2作者: paberr大约 1 个月前原帖
ownscribe 是一个基于 Python 的开源命令行工具,用于在本地转录、总结和搜索会议记录。<p>作为一个讨厌记笔记但又容易忘事的人,我觉得自动转录和总结会议的想法非常不错。然而,现有的所有工具都将数据存储在他们的服务器上,无法适用于所有类型的会议,而且费用通常在每月 30 美元或更高。<p>我想要一个只在本地运行的工具,并使用非常简单的格式(如 .md)来与我的其他工作流程集成,但市面上没有这样的工具。这就是我在过去几个月里开始构建 ownscribe 的原因,并不断对其进行改进。最初它只是一个转录和总结的工具,现在甚至可以让你用自然语言(和本地的 LLM)搜索过去的会议记录。<p>目前,它主要针对 macOS 进行了优化(尽管 Linux 也应该部分兼容)。我非常希望能收到更多反馈,以便让它变得更有用!
2作者: fsloth大约 1 个月前原帖
我在过去的几年里一直沉迷于一个副项目,旨在为桌面开发一个人性化的3D建模工具。 这里所说的人性化,是指一个工具能够不干扰用户的工作,而不是要求用户在能够有效建模之前,学习复杂的用户体验界面和理论基础。这个图形用户界面(GUI)简洁明了,建模功能仅限于那些直观易用的选项。这与大多数CAD软件的技术复杂性占据主导地位的情况正好相反,这里故意反转了这种层次关系。 该项目仍处于Alpha阶段,但功能已经成熟到可以接受反馈和进行实验的程度。 TinkerCAD在哲学上与这个项目最为接近,但由于Autodesk的策略或技术限制,它无法成为一个超越某种复杂度的优秀工具。 我们的最终目标是提供一个具有与乐高积木相同直观能力的工具,同时不妥协于工程质量。 主要意图是使基于挤出建模的操作变得超级简单,提供强大的STL和STEP导入功能,并允许通过布尔运算进行复杂建模。 建模逻辑是参数化和基于体积的——表面呈现始终是离散的密闭三角网格。 这是与传统CAD/CAM软件或像Blender这样的可视化编辑器最明显的哲学区别——而不是强迫用户在每个阶段都关注表面拓扑,建模工具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。该领域模型完全基于参数化解析形状。这意味着网格细分清晰且具体。 建模数据是不可变的,并在建模时序列化到磁盘。这为用户提供了完美的撤销功能和零数据丢失的保障。 该工具首先是为了效率而构建的——我的测试工作站是配备集成显卡的Thinkpad T14 Gen 2 i5。 它并不是为了替代复杂的表面设计工具,如Fusion 360,或像Nomad Sculpt或Z Brush这样的雕刻软件。 您可以在下面链接的YouTube播放列表中找到当前功能的评测[0],以及从主页下载最新Alpha版本0.1.7的链接[1]。测试二进制文件通过GitHub发布提供[2],但这不是一个开源项目。 我知道有些人讨厌看视频而喜欢阅读,我也是其中之一,但我确实没有足够的精力同时开发功能和撰写良好的说明文案。 [0] [https://www.youtube.com/playlist?list=PLCOf_M8a2MZJqgKXgjod2px0lYOngNfMh](https://www.youtube.com/playlist?list=PLCOf_M8a2MZJqgKXgjod2px0lYOngNfMh) [1] [https://adashape.com](https://adashape.com) [2] [https://github.com/AdaShape/adashape-open-testing/releases/tag/adashape-alpha-0.1.7](https://github.com/AdaShape/adashape-open-testing/releases/tag/adashape-alpha-0.1.7)
1作者: shivajikobardan大约 1 个月前原帖
我必须学习这个。我并不在谷歌或Hadoop公司工作。那么我该如何学习呢?我希望能得到合适的指导。<p>关于这个主题有很多研究论文,但老实说,阅读研究论文的内容会非常庞杂。<p>有没有合适的人工智能工具可以帮助阅读研究论文?
1作者: aoboy大约 1 个月前原帖
对新闻和机会感兴趣
2作者: notum大约 1 个月前原帖
嗨,HN!<p>我们创建了Clusterflock,以解决在分布式环境中管理AI代理时遇到的各种问题,包括不同的显存和内存限制,以及轻松尝试新模型的需求。<p>虽然我们专注于基础设施(这是专门为网络硬件构建的),但它还配备了强大的任务运行器(或编排器),支持多会话和异步操作。<p>以下是它的主要优势:<p>硬件感知的自动下载:它会分析你的网络硬件,并自动下载最适合你特定设置的最佳模型(目前仅支持HuggingFace)。<p>紧凑打包:通过llama.cpp实现原生并行性,你可以在同一设备上运行多个较小的模型。<p>它是完全开源的。我们希望提供一种无痛的方式来部署智能集群,也希望你能觉得它有用。<p>网站:<a href="https:&#x2F;&#x2F;clusterflock.net" rel="nofollow">https:&#x2F;&#x2F;clusterflock.net</a><p>欢迎反馈。非常感谢大家的支持。