BriefGPT - AI 论文速递 ·

SCANet: 自我和交叉注意网络用于音视频语音分离

💡 原文中文，约200字，阅读约需1分钟。

📝

内容提要

该研究提出了一种基于多模态注意力的音视频语音识别方法，使用了最先进的Seq2seq架构，相对于单独的音频模态获得了2%到36%的提高。该方法在不同信噪比下，无论是清洁还是嘈杂的条件下，都能获得更好的识别性能，并可推广到其他多模态任务中。

🏷️

【音视频】剪辑 SDK（裁剪/旋转/变速）
本文介绍移动端视频剪辑SDK的开发，聚焦裁剪、旋转、变速三大核心能力。通过时间轴模型实现帧级精准操作，iOS端用AVAssetReader/Writer支...
PD 分离详解：Prefill 与 Decode 的瓶颈、拆分与代价
PD分离将LLM推理的Prefill（计算密集）与Decode（显存带宽密集）阶段拆分至独立资源池，以隔离干扰、优化TTFT和ITL，并允许按需配置硬件。...
面向政府与企业的主动网络防御
谷歌推出Fairwind计划，为政府及关键基础设施伙伴提供先进AI网络防御能力。该计划结合Gemini 3.8 Flash Cyber模型与CodeMen...
面向政府与企业的主动网络防御
谷歌推出Fairwind计划，向政府、关键基础设施运营商及核心技术平台等可信防御者提供先进Gemini 3.8 Flash Cyber模型和CodeMen...
别再使用IndexedDB，大文件读写就用OPFS
OPFS（源私有文件系统）是Web本地存储方案，比IndexedDB更简单高效，适合缓存大文件如中文字体。通过案例展示首次请求后本地持久化，实现秒开。OP...
Vol. 173 苹果换帅，Claude 5.1 发布，GLM 低价偷家，英伟达要买 Hugging Face 等
本期播客回顾科技界重大动态：苹果CEO换帅，John Ternus接任；AI领域Fable 5.1发布，GLM-5.3-Flash以高性价比引发关注；英伟...