最新

我一直在尝试一个非常小的副项目：一个简单的投票/排名工具。每个人都有一次投票机会，结果以排名列表的形式展示，目标不是决策，而是讨论。 让我感到惊讶的是，这类项目在各个社区中被迅速视为垃圾信息，即使没有盈利、没有广告，也没有任何增长黑客的手段。在某些地方，仅仅提到“我做了一个小的排名工具”似乎就足以引发怀疑或被审查。 我并不是想在这里推广什么。我真心对这种动态感到好奇： - 投票/排名工具是否因为常被用于操控或低质量参与而声誉不佳？ - 问题是格式本身（投票、排名），还是它们通常被引入的方式？ - 从社区的角度来看，什么样的实验会让人觉得是可以接受的，而不是垃圾信息？ 如果你曾建立或管理过社区，或者推出过小型实验工具，我非常想听听你对此的看法。

我使用人工智能来搭建一个全新的应用程序，并将粗略的笔记转化为精炼的博客文章。两次都有人指出这不够真实。<p>但大多数软件都是衍生的，大多数写作都是对现有思想的重新阐述。我们一直都是站在巨人的肩膀上。<p>那么，真正的界限在哪里？原创性是否要求这个想法是你自己的，执行是你自己的，还是两者都要？使用人工智能辅助的工作与使用 Stack Overflow、模板或代笔作者的工作本质上有何不同？<p>我真心想知道 Hacker News 对此的看法。

嗨，HN， 我开发了一个完全在浏览器中运行的语音助手。 没有后端，也没有API调用。一切都在您的设备上运行。 这个项目的目标是看看基于浏览器的人工智能已经发展到什么程度，以及是否可以在客户端实现完整的语音处理管道，并且延迟在可接受范围内。 它的工作原理： - 语音转文本：通过WebAssembly运行的Whisper tiny en - 大语言模型（LLM）：通过llama.cpp的WASM移植运行的Qwen 2.5 0.5B - 文本转语音：原生浏览器的SpeechSynthesis API 响应实时流式传输。文本转语音在生成句子后立即开始说话，而不是等待完整的回复。 在首次加载后，它可以完全离线工作。没有任何数据离开设备。 为什么这很重要： - 展示了现代浏览器、小型LLM和WASM现在所能实现的可能性。 注意事项： - 由于WASM线程需要SharedArrayBuffer，要求使用Chrome或Edge 90及以上版本 - 初始下载约为380MB，之后会被缓存 - 目前仅支持英语 - 0.5B模型功能有限，但足够小可以在本地运行 在macOS和Linux桌面浏览器上进行了测试。由于内存和线程限制，我尚未能在移动设备上可靠运行此项目。 在浏览器中实现这一切花费的时间远超预期，原因是许多底层的WASM和浏览器问题。 演示： [https://ava.muthu.co](https://ava.muthu.co) 源代码： [https://github.com/muthuspark/ava](https://github.com/muthuspark/ava) 我非常希望能收到反馈，特别是来自那些在本地AI或基于浏览器的机器学习方面进行实验的人，以及关于提高性能或移动支持的想法。