最新

这看起来可能只是另一个健身应用，但我过去几周的实际使用体验至少让我的家庭锻炼变得更加有趣，也为健身房的锻炼增添了一些额外的乐趣。你可以在不注册的情况下试用，欢迎提供任何反馈。

我正在构建一个系统，以便在设备上（移动设备、物联网设备、本地服务器）运行小型大语言模型（LLM），非常希望听听其他人是如何应对这些挑战的。 背景： 用例：离线聊天机器人、智能摄像头、本地数据隐私 模型：7-13亿参数的量化模型（例如 Llama 2、Vicuna） 限制：有限的内存/闪存，仅支持 CPU 或小型 GPU，间歇性连接 问题： 你们使用了哪些运行时或框架（ONNX Runtime、TVM、自定义 C++）？ 在内存紧张的情况下，你们如何处理模型加载、驱逐和批处理？ 有没有什么巧妙的技巧用于量化、剪枝或内核融合，以提升性能？ 你们如何在现场安全地监控和更新模型？ 期待你们的基准测试、经验分享和代码指引！

销售团队常常面临对通话内容的可见性有限，仅能手动审核5-10%的通话记录，这导致了许多商机的错失。我们开发了一款基于人工智能的语音分析工具，能够对100%的通话进行转录、索引和分析，将其转化为可操作的洞察。在一个案例中，这帮助一家SaaS客户在12个月内实现了120%的销售增长。 工具功能概述 我们的目标是提供非侵入式、自动化的质量保证，能够大规模应用。其主要功能包括： - 100%通话转录：使用自动语音识别（ASR）技术进行准确、快速的转录。 - 可搜索数据库：索引后的转录文本，便于关键词和短语的跟踪。 - 可定制报告：自动生成的经理报告，按代理或团队分组。 - CRM集成：将数据同步到Salesforce和Zoho等工具。 局限性：目前缺乏实时警报、情感分析和情绪评分（计划在未来更新中添加）。 架构概述 - 音频捕获：集成VoIP或手动上传。 - ASR管道：通过基于云的语音转文本技术转录通话。 - 转录索引：使用ElasticSearch高效存储和检索数据。 - 关键词匹配：标记重要术语，如定价或行动号召（CTA）。 - 报告：自动生成每周总结。 实际影响 一位SaaS客户实现了： - 12个月内销售增长120%。 - 通过识别高效模式，成交率提高35%。 - 由于信息传递一致，销售周期缩短5天。 - 通过更好的异议处理，客户流失率从15%降至6%。 这一切是在不扩展团队的情况下实现的——仅仅是利用数据的力量。 挑战与经验教训 - 关键词规则：过度标记术语导致警报疲劳，因此我们为每个客户定制关键词集。 - ASR模型问题：通过为嘈杂输入添加预过滤和备用模型来解决。 - CRM集成：构建中间件以适应不同客户的CRM结构。 - 经理过载：简化报告，突出主要偏差，避免信息过载。 下一步：未来计划 - 趋势检测：分析关键词随时间的频率变化。 - 对话模板：自动标记通话（介绍、演示、定价）。 - 通话质量评分：识别音频质量差或对话不完整的情况。 关键要点 - 专注基础：转录 + 搜索 + 简单标记带来巨大价值。 - 人工参与：洞察在实时可操作时最有用。 - 可扩展性 = 简单性：专注且简单的解决方案能带来更好的结果。 - 数据 ≠ 洞察：报告需要经过整理并对管理者可操作。 结论 人工智能是销售团队的强大工具，但成功在于将原始数据转化为可操作的洞察。通过构建可扩展的系统并避免复杂性，我们能够实现真正的业务增长——这种方法在各个行业中都具有适应性。

你好，HN，这是我在开始这段编码旅程以来的第一个“完成”项目。<p>Vern 是一种静态类型的脚本语言，虽然还有很多不完善之处。<p>你可以在这里试用它：<a href="https://vern.cal31.dev" rel="nofollow">https://vern.cal31.dev</a><p>你可以在这里找到源代码和一些文档：<a href="https://github.com/cal31/vern-lang">https://github.com/cal31/vern-lang</a>