLP@NPU提出DiTAR+,针对连续表征自回归扩散语音合成中的长语音说话人漂移和复杂文本语义幻觉问题,设计扩张上下文采样(DCS)与分层声学掩...
-
Cloudflare Clef-omni:一个面向音频、视频、图像与文本的 30B-A3B 多模态决策模型
Cloudflare 发布开放权重决策模型 Clef-omni,基于 Qwen3-Omni 的 30B-A3B MoE,采用 Apache-2.0 许可,...
-
TII 发布 Falcon-ASR:1.6B 阿拉伯语语音模型实现 20.92% WER
阿布扎比TII发布Falcon-ASR,1.6B参数阿拉伯语语音识别模型,聚焦阿联酋方言,兼支持英语、法语、西语、葡语,共用一套权重并输出词级时间戳。TI...
-
智谱新模型,490 tokens/s!
智谱在Zcode中灰度上线GLM-5.3-Highspeed模型,实测速度达490 tokens/s,远超GLM-5.3-FlashX的200 token...
-
Koog(2) —— Koog Agent 的编程模型 - SharpCJ
本文介绍 Koog 编程模型:先以最小 Agent 示例说明如何创建 LLM Client 与 Model,再创建 AIAgent 并调用 run。Koo...