最新

ownscribe 是一个基于 Python 的开源命令行工具，用于在本地对会议进行转录、总结和搜索。 作为一个讨厌记笔记，但又容易忘记事情的人，我发现自动转录和总结会议的想法很棒。 然而，现有的所有工具都将所有内容存储在他们的服务器上，无法处理所有类型的会议，而且每月花费 30 美元或更多。 我想要一个可以在本地运行并使用非常简单格式（如 .md）的工具，以便与我的其他工作流程集成——但没有这样的工具。这就是为什么我在过去几个月里开始构建 ownscribe 并不断改进它的原因。它最初只是一个用于转录和总结的工具，现在甚至允许您使用自然语言（和本地 LLM）搜索过去的会议。 目前，它主要针对 macOS 进行了优化（尽管 Linux 应该也能部分运行）。我很乐意收到更多关于如何使其更有用的反馈！

过去几年，我一直沉迷于一个副业项目，致力于为桌面端构建一款人性化的 3D 建模软件。 所谓“人性化”，指的是这款工具不会妨碍用户，而不是要求用户在能够有效建模之前，既要学习复杂的 UX 界面，又要学习复杂的理论基础。它的 GUI 界面简洁明了，建模功能仅限于那些对用户来说直观易懂的操作。这与大多数 CAD 软件形成了鲜明对比，后者往往将技术复杂性放在首位。在这里，这种层级关系被刻意颠倒了。 目前该软件仍处于 Alpha 阶段，但其功能已经足够成熟，可以接受反馈和进行实验。 从理念上来说，TinkerCAD 与这款软件最为接近，但由于 Autodesk 的策略或技术限制，它无法成为一款超越一定复杂度的优秀工具。 最终的目标是提供一款具有与搭建乐高积木相同的直观能力的工具，同时又不牺牲工程质量。 主要目的是使基于拉伸的建模操作变得超级简单，提供强大的 STL 和 STEP 导入功能，并通过布尔运算实现复杂的建模。 建模逻辑是参数化和基于体积的——表面呈现始终是一个离散的、水密三角网格。 这与传统的 CAD/CAM 软件包——或 Blender 等视觉编辑器——有着最清晰的哲学差异。与其强迫用户在每个阶段都处理表面拓扑，这款建模软件只允许那些能产生正确输出的操作。 这不是一个 SDF（有符号距离场）建模器。其领域模型完全基于参数化解析形状。这意味着镶嵌效果清晰而具体。 建模数据是不可变的，并在建模过程中序列化到磁盘。对于用户来说，这提供了完美的撤销功能和零数据丢失。 它首先是为效率而构建的——我的测试主力机是一台 Thinkpad T14 Gen 2 i5，配备集成 GPU。 它不应该取代 Fusion 360 等复杂的曲面设计工具，或 Nomad Sculpt 或 Z Brush 等雕刻软件。 您可以在下面链接的 YouTube 播放列表中找到当前功能的评论 [0]，以及从主页下载最新 Alpha 0.1.7 版本的链接 [1]。测试二进制文件通过 github 发布 [2] 提供，但这不是一个开源项目。 我知道有些人讨厌看视频而不是阅读，我也是其中之一，但我确实没有精力同时开发功能和编写好的说明文案。 [0] <a href="https://www.youtube.com/playlist?list=PLCOf_M8a2MZJqgKXgjod2px0lYOngNfMh" rel="nofollow">https://www.youtube.com/playlist?list=PLCOf_M8a2MZJqgKXgjod2...</a> [1] <a href="https://adashape.com" rel="nofollow">https://adashape.com</a> [2] <a href="https://github.com/AdaShape/adashape-open-testing/releases/tag/adashape-alpha-0.1.7" rel="nofollow">https://github.com/AdaShape/adashape-open-testing/releases/t...</a>

我必须学习它。我不在谷歌或Hadoop公司工作。那么我该如何学习呢？我将感谢适当的指导。<p>关于这个主题有研究论文，但老实说，阅读研究论文会很费时间。<p>是否有合适的AI可以辅助阅读研究论文？

对新闻和机会感兴趣

嗨，HN！ 我们构建了 Clusterflock，旨在解决我们在管理跨分布式设置、不同 VRAM 和 RAM 限制以及需要轻松试用新模型时遇到的难题。 虽然侧重于基础设施（我们专门为网络硬件构建了它），但它确实附带了一个强大的任务运行器（或编排器），该运行器是多会话和异步的。 以下是它的最佳功能： 硬件感知自动下载：它会分析您的网络硬件，并自动下载最适合您特定设置的模型（目前仅来自 HuggingFace）。 紧密打包：通过 llama.cpp 实现原生并行，您可以让它在同一设备上容纳多个较小的模型。 它是完全开源的。我们希望找到一种轻松部署智能体集群的方法，希望您也会觉得它有用。 网站：<a href="https:&#x2F;&#x2F;clusterflock.net" rel="nofollow">https:&#x2F;&#x2F;clusterflock.net</a> 欢迎提出反馈意见。非常期待您的支持。

昨天读了一篇文章，说 H.264 编解码器的授权费涨得离谱。<p>我一如既往地首先想到，开发一个效率能与之媲美的编解码器，难度究竟有多大？<p>我个人一直在努力提高自己“一击即中”复杂功能、产品，甚至是进行微创手术式修改的能力。这样做已经有几个月了，说实话，无论是工作还是工作与生活的平衡，效果都很棒。<p>这次实验很有意思。虽然烧了不少 token，但它帮助我发现了可以改进“一击即中”的 agent 团队/swarm 的地方，特别是在简洁性和创建测试标准方面，尤其是在我之前不熟悉的领域。<p>最终，我没有达到预期的压缩效果，但看到 swarm 们自己讨论这个问题也很有趣。