Voicebox：43K Stars 的开源 AI 语音工作室，7 引擎 TTS + MCP Agent 集成
Voicebox：一个开源项目把 ElevenLabs 和 WisprFlow 的活都干了 当 AI 语音工具的市场被两家公司分占时——ElevenLabs 主导语音合成输出，WisprFlow 主导语音听写输入——一个名为 Voicebox 的开源项目正在尝试同时覆盖这两端，并且把整套流程跑在你自己的机器上。 Voicebox 由开发者 Jamie Pin…
标签: 开源
清除筛选
Qwen3.8 发布：2.4T 参数、原生多模态、开放权重承诺
Qwen 3.8 神经网络可视化 7 月 19 日，阿里巴巴通义千问（Qwen）团队在 X 平台发布 Qwen3.8，宣称参数规模达到 2.4 万亿（2.4T），并承诺将开放权重（open-weight）。这是 Qwen 家族首次有模型突破万亿参数门槛并具备原生多模态能力。Qwen 团队将其定位为"仅次于 Anthropic Fable 5 的最强模型"。…
transcribe.cpp：一个 ggml 运行时跑完 16 个语音转文字模型家族
本地语音转文字的开发者，长期以来面对一个尴尬的现实：能用的推理栈屈指可数。OpenAI 的 Whisper 有官方 Python 实现和社区维护的 whisper.cpp，NVIDIA 的 Parakeet 和 Canary 必须跑在笨重的 NeMo PyTorch 框架上，想上 GPU 加速还要自己折腾 ONNX 转换。每换一个模型家族，就要重写一遍部署管…
GPT-5.6用一段十页提示词，关闭凸优化30年的复杂性缺口
2026 年 7 月 10 日，OpenAI 在自己的 CDN 上放出一篇 PDF，声称 GPT-5.6 Sol Ultra 用 64 个并行子代理、不到一小时，证明了图论里悬挂了 50 年的 Cycle Double Cover 猜想。数学界在震动与质疑中展开了审阅。六天后，UC Berkeley IEOR 教授 Phillip Kerger 把 Open…
Moonshine Micro：80美分芯片跑完整语音流水线，500KB内存装下VAD+STT+TTS
一块售价 80 美分、SRAM 只有 520 KiB 的微控制器能干什么？Pete Warden 给出的答案是：跑完一条完整的语音交互流水线——语音活动检测（VAD）、语音识别（STT）、神经文本转语音（TTS），全部在端侧完成，不联网、不调云 API、不需要账号或密钥。这个名为 Moonshine Micro 的开源项目本周登顶 Hacker News，把…
LingBot-Map：用前馈3D基础模型做流式重建，20FPS跑完一万帧
LingBot-Map：用前馈 3D 基础模型做流式重建，20 FPS 跑完一万帧 把一段手持相机的视频丢进去，模型在 20 FPS 下边读帧边吐出相机位姿和稠密点云，序列超过一万帧也不崩——这是 Robbyant 团队开源的 LingBot-Map 交出的成绩单。它在 GitHub Trending 上日增 star 超 800，论文《Geometric…
B站在WAIC展出开源AI猫娘：能看懂屏幕、主动搭话的桌面伙伴
B站在WAIC展出开源AI猫娘：能看懂屏幕、主动搭话的桌面伙伴 7月17日至20日，2026世界人工智能大会（WAIC）在上海举行。在B站展台区域，一个名为「猫娘计划」（Project N.E.K.O.）的开源AI数字生命项目引起围观。需要先澄清一个容易误读的点：猫娘计划不是B站官方产品，而是B站UP主「W博士」（运营主体为喵可智能）主导的开源项目，它作为参…
Hallmark:一份写给AI编码助手的反AI味设计手册
用 Claude Code 或 Cursor 搭一个落地页,得到的东西十有八九长成这样:紫蓝渐变铺满 hero,Inter 字体通吃全场,三列等宽的功能卡片,每个卡片左上角一个圆角图标,中间一句斜体强调词,bottom 还要来一条 social icon 行。这套审美从 2023 年的 v0 和 Lovable 一直烧到 2026 年的各类 agent,凡是…