最新

我有一种感觉，通用人工智能（AGI）将会在某个人的地下室里实现。<p>你有什么想法吗？

大多数GEO/AEO工具仅停留在AI可见性层面，而Rankly更进一步，我们跟踪整个AI可见性漏斗，从提及到转化。随着品牌开始出现在大型语言模型（LLM）的结果中，下一个问题不再是可见性，而是流量质量和转化率。Rankly为高意图的LLM流量构建动态的数据驱动旅程。

嗨，HN， 我看到了一条推文：“听我说：X，但它只支持语音消息（带有AI转录）”——这让我一直在思考。 于是我构建了VoxConvo。 为什么会有这个平台： AI生成的内容正在淹没社交媒体。ChatGPT的回复、机器人线程、到处都是AI的杂乱信息。 当你听到某人的真实声音时：他们的语调、犹豫、兴奋——你知道这是真实的。这种真实性正是我们所失去的。 所以我建立了一个简单的平台，语音是唯一的选择。 使用体验： 每个帖子都是语音加转录，并带有逐字时间戳： 阅读模式：像正常文本一样浏览转录；或听模式：点击播放，单词实时高亮。 你可以感受到语音的情感，同时又能像文本一样快速浏览。 主要功能： - 语音短片 - 实时转录 - 可视化语音编辑——点击转录中的一个单词可以删除该音频片段，以去除填充词、错误和停顿 - 逐字时间戳同步 - 不生成LLM内容 技术细节： 后端运行在Mac Mini M1上： - TypeGraphQL + Apollo Server - MongoDB + Atlas Search（社区版Mongo + mongot） - Redis发布/订阅用于GraphQL订阅 - Docker容器化，随时准备扩展 转录： - VOSK实时gigaspeech模型大约占用7GB内存 - WebSocket流用于实时部分结果 - 逐字时间戳提取和标点模型 存储： - 音频文件存储在AWS S3上 - 其他所有内容都在本地 为什么选择Mac Mini作为MVP？先验证需求，再考虑扩展。架构已容器化，随时可以迁移。但我宁愿在千兆光纤上证明需求，而不是浪费云预算。

大多数情况下，我希望查看完整的分支列表，而不是通过某些标准过滤后的子集。我发现 GitHub 默认的过滤视图更像是一个障碍，而不是帮助。由于 GitHub 并没有提供内置选项来更改这种默认行为，我创建了这个扩展程序，以便自动重定向到“所有分支”视图。 我个人已经使用这个扩展程序一段时间，以简化我的日常工作流程。最终，我将其扩展到支持 Azure DevOps，并决定将其公开提供给其他可能有相同偏好的开发者。 <a href="https://jurakovic.github.io/view-all-branches/" rel="nofollow">https://jurakovic.github.io/view-all-branches/</a>