Spark-ASR-2.0语音识别能力更新
原帖介绍Spark-ASR-2.0在中英混说、方言、专业术语、噪声和快语速场景下的识别改进,并称其可结合历史上下文判断易错词、整理口语及规范标点和数字,后续将接入输入法和API。
查看解读 ↗浏览项目、工具与赚钱机会的公开短导读。
共 712 条导读 · 第 10 / 30 页
原帖介绍Spark-ASR-2.0在中英混说、方言、专业术语、噪声和快语速场景下的识别改进,并称其可结合历史上下文判断易错词、整理口语及规范标点和数字,后续将接入输入法和API。
查看解读 ↗原帖介绍Seedance 2.5 API的Draft模式:先生成480P样片,确认构图、动作、对白及运镜后,再依据样片参数生成1080P成片。文中称特定抽卡条件下可降低成本并提升生成速度。
查看解读 ↗原帖整理杭州一则前向部署负责人招聘信息,标示月薪8万至11万元、16薪,对应年薪约128万至176万元;岗位要求5至10年经验,负责AI解决方案、生产系统、Agent编排和评估体系等工作。
查看解读 ↗原帖介绍 MiMo-V2.6 Pro 和 Flash 两款全模态模型,整理网页开发、软件工程及电脑操作等公开成绩,同时列出API输入输出价格、开放权重许可和多个使用入口。
查看解读 ↗原帖整理银发经济规模及一家文教企业的AI教学投入,涉及声音样本、测评算法、用户画像、日均词元消耗和服务用户数量,并指出方言识别、测评体系与专家标注可能构成垂直服务门槛。
查看解读 ↗原帖仅宣布 Hy Image3.5 preview 发布,并称其面向专业创作、强调较高性价比。现有正文没有提供模型能力、价格、使用入口、测试表现或适用场景等进一步信息。
查看解读 ↗原帖转述保险人用AI把几十页计划书提炼成一页图,面谈前模拟客户、面谈后整理跟进清单;自制的“计划书提取器”引来同事询问。将行业流程包装为工具售卖是作者建议,正文没有成交或报价。
原帖引用Indeed数据,FDE相关岗位从2025年4月643个增至2026年4月5330个,并列出字节月薪3.5万—7万元、15薪及蚂蚁4万—6万元的样本;同时提醒部分岗位只是实施岗更名。
原帖转述闲鱼AI服务案例:封面图15元一单、每天五六单,入门PDF售价19.9元、售出400多份,小程序报价3000元起。作者称建站订单同比增长17倍,但卖家月均成交额为897元。
原帖转述一名博主8月独自交付4个智能体项目,总收入12万元。发帖者另建议从细分需求尝试接单,但没有展开这4个项目的实际类型、获客方式与成本。
Jev面向开发者,通过API回答是非题和多选题,输出结构化结果与置信度。原帖转述公司工单分类演示:耗时2.3秒、约0.1美分,对照聊天模型约20秒;产品处于早期试用,未披露付费客户。
据原帖介绍,Qwen-Image-2.1将生成、编辑和透明图处理整合进同一模型,最多支持10张参考图;商业用途需另行取得授权。
原帖转述Fable 5.2灰测及网友对新模型的体验,举出一小时制作游戏克隆版的说法,并建议用于外包交付,未提供实际订单。
原帖转述信通院与中国政法大学的智能体治理报告,称70%的组织给予智能体超出同等员工的权限,80%报告过超预期行为。
原帖称WorkBuddy接入设计Agent Miora,可在十几分钟内生成Logo、名片等品牌物料;两三百一单是作者建议,并非成交记录。
原帖介绍以宠物和主人为固定角色持续更新剧情,称多条内容点赞过万,并建议满足平台条件后通过官方商单渠道承接合作。
Sowii通过99元玩偶盲盒让用户领养数字角色“秃秃”,以日常互动提供陪伴。原帖称上线不到三个月流水超千万,并与M Stand合作。
原帖称ChatGPT于9月17日推出Word官方插件,可在文档侧栏直接改稿并保留格式,覆盖免费账号;另预告2026年10月1日起在工作区默认开启。
原帖介绍Jev用于消息分类等结构化判断,引用的报价为每百万输入token 0.042美元、输出免费;客服部署与维护收费是作者提出的机会。
原帖转述一人用AI花3天制作儿童动画绘本平台StoryComet,支持5种语言,在X收集反馈并接入Stripe;付费设计为前3本免费、其余12本解锁。
原帖介绍Qwen3.8-Omni-Flash支持四种输入和100万Token上下文,官方称音频输入估算成本下降超过98%,通过阿里云百炼提供服务。
原帖称中国电信9月17日发布Xing4.0-29B-A4B,总参数29B、激活参数4B;据介绍,4-bit量化后显存占用为15GB。
9月18日周报预告第12期行动营于9月22日晚8点开营,并介绍内容投币激励机制:用户投币将成为精华评审的核心参考指标。
原帖介绍一款Obsidian AI增强插件,年费99元,主打将书籍、视频和文档变成可复用知识;称核心款已售374份、全店销量超500份。